Valutazione dei profili di deambulazione del paziente per prevedere la riammissione in ospedale, il luogo di dimissione e la durata della degenza in un’unità di cardiochirurgia progressiva.

Introduzione

La promozione della mobilità del paziente è riconosciuta come un’importante strategia per ridurre il rischio di declino funzionale associato all’ospedalizzazione e per migliorare il recupero postoperatorio.¹^,²^,³^,⁴ Tuttavia, la misurazione accurata della mobilità nel tempo in ospedale rimane un ostacolo importante per lo sviluppo di modelli accurati di previsione del rischio, l’identificazione dei pazienti a rischio e lo sviluppo di interventi per migliorare gli esiti.⁵

Sebbene esistano molti metodi per valutare la mobilità, ognuno di essi presenta vantaggi e limiti. I questionari sulla mobilità forniscono un’istantanea dello stato funzionale del paziente, ma sono soggettivi e difficili da misurare continuamente. I test di camminata a tempo forniscono informazioni sulla distanza e sulla velocità⁶^,⁷ ma sono ad alta intensità di lavoro e, quindi, sono poco pratici da implementare più volte durante il ricovero. Ciononostante, gli studi⁸^,⁹ in diverse popolazioni di pazienti che utilizzano questi metodi hanno evidenziato il potenziale nella previsione dei risultati, come la durata della permanenza. I sensori indossabili basati su accelerometro consentono il monitoraggio continuo della deambulazione dei pazienti,¹⁰ anche se la convalida e la standardizzazione in individui che camminano lentamente e/o con andature anomale rimane una sfida.¹¹^,¹²^,¹³^,¹⁴^,¹⁵ Nonostante queste limitazioni, gli studi¹⁰^,¹⁶^,¹⁷ dei pazienti ospedalizzati con accelerometri indossabili hanno trovato differenze statisticamente significative negli esiti dei pazienti (ad esempio, durata della degenza, riammissione di 30 giorni e disposizione del paziente) in base al conteggio giornaliero dei passi. Tuttavia, le stime degli esiti sono modeste nel migliore dei casi, con aree sotto la curva di circa 0,7. Sebbene questi studi si siano concentrati in gran parte sul conteggio dei passi, non è noto quali siano le metriche della deambulazione più predittive degli esiti dei pazienti. Sebbene il conteggio giornaliero dei passi consenta un monitoraggio continuo, parametri aggiuntivi, come la velocità di deambulazione e la variazione di distanza e velocità durante il recupero, potrebbero affinare la valutazione della mobilità del paziente e migliorare i modelli di previsione. Gli obiettivi di questo studio erano di utilizzare un sistema di localizzazione in tempo reale per monitorare continuamente le deambulazioni volontarie fuori dalla stanza dei pazienti in cardiochirurgia postoperatoria e di valutare le metriche di deambulazione multiple nella previsione del tasso di riammissione, del luogo di dimissione e della durata della degenza.

Metodi

Progettazione dello studio e partecipanti

Questo studio di coorte prognostico è stato approvato dal comitato di revisione istituzionale Johns Hopkins come progetto di ricerca e tutti i pazienti hanno fornito il consenso informato scritto. Questo studio segue la linea guida per la segnalazione di studi osservazionali in epidemiologia(STROBE) per gli studi di coorte e la linea guida per la segnalazione trasparente di un modello di previsione multivariabile per la prognosi o la diagnosi individuale(TRIPOD).

Lo studio è stato eseguito in un’unità di terapia intensiva di chirurgia cardiaca a 33 letti (PCU) presso il Johns Hopkins Hospital con pazienti sottoposti a intervento chirurgico tra il 29 agosto 2016 e il 4 aprile 2018(Tabella; eAppendice 1 nel supplemento). L’idoneità è stata determinata attraverso la revisione della cartella clinica elettronica.

Tavolo.Caratteristiche del paziente e chirurgiche
Caratteristica	Pazienti di cardiochirurgia cardiaca, n. (%) (N==100)
Età, mediana (IQR), y	65 (58-72)
Maschio	81 (81)
Gara
Bianco	82 (82)
Afroamericano	11 (11)
Altro	7 (7)
Comorbidità
Precedente ictus	6 (6)
Ipertensione	84 (84)
Insufficienza cardiaca congestizia	25 (25)
Malattia vascolare periferica	12 (12)
Malattia polmonare cronica ostruttiva	12 (12)
Consumo di tabacco (selezionato)	17 (17)
Diabete	43 (43)
Sistema Europeo per la Valutazione del Rischio Cardiaco Operativo, mediano (IQR)	2.49 (1.9-4.0)
Chirurgia
Solo bypass coronarico	64 (64)
Solo valvola	17 (17)
Altro	19 (19)
Durata del bypass cardiopolmonare, mediana (IQR), min.	99 (75-125)

