רקע ורציונל
צמצום אשפוזים חוזרים ואיתור מטופלים בסיכון לאשפוזים חוזרים באמצעות מערכות מחשוב ו- big-data נמצאים במיקוד מאמציהן של מערכות בריאות בארץ ובעולם. משנת 2012 מיושמים בשירותי בריאות כללית כלים ממוחשבים חדשניים לניבוי סיכון ולמדידת הישגים בתחום צמצום האשפוזים החוזרים. ציון הסיכון מנחה את הגורמים המטפלים בנוגע לצורך בהתערבות דחופה ומאפשר קביעת סדר קדימויות לטיפול. במהלך השנים של שימוש בכלי הניבוי הממוחשב, עלו תגובות מהשטח שהציון לא מספיק מדויק וישנם מטופלים אשר מופיעים בציון נמוך, אך הצוות חושב שהם בציון גבוה ולהפך, אולם, טרם נבחנה ההלימה בין ציון הסיכון הממוחשב והערכת הסיכון לאשפוז חוזר של הצוותים המטפלים, מבחינת מאפייניהם הקליניים והאישיים של המטופלים.
מטרות
(1) לבחון את מידת ההתאמה בין הערכת הסיכון לאשפוז חוזר של האלגוריתם הממוחשב של ה`כללית` והצוותים המטפלים בבתי החולים (רופאים ואחיות); (2) לבחון את הגורמים הקשורים לחוסר הלימה בין האלגוריתם הממוחשב לבין הערכת הסיכון לפי הצוותים המטפלים.
שיטות
מחקר שאלונים פרוספקטיבי. צוותים רפואיים וסיעודיים מ-15 מחלקות פנימיות ב-3 בתי חולים של ה`כללית` התבקשו להעריך את רמת הסיכון של המטופל (מבוטחי כללית בני 65+) לאשפוז חוזר תוך 30 ימים ובמקביל, לציין מאפיינים קליניים ואישיים של המטופל. הקשר בין ציון הסיכון הממוחשב לבין הציון לפי הצוותים המטפלים הוערך ע"י מבחן חי בריבוע והקשר בין מאפיינים קליניים ואישיים של המטופל לאשפוז חוזר תוך 30-יום הוערך באמצעות ניתוח עצי החלטה.
תוצאות
מולאו 817 שאלונים לגבי 375 מטופלים אשר שוחררו בחיים מבתי החולים. כרבע (24.3%) חזרו לאשפוז תוך 30 ימים. חוסר הלימה בין ציון הסיכון הממוחשב לבין הערכת האחיות והרופאים נמצאה ב-35% ו-33% מהמטופלים, בהתאמה. האחיות והרופאים העריכו כי 38% ו-37% מהמטופלים (בהתאמה) בעלי ציון סיכון ממוחשב גבוה הם בעלי סיכון נמוך. בפועל שיעור האשפוזים החוזרים בקבוצות אלו היה נמוך מהממוצע (20%), כלומר הערכת הצוותים לגבי מידת הסיכון הייתה טובה יותר מאשר האלגוריתם הממוחשב בקבוצה זו. בנוסף, כ-30% מהמטופלים (לפי האחיות והרופאים) בעלי ציון סיכון ממוחשב נמוך הוערכו כבעלי סיכון גבוה. בפועל, שיעור האשפוזים החוזרים היה גבוה (33%) רק בקרב המטופלים שהוערכו על ידי האחיות כבעלי סיכון גבוה. בניתוח עצי החלטה, מאפייניהם של מטופלים שקבלו ציון סיכון נמוך אך האחיות העריכו אותם בסיכון גבוה כללו: קבלת תרופה חדשה באשפוז, מחלה לא מאוזנת, צורך בציוד מיוחד בקהילה, צורך בתמיכה בהנחיות הטיפול. המאפיינים שהרופאים ציינו לגבי אותם המטופלים היו ריבוי תרופות וגורמים התנהגותיים (לרוב היענות לטיפול).
מסקנות
חוות דעת מקצועית של הצוותים המטפלים בבית החולים משפרת את יכולת זיהוי מטופלים בסיכון מעבר ליכולת של המודל הממוחשב. השילוב בין מידע שמקורו בבסיסי הנתונים הממוחשבים (big-data) ומידע מהצוותים המטפלים לגבי מאפיינים קליניים ואישיים של המטופל מאפשר יכולת התאמה טובה יותר וסנכרון בין המערכות המטפלות השונות.
תרומה והשלכות להמשך
המידע הקליני והאישי שנאסף מהערכות הצוותים ישמש לטיוב נוסף של כלי הניבוי הממוחשב לצורך שיפור יכולת איתור המטופלים המצויים בסיכון גבוה לאשפוז חוזר.
