سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / اولین همایش بین المللی تحول خدمات سلامت: تلفیق مراقبت، درمان، بازتوانی و امیدبخشی

بررسی تأثیر سامانههای هشدار زودهنگام مبتنی بر هوش مصنوعی (AI-EWS) بر سرعت تصمیمگیری بالینی پرستاران و نرخ «ناتوانی در نجات» (Failure to Rescue) در بخشهای بستری جراحی

نویسندگان :

راضیه چابک¹

1- دانشگاه آزاد اسلامی واحد کاشمر

کلمات کلیدی :

تصمیمگیری بالینی

چکیده :

مقدمه: : تشخیص زودهنگام وخامت حال بیمار در بخشهای عمومی جراحی، کلید اصلی کاهش مرگومیر و عوارض است. سیستمهای نمرهدهی سنتی (مانند NEWS) با محدودیتهای خطای انسانی و تأخیر در محاسبه همراه هستند. هدف این پژوهش، ارزیابی اثربخشی یک پلتفرم هوش مصنوعی (AI-EWS) در پایش مستمر علائم حیاتی و پشتیبانی از تصمیمگیری بالینی پرستاران برای مداخله بهموقع بود روشها: این مطالعه بهصورت شبهتجربی در دو مرحله قبل و بعد از استقرار سیستم، در یکی از بیمارستانهای آموزشی انجام شد. در مرحله اول (گروه کنترل)، پایش علائم حیاتی طبق پروتکل سنتی دستی انجام شد. در مرحله دوم (گروه مداخله)، سیستم هوش مصنوعی به مانیتورینگ متصل گردید که به محض انحراف از الگوهای نرمال، هشدار هوشمند به تبلت پرستار مسئول ارسال میکرد. پیامدهای مطالعه شامل «زمان واکنش تا مداخله»، «تعداد کدهای احیا (Code Blue)» و نرخ مرگومیر قابل پیشگیری (Failure to Rescue) طی 6 ماه ارزیابی شد. دادهها با استفاده از تحلیل رگرسیون لجستیک و آزمون تی مستقل مقایسه شدند. یافتهها: نتایج نشان داد که پیادهسازی سیستم هوش مصنوعی، میانگین زمان تشخیص وخامت بیمار را از 45 دقیقه (در سیستم سنتی) به 12 دقیقه کاهش داد (P<"0"/"001" ). همچنین نرخ «ناتوانی در نجات» (Failure to Rescue) در گروه مداخله نسبت به گروه کنترل حدود 35 درصد کاهش معنادار داشت (P<"0"/"05" ). پرستاران گزارش دادند که سیستم هوشمند، اضطراب ناشی از پایش دستی را کاهش و اعتمادبهنفس آنها در مدیریت بیمار بدحال را افزایش داده است. نتیجهگیری: هوش مصنوعی نه بهعنوان جایگزین، بلکه بهعنوان یک «دستیار هوشمند» توانسته است با کاهش خطاهای شناختی پرستاران، سطح ایمنی بیمار و سرعت پاسخدهی در بخشهای جراحی را به شکل چشمگیری ارتقا دهد. ادغام این فناوریها گامی اساسی در تحول دیجیتال خدمات پرستاری است. کلیدواژهها: تصمیمگیری بالینی، سامانههای هشدار زودهنگام، مراقبت پرستاری، ناتوانی در نجات، هوش مصنوعی.