院内急変リスクのある成患者に対する動識別モデルの有性 2021/03/09 横須賀市うわまち病院集中治療部発表者 : 原納遥指導医 : 牧野淳 1

(1)

院内急変リスクのある成⼈患者

に対する⾃動識別モデルの有⽤性

2021/03/09 横須賀市⽴うわまち病院集中治療部発表者︓原納遥指導医︓牧野淳 1

(2)

本⽇の論⽂

N Engl J Med 2020;383:1951-60

(3)

3

患者の重篤な有害事象を軽減することを⽬的とし、迅速な対応を要する急激な病態変化を覚知し対応する

ために策定された院内対応システム

RRS (Rapid Response System)とは?

(4)

RRSを構成する4つの要素

(5)

RRSの有効性

著者 デザイン 施設介⼊結果 MERIT trial 2002年クラスターRCT (CRT) 豪23施設 RRS導⼊院内⼼停⽌、予期せぬICU⼊室で有意差なし Haegdorensら 2018 Stepped Wedge CRT ベルギー 14施設 RRS導⼊（NEWS）と SBAR指導予期せぬ死亡、院内⼼停⽌、予期せぬICU⼊室で有意差なし Buistら 2018年前後⽐較豪予期せぬ⼼停⽌、⼼停⽌症例の死亡率低下、予期せぬ⼼停⽌が減少 DeVitaら 2004年前後⽐較⽶ MET起動の増加に伴い院内⼼停⽌が減少 Konradら 2009年前後⽐較スウェーデン院内⼼停⽌、病院全体死亡率が低下 Lighthallら 2010年前後⽐較⽶予期せぬ⼼停⽌が減少 COMET研究 2015年多施設前後⽐較オランダ12施設 RRS導⼊(MEWS)と SBAR指導院内⼼停⽌、院内死亡率は減少、予期せぬ ICU⼊室は有意差なし Maharajら 2015年メタ解析 RRS導⼊院内死亡率、⼼停⽌が減少 有効そうだが、エビデンスレベルとしては低い 4

(6)

Early Warning Score（EWS)とは?

RRSの起動要素のうち起動基準に相当

バイタルサインなど⽣理学的な測定項⽬からなりICU外の患者急変を検知することが⽬的

(7)

EWSの歴史

Single Parameter

早期警告スコア（Early Warning Score; EWS)

⼿動アラートスコア NEWS ⾃動アラートスコア MEWS、eCART、AAMなど AIを使⽤したもの 1990〜 2010〜 2014〜 2016〜バイタルサインなどの項⽬を⼿動で⼊⼒スコアの⾃動化や電⼦カルテとの連動によりリアルタイムに急変を検知 6

(8)

NEWS

(National Early Warning Score)

• 2012年に英国で発表された⼿動アラート • 精度の⾼い⼿動アラートとして幅広く使⽤

• パラメータは呼吸数、SpO₂、酸素投与、体温、収縮期⾎圧、⼼拍数、意識状態の7項⽬

(9)

24時間以内の⼼停⽌、予期せぬICU⼊室、死亡、転帰を他の⼿動アラートと⽐較、NEWSが最も⾼精度

Smith GB et al. Resuscitation 2013;84:465-70.

NEWS vs 他の⼿動アラート

(10)

⼿動アラートの課題

• 項⽬がバイタルサインのみに基づく • 評価が主観的になりやすい • ⼿動による⼿間や誤字の問題 • 施設間で差が⽣じやすい

電⼦カルテのデータを連動させた

⾃動アラートの開発

9

(11)

eCART

(electronic Cardiac Arrest Risk Triage)

• 2014年に⽶国で発表された⾃動アラート • 複数医療機関のデータを統合し年齢、併存疾患、⼊院期間、バイタルサイン、検査値などを含む30以上の項⽬から構成 • single parameterやNEWSなどより⾼精度 eCART (⾃動アラート) NEWS (⼿動アラート) MEWS (⾃動アラート) BTF (single parameter) AUC

(12)

• RRS/EWSの有効性は、⼗分には証明されていない

• 終末期で治療を希望しない患者は救命より⾃律性や尊厳の維持が重要

ここまでの経過で⾒えてきた課題

Escobar GJ, Dellinger RP. J Hosp Med 2016;11:Suppl 1:S5-S10.

より適切なEWS/RRSを開発すれば

予後が良くなるのではないか?