Profili di deambulazione

Le ambulazioni fuori dalla stanza dei pazienti sono state misurate utilizzando un sistema di localizzazione a infrarossi (IR) in tempo reale (RTLS; Midmark) progettato per la localizzazione del personale e delle attrezzature. Un distintivo IR indossato da un individuo emette un segnale IR che viene rilevato da sensori a soffitto(Figura 1A). I sensori sono posizionati ad intervalli di circa 6 m (20 piedi) nei corridoi, ed il diametro della zona di rilevamento è di circa 3,5 m (11 piedi).¹⁸ Il rilevamento del segnale di un badge da parte di un sensore a soffitto comporta la trasmissione del numero di identificazione del badge, della posizione del sensore e dell’orario ad un server. Abbiamo precedentemente convalidato il sistema per il monitoraggio della deambulazione in un test a tempo.¹⁸

I distintivi IR sono stati attaccati al camice del paziente dopo aver lasciato la sala operatoria o il primo giorno postoperatorio. Dai dati del badge per ogni paziente, sono state assemblate mappe di deambulazione dai singoli segmenti corrispondenti al rilevamento da parte di successivi sensori a soffitto. Abbiamo definito una deambulazione come un evento in cui un badge è stato rilevato da almeno 6 sensori a soffitto nel corridoio prima di tornare nella stanza del paziente. Ogni deambulazione contiene un insieme di segmenti, definiti dalla distanza e dalla velocità, che iniziano e finiscono nella stanza del paziente. La cartella clinica di un paziente in deambulazione comprendeva le informazioni di tutte le deambulazioni, dal giorno del trasferimento in terapia intensiva al giorno della dimissione. I profili digitali di deambulazione per ogni paziente includevano 19 metriche (eAppendice 2 nel supplemento) associate al numero totale di deambulazioni, alla frequenza di deambulazione e alla distanza, durata e velocità associate ad ogni deambulazione (vedere eTabella 1 e eTabella 2 nel supplemento per esempi). Per tener conto del fatto che i giorni di trasferimento e di dimissione spesso riducono la possibilità di ambulazione, i parametri sono stati calcolati sulla base del numero totale di giorni e del numero di giorni interi (numero totale di giorni esclusi i giorni di trasferimento e di dimissione) nella PCU.

Risultati

Il luogo di dimissione (riabilitazione acuta o subacuta o domicilio) e la durata del soggiorno, definita come il numero totale di giorni in PCU, sono stati estratti dalla cartella clinica elettronica. Nessun paziente è stato ricoverato in un istituto di base. I pazienti che sono stati dimessi in albergo o a casa di un familiare sono stati considerati dimessi a scopo analitico. Le informazioni sui 30 giorni di riammissione sono state estratte dalla cartella clinica elettronica, che comprendeva informazioni sulle riammissioni al di fuori di Johns Hopkins. La riammissione è stata definita come qualsiasi pernottamento oltre la mezzanotte in un ospedale entro 30 giorni dalla dimissione dalla procedura iniziale. Poiché l’attribuzione dello stato di osservazione o di riammissione non è immediatamente evidente nella cartella clinica elettronica, i pazienti sono stati considerati riammessi se si trovavano in ospedale (compreso il reparto di emergenza) dopo la mezzanotte. Questo approccio è stato scelto per identificare i casi clinicamente rilevanti di pazienti che necessitano di cure mediche a livello ospedaliero, senza esclusioni amministrative o tecniche che possono portare a una sottodenuncia. I dati amministrativi sulle riammissioni sono stati ottenuti per integrare la classificazione della ricerca.

Analisi statistica

Qui riportiamo i dati di tutti i 100 pazienti che avevano il loro badge IR alla dimissione dalla PCU e che hanno registrato almeno 1 deambulazione volontaria (eAppendice 1 nel supplemento). Per confrontare le differenze di coppia nei risultati tra i gruppi (riammissione sì o no; dimissione sì o no alla riabilitazione acuta o subacuta o a domicilio) per ogni parametro della deambulazione e la durata della degenza, abbiamo usato l’analisi a 1 via della varianza per determinare i punteggi F e i valori di P su 2 lati. P</05 è stato considerato statisticamente significativo. Le previsioni dei risultati (riammissione, disposizione alla dimissione e durata della degenza) sono state eseguite utilizzando la regressione lineare con campionamento frazionato nel software statistico SPSS versione 26 (IBM).¹⁹ Tutti i modelli sono stati creati utilizzando i 19 parametri di deambulazione per 100 pazienti. Non sono state utilizzate altre variabili demografiche o cliniche specifiche del paziente. Poiché il numero di eventi avversi era piccolo, abbiamo utilizzato per la prima volta una tecnica di oversampling di minoranza sintetica (algoritmo imblearn.over_sampling.SMOTE in Python versione 3.7.0, Python) per bilanciare i dati prima dell’analisi.²⁰ L’algoritmo SMOTE è ampiamente utilizzato ed è stato validato in vari domini. Dopo il bilanciamento, i dati sono stati divisi (70/30) in set di addestramento e test indipendenti, utilizzando il generatore di numeri casuali e le funzioni di calcolo delle variabili. Le previsioni di 30 giorni di riammissione e di disposizione di dimissione (variabili dipendenti) sono state eseguite utilizzando il modello di regressione logistica binaria con i 19 parametri di deambulazione e la durata della degenza per tutti i pazienti come covariate. La previsione della durata della degenza ha utilizzato il modello di regressione lineare, con 19 parametri di deambulazione come covariate. Le curve delle caratteristiche operative del ricevitore sono state create sulla base dei risultati previsti (posizione di riammissione e di scarico) dal set di test e dei corrispondenti risultati dal set di dati bilanciati (modulo di analisi delle caratteristiche operative del ricevitore). L’analisi dei dati è stata effettuata da giugno 2018 a dicembre 2019.