(13)

⾃動アラートシステムの開発病院にシステムを導⼊できるかを検証⽀持的ケア＊_{を組み込めるかを検証} システムにより予後が改善されるかを検証

本論⽂に⾄るまでの研究の流れ

*⽀持的ケア︓緩和ケアチーム介⼊により⾃動アラートを抑制することが⽬的 12

(14)

1.新たな⾃動アラートシステムの開発

Kipnis P, Turk BJ, Wulf DA, et al. J Biomed Inform 2016;64:10-19. ₁₃

※AAMはEWSおよびそれを使用したRRS両方を指す

（他、AAMスコア→EWS、AAMシステム→RRS）

(15)

• 2010年〜2013年にKPNC*関連病院へ⼊院した18歳以上の374,838名のうち、急変**した

19,153名を基に作成された

• スコアは12時間以内の急変リスクを予測（”12時間”という期間はスコア作成時に設定）

Kipnis P, Turk BJ, Wulf DA, et al. J Biomed Inform 2016;64:10-19.

* KPNC: Kaiser Permanente Northern California

** 急変: A. 病棟・SDU***からのICU⼊室(1) 少なくとも6時間以上ICUに滞在 (2)ICUで死亡、B. Full Codeの患者がICU外で死亡

*** SDU: ステップ・ダウン・ユニット（⽇本のHCUのような位置付け）

(16)

• 従来のEWS/RRSと異なり

– アラート発動後のRRS起動を完全に⾃動化 – 電⼦カルテのより詳細な情報を使⽤

– 医療者のリードタイムを確保_{（詳細は後述）}

15

(17)

Kipnis P, Turk BJ, Wulf DA, et al. J Biomed Inform 2016;64:10-19. 16

これらの項⽬を抽出する期間設定も必要

(18)

AAMスコアに含まれる項⽬

検査所⾒ AG、HCO₃-、⾎糖、Hct、乳酸、 BUN、Cre、Na、TnI、WBC バイタル サイン ⾎圧、脈拍、呼吸数、SPO神経徴候、ショックインデックス2、体温、 複合指標 LAPS2*、COPS2** その他 年齢、性別、コード指⽰、⼊院期間、⼊院した季節・時間帯・病棟 * LAPS2:バイタル、神経所⾒、⾎液結果などから前72時間または24時間の最も異常な⽣理学的徴候を定量化したもの ** COPS2:患者の過去12ヵ⽉間の併存疾患の程度を定量化したスコア 17

(19)

急変までのAAMスコアの経時的変化

AAMスコアは急変の約8時間前から上昇

(20)

AAM vs eCART vs NEWS

AAMはNEWS, eCARTと⽐較し優れていた →⾃動アラートシステムとしてAAMを検証へ

AAM eCART NEWS

Cutoff値 7.5 50 8

AUC 0.82 0.79 0.76

感度

(95％CI) （47.6-50.3）49％ （42.3-45.1）44％（38.2-40.9）40％

• KPNC関連21病院の⼊院患者を対象にAAMの有⽤性を後ろ向きに検証

(21)

2.病院にシステムを導⼊できるか?

AAMの⾃動計算と起動の仕組み ⼊院患者の電⼦カルテ COPS2は毎⽉更新され他のサーバーに保存される院外のサーバーでデータを統合しAAMを⾃動計算 →電⼦カルテへ結果を送信

(22)

• ADV ALERT/COPS/LAPSの3項⽬を表⽰ • AAMは12時間以内のICU⼊室のリスクを

⽰唆、8点以上でアラートを発令

電⼦カルテ上の結果表⽰

ADV ALERT SCORE= AAMスコア

(23)

システム導⼊における課題と対処

• 看護師のバイタル測定から記載までの時差 → 通常15〜30分(最⻑2時間) • サーバーの情報収集や処理にかかる時間 → 数分〜1 or 2時間 • アラート対応への猶予(リードタイム)を2時間、頻回アラートの差し控えを考慮

Escobar GJ, et al. J Hosp Med. 2016;11: S18–S24

6時間毎

の⾃動アラートを採⽤

22 T0 E=12時間 T0-2(h) ︓ 記載や情報処理に かかる時間 T0+2(h) ︓ 対応への猶予 ＝リードタイム 1アラート毎に 計4時間が必要

(24)

• 施設の制約で無作為⽐較試験の実施は困難 • パイロット研究は2施設で患者の偏りと少な

いサンプル数が問題

• アラートによる疲弊回避を優先したため(起動基準を⾼めに設定)、サンプル数が少ない

Escobar GJ, et al. J Hosp Med. 2016;11: S18–S24

無作為⽐較試験に近づけるよう、

Diﬀerence-in-diﬀerence (DID)を組み合わ せた反事実モデル、傾向スコアを⽤いた

(25)

3.⽀持的ケアを組み込めるか?

Granich R, Sutton Z, Kim YS, et al. J Hosp Med 2016;11:Suppl 1:S40-S47.

デザイン 後ろ向き研究 施設 KPNC関連施設対象⾃動アラートに達した⼊院患者 293名介⼊⽀持的ケアを組み込んだシステムの起動⽐較システムの起動なし（残りの施設）アウトカム⽀持的ケアの質⽀持的ケアは有意に良質なケアを提供し、医療者・家族からも⾼評価 システムへの⽀持的ケアの組み込みを決定 24

(26)

Escobar GJ, Liu V, Kim YS, et al. Am J Respir Crit Care Med 2016;93:A7614. abstract.

4.システムにより予後は改善されるか?

デザイン Difference-in-differences法を⽤いた後ろ向きコホート研究 施設 KPNC関連施設対象アラートに達した⼊院患者 13,804名介⼊システムの起動⽐較システムの起動なしアウトカム ICU滞在期間、30⽇死亡率、退院後90⽇までの総費⽤、90⽇死亡率介⼊群で有意に予後が改善 →残り19施設でのAAMシステム導⼊を決定 25

(27)

本⽇の論⽂

N Engl J Med 2020;383:1951-60

(28)

論⽂のPICO

P ⼀般病棟あるいはSDUへ⼊院した 18歳以上の成⼈ 548,838名 I AAMの起動 C AAMの起動なし O Primary Outcome︓30⽇死亡率 27

(29)

METHODS

(30)

研究デザイン

• 病院などの集団（クラスター）単位で割付 • 介⼊の開始時期を病院ごとにずらし、段階的に介⼊を開始し、最終的に全病院で介⼊を実施 • どの病院でどのタイミングで介⼊を始めるかが本来はランダムに決定され、介⼊前の時期は⾮介⼊のデータとして収集看護研究, 53巻, 2号pp.102-103 ステップウェッジクラスター⾮ランダム化試験

Stepped wedge cluster non-randomized trial

(31)

介⼊の段階的な展開

• 2病院でのパイロット研究の後に、残り19病院を期待されるアウトカム数でランク付け • 期待されるアウトカム数の最も多い3病院をランダム順に開始し、残り16病院の開始順をチームが実施可能かどうかと地理的条件をもとに決定 • 最終的に全21病院がAAMシステムを導⼊ 30

(32)

対象施設と期間

• 期間︓2016年8⽉1⽇〜2019年1⽉14⽇*

• 施設︓パイロット試験に参加した2つの病院

を含む21のKPNC**_関連病院

*上記はAAMの展開期間。追跡期間は2012年11⽉1⽇〜2019年2⽉28⽇ **KPNC (Kaiser Permanente Northern California)

保険会社カイザーパーマネンテの統合ヘルスケア提供システム。加⼊者は 350万⼈以上で、グループ内の病院で診察、治療を⾏い、⼊院・外来などの情報を電⼦カルテthe Epic EHR systemで管理

(33)

対象患者と各群への振り分け基準

• 対象患者 ⼀般病棟あるいはSDUへ⼊院した18歳以上の成⼈（左記であれば術後患者も含む） • ⽬標⺟集団: Target population 対象患者の中でAAMアラート基準(急変リスクが⾼いと想定される基準:後述)を満たす患者 32

(34)

• 介⼊群: Intervention cohort ⽬標⺟集団の中で、アラート基準を満たした時にAAMが起動する患者群 • ⽐較群: Comparison cohort ⽬標⺟集団の中で、アラート基準を満たした時にAAMが起動しない患者群 33

(35)

分かりやすく図式化すると、

対象患者 18歳以上の⼀般病棟・SDU⼊院患者 ⾮⽬標⺟集団 アラート基準を満たさない患者 ⽬標⺟集団 アラート基準を満たす患者 介⼊群 AAMが起動される群 ⽐較群 AAMが起動されない群 34

(36)