Risultati

Dal 29 agosto 2016 al 4 aprile 2018, 238 pazienti hanno acconsentito a indossare un distintivo a infrarossi per monitorare le ambulazioni volontarie fuori dalla stanza durante la terapia intensiva. L’analisi è stata eseguita per 100 pazienti (19 donne [19%] e 81 uomini [81%])(Tabella; eAppendice 1 nel supplemento). Nel complesso, l’età media (SD) dei pazienti nello studio era di 63,1 (11,6) anni e la durata media (SD) della permanenza in PCU era di 5,9 (2,2) giorni. Il tasso di riammissione a 30 giorni è stato del 21% (21 su 100 pazienti), e 11 (11%) dei pazienti sono stati dimessi in riabilitazione acuta o subacuta.

Sono stati ottenuti i record di deambulazione per 100 pazienti durante la loro permanenza in PCU. Ogni deambulazione volontaria fuori dalla stanza consiste in una serie di segmenti identificati dal rilevamento del badge del paziente tramite sensori a soffitto (Figura 1A).I segmenti tracciano il percorso per ogni deambulazione, da cui è possibile calcolare la distanza e la velocità. Complessivamente, abbiamo registrato più di 14.000 segmenti in 840 ambulazioni volontarie corrispondenti ad un totale di 127,8 km (79,4 miglia). La Figura 1Bmostra una linea temporale rappresentativa per un paziente durante il ricovero. Questo paziente è stato in PCU per 4 giorni e durante questo tempo ha completato 9 ambulazioni volontarie. Il paziente è stato dimesso a casa e non è stato riammesso entro 30 giorni. Per l’esempio di deambulazione mostrato nella Figura 1C, la distanza di deambulazione è aumentata linearmente nel tempo, indicando che il paziente ha mantenuto una velocità costante. In questa deambulazione, il paziente ha camminato per circa 229 m (750 piedi) ad una velocità media di circa 0,7 m/s(Figura 1C). Le deambulazioni possono essere riassunte in termini di valori giornalieri e, per questo paziente, la distanza totale giornaliera di deambulazione è aumentata da circa 244 m (800 piedi) il giorno del trasferimento alla PCU (giorno 1) a circa 610 m (2000 piedi) il giorno 3(Figura 1D). In questo studio, pochissimi pazienti hanno superato la velocità di 0,6 m/s in una singola deambulazione.

Sono stati creati profili di deambulazione per ogni paziente e sono state incluse 19 metriche associate ad ogni deambulazione volontaria (vedere l’Appendice 2 nel supplemento). Esempi di record e profilo della deambulazione per un paziente che non è stato riammesso sono forniti nella eFigure 1 e nella eTable 1 del Supplemento, mentre quelli per un paziente che è stato riammesso entro 30 giorni sono mostrati nella eFigure 2 e nella eTable 2 del Supplemento. I riassunti dei dati del profilo di deambulazione per tutti i pazienti sono riportati nella eTabella 3 e nella eTabella 4 del Supplemento. I profili di deambulazione forniscono dati ad alto contenuto informativo che descrivono lo stato e la traiettoria della deambulazione di un paziente.

Mentre sono in PCU, i pazienti sono incoraggiati a completare 3 ambulazioni volontarie al giorno. Dai profili di deambulazione, abbiamo rilevato che il tasso di conformità con 3 ambulazioni al giorno era del 28,0% il giorno 2 (il primo giorno completo dopo il trasferimento alla PCU), del 27,0% il giorno 3 e del 28,0% il giorno 4(Figura 2). La possibilità di tracciare in remoto semplici metriche, come la conformità con le ambulazioni volontarie, evidenzia un importante vantaggio dei sistemi di monitoraggio a distanza.

Per determinare l’associazione con gli esiti clinicamente rilevanti, i parametri di deambulazione sono stati confrontati con la riammissione a 30 giorni e il luogo di dimissione(Figura 3; eFigure 3 e eTable 5 nel