AAMアラート発令閾値

• この基準で12時間の急変リスク≧8% • この基準で⼊院患者35⼈あたり1⽇につき1回アラートが発⽣(C statistic:0.82, 感度:49%) ※パイロット研究では︓ アラート発令閾値はAAM score≧8点、12時間の急変リスク≧8% ⼊院患者10⼈あたり1⽇につき1回アラートが発⽣（感度︓24%） ※データスキャンの頻度を6時間毎から1時間毎へ変更したこともあり感度が⼤幅に向上（評価に必要な数は増えなかった）

AAM score ≧5 と設定

35

(37)

• AAMスコアは職員に表⽰せず遠隔の看護師（Virtual Quality Team-RN）がモニター

• 担当患者を持たないRRT看護師が24時間病棟に常駐 • 遠隔の看護師は患者の状態、AAMの起動基準の遵守をモニター

介⼊⽅法

36

(38)

介⼊

*

_{のタイムフロー}

遠隔の看護師がカルテを確認病棟のRRT看護師へ連絡医師による評価・診断・対応*** 医師によるチームへの⽅針の共有緩和ケア・SWへの相談**** ⼊院中・退院後の緩和ケアコンサルト ACPや社会的サポートの⾒直し**** RRT看護師が病棟看護師と協議新たにバイタルサインの評価 RRT看護師が医師**へSBARで連絡

Paulson SS, et al. Jt Comm J Qual Patient Saf 2020;46:207-16.

* 既存のシステム（コードブルーやRRT看護師によるラウンド）は残存

** 研究グループが提携した院外サービス（Hospitalistsʼ Chief Group）から派遣された医師（病院医師がサブスペ領域も担当している病院ではその主治医） *** 治療法の変更、ICUへのソフトランディング、経過観察

※適宜追加スタッフ(例︓呼吸理学療法⼠、ICUのRN、医師など)が関与 ****COPS2スコアおよび死亡リスクの⾼い患者が対象

(39)

評価項⽬

主要評価項⽬: Primary Outcome •アラートから30⽇以内の死亡率 副次評価項⽬︓Secondary Outcomes •ICU⼊室の有無 •⼊院期間 •⼊院30⽇後死亡率 •⼊院30⽇時点の良好な転帰 (退院でき、再⼊院もしていない) 38

(40)

データ収集

• ⼈⼝統計学的特徴（保険の利⽤状況含む） • ⼊院病棟、⼊院期間、死亡率、再⼊院 • AAM/LAPS2/COPS2スコア算出に必要な項⽬ • 上記スコアは遠隔モニター開始後1時間毎に収集 • T₀: ⽬標⺟集団では、アラートが起動された時間、⾮⽬標⺟集団では⼊院時刻と設定 39

(41)

統計学的解析

• Primary outcome → ⼀般化線形モデル • Secondary outcomes – ⼆値変数 → ポアソン分布 – 介⼊効果の評価 → Cox回帰ハザードモデル • 介⼊群の90⽇死亡率が(⽐較群より)10-20%低下すると仮定︓10ヶ⽉の追跡調査で検出⼒ 0.8、効果量 20%以上と推定 40

(42)

統計学的解析

• 全てのモデルで以下の変数を調整 – 年齢、性別、季節（12⽉〜3⽉に⼊院したかどうか）、保険加⼊率、ケア指⽰書（⽬標⺟集団の初回アラート時、対象患者および全⼊院患者の⼊院時）、COPS2、⼊院時LAPS2、診断 – ⽬標⺟集団では初回アラート値、⼊院から初回アラートまでの経過時間を含む • 介⼊プロトコルの違いから統計学的解析は19病院のデータで実施 41

(43)

RESULTS

(44)

2015/8/1〜2019/2/28まで⼊院した成⼈615,619症例(354,489名)を対象⼊院病棟がICUだった 66,781症例(10.8%)も除外⼀般病棟あるいはSDUに⼊院した 548,838症例(89.2%)が対象アラート閾値に達したか?

Figure 1: フローチャート

43

(45)

43,949症例(7.1%)

が⽬標⺟集団 504,889症例(82.0%)が⾮⽬標⺟集団

院内でAAMが起動したか

15,487症例が

(46)

Table 1: 患者背景

⾮⽬標

⺟集団 介⼊群 ⽬標⺟集団⽐較群

⽬標⺟集団の介⼊群と⽐較群に背景の有意差なし

(47)

Table 1(続き):

主要評価項⽬(non-adjusted)

介⼊群は(⽐較群より)、ICU⼊室率、アラート後 30⽇以内の死亡率は有意に低く、⼊院期間も有意に短かった ⾮⽬標 ⺟集団 介⼊群 ⽬標⺟集団⽐較群 46

(48)

Figure 2: AAMの段階的な展開

(49)

各病院のシステムを展開した順番アラート閾値に達した⼊院数（アラートから30⽇以内の死亡率%）システム 展開前 システム展開後 AAM展開前後で死亡率低下 48

(50)

AAMが展開された⽇付

AAM展開前

AAM展開後

研究デザイン通り段階的にAAMを展開

(51)

Table 2: 主要評価項⽬

補正相対リスク adjusted RR ⽬標⺟集団 ⾮⽬標⺟集団 p<0.001 介⼊群は(⽐較群より）アラート後30⽇以内の死亡率が有意に低かった⾮⽬標⺟集団でアラート無しで転帰の悪化なし₅₀

(52)

Table 2: 主要評価項⽬

補正相対リスク adjusted RR ⽬標⺟集団⾮⽬標⺟集団 p<0.001 介⼊群は(⽐較群より）アラート後30⽇以内の死亡率が有意に低かった⾮⽬標⺟集団でアラート無しで転帰の悪化なしこの結果から・・・アラート起動後30⽇以内の死亡率の絶対差は介⼊群と⽐較群で

3.8%の減少

と推定

1000

名あたり

3

名(95%CI,1.2 to 4.8) もしくは

3.5

年の間、年間約

153,000

症例のうち、

520

名(95%CI,209 to 831) の死亡を回避 51

(53)

Table 2: 副次評価項⽬

補正相対リスク adjusted RR （⻘線箇所）ハザード率⽐（緑線箇所のみ）介⼊群は(⽐較群よりも）、アラート30⽇以内の ICU⼊室減少、アラート30⽇後の良好な転帰の増加、⼊院期間の短縮、⽣存期間の延⻑と関連 ⽬標⺟集団 ⾮⽬標⺟集団 52

(54)

DISCUSSION

(55)

• AAMが急変リスクの⾼い患者を同定し、院内死亡率やICU⼊室の減少、⼊院期間の短縮に有効であることを証明

本研究で明らかになったこと

(56)

• AAMは従来のシステムと⽐較し – 完全に⾃動化 – 電⼦カルテ内の詳細なデータを使⽤ – 医療者の迅速な対応が不要 • 遠隔モニターを⽤いたシステムにより、医療者をアラート疲れから保護 • ⽀持的ケアのプログラム導⼊により緩和ケアの介⼊例が増加

本研究で明らかになったこと

55

(57)

• 院内死亡率は介⼊群で有意に低下

OR: 0.52 (95%CI,0.32-0.85) • ⼊院期間は同等

過去の研究との⽐較 1

Priestley G, Watson W, Rashidian A, et al. Intensive Care Med 2004;30:1398-404.

デザイン 実⽤的無作為試験 時期・施設 英国・単施設 P 病棟⼊院患者 7450名 I ⼿動スコアを⽤いたCCOT介⼊ C CCOT介⼊無し O 院内死亡率、⼊院期間 56

(58)

Kollef MH, Chen Y, Heard K, et al. J Hosp Med 2014;9:424-9. デザイン 無作為化⽐較試験 時期・施設 2007年7⽉〜2011年12⽉, ⽶国・単施設 P 病棟⼊院患者 571名 I アラートをリアルタイムでRRTへ報告 C アラートをRRTへ報告しない O ICUへの転棟、院内死亡、⼊院期間

過去の研究との⽐較 2

アラートが医師へ提⽰された場合 •⼊院期間は有意に短縮 : 8.4±9.5 vs 9.4±11.1⽇ (P=0.038) •ICU⼊室や院内死亡率に有意差無し 57

(59)

Chen J, Ou L, Flabouris A, Hillman K, Bellomo R, Parr M. Resuscitation 2016;107:47-56.

過去の研究との⽐較 3

• 院内CPAは46%減少, 院内死亡率は19%減少 • 低リスクの患者においても、院内死亡率は 20%減少(P<0.001) デザイン 分割時系列解析 時期・施設 2007〜2013年, オーストラリア232施設 P 研究期間に⼊院した9,799,081名 I ⼿動スコアを⽤いたRRSの導⼊後 C ⼿動スコアを⽤いたRRSの導⼊前 O 介⼊前後での様々な項⽬ 58

(60)

過去の研究との⽐較 4

Bedoya AD,et al. Crit Care Med 2019;47:49-55.

• ICU⼊室や院内死亡率に有意差なし • むしろ、過剰アラートにより医師のストレスが増加し、看護師はスコアの多くを無視 デザイン 後ろ向きコホート研究 時期・施設 2014年3⽉〜2015年2⽉、⽶国2施設 P 上記期間に⼊院した85,322名 I ⾃動化したNEWSの導⼊後 C ⾃動化したNEWSの導⼊前 O ICU⼊室、院内死亡率 59

(61)

• ⼤規模、多施設コホート、多くの評価項⽬ • 重症度(毎時間のLAPS2)に応じて分析を調整 • 統計学的に有意であり、感度分析も同傾向 • KPNCにおけるプログラム実⾏の⼀貫性

本研究の強み

60

(62)

• 無作為⽐較試験ではない • アラート後に医師が⾏動を取る適切な流れとタイミングと流れが定まっていない • データが限られ、技術的にも多要素からなる複雑な介⼊のために、結果解釈が困難 • プロセス測定解析では、介⼊との⼀貫した有意な関連性を⽰せなかった

本研究の弱み

61

(63)

• 医療保険を持ち、⼊院率が減少してきている研究コホートが多く、（⽶国では）⼀般的ではない • 本システムは⼤規模で経済的余裕があったために、遠隔勤務の看護師を利⽤し、アラート疲労の軽減や、救命・緩和のワークフローが維持できた可能性がある

本研究の弱み

62

(64)

• 救命と緩和ケアの相対的な割合を定量化するシステムの開発 • （今回⽤いた⽅法以外の）アラート疲れ無しにプログラムへのコンプライアンスを維持できるシステムの開発

筆者の考える今後の課題

63

(65)

AAMの導⼊は、院内死亡率やICU⼊室の

減少、⼊院期間の短縮と関連する

Conclusion

(66)

内的・外的妥当性

(67)

• 無作為⽐較試験ではない • アラート後に医師が⾏動を取る適切な流れとタイミングが定まっていない • プロセス測定分析で介⼊との関連性なし • パイロット研究とアラート閾値が異なっていた（8点→5点） →結果に影響した可能性あり

内的妥当性

66

(68)

• “アラート疲れ”の具体的な定義なし

• 論⽂中にはclinician, medical staffなどの記載のみで具体的な職種の対象について明記なし • 従来のシステムやアラート閾値の変更により実際軽減するのかは不明 →アラート疲れに関する追加の検証や、より適切なアラート閾値・システムの開発が必要

内的妥当性

67

(69)

• 中⼩規模の病院では⼤規模なシステムの導⼊が難しい可能性 • 研究コホートは海外の患者のため、国内の患者に該当しない可能性 • 研究コホートが⼀般的患者層を反映していない

外的妥当性

68

(70)

• リードタイムを確保したシステムは有⽤かもしれないが教育や⼈員不⾜が課題になりそう • より精度や実⽤性が⾼く、緩和ケアの意思も反映した⾃動アラートプログラムを⾒極めた⽅がよい • 国内多施設でのデータ集積が必要だろう

私⾒

69

(71)

補⾜①︓EWS検証の⽅法論を検討した研究

Fang, A., Lim, W. & Balakrishnan, T. BMC Med Inform Decis Mak 20, 111 (2020).

研究間の主な違いとして、検証に使⽤した(1) 対象集団や個々のデータ、(2)アウトカム、(3)EWSを使⽤した時期と集計⽅法、(4)⽋損値の取り扱い →検証⽅法の標準化が必要かもしれない背景 EWSの有効性を検証した研究は異なった結果が多い→検証法の不均⼀性が原因︖ デザイン システマティックレビュー（n=48）⽅法 MEDLINEを使⽤、⼆⼈の評価者による評価、 TRIPODでデータを抽象化、メタアナリシスなし P ⼊院患者や特定の疾患グループなど I/C 1つ以上のEWS O 死亡率、ICUへの転送、成⼈⼼停⽌ 71

院内急変リスクのある成 患者 に対する 動識別モデルの有 性 2021/03/09 横須賀市 うわまち病院 集中治療部 発表者 : 原納 遥 指導医 : 牧野 淳 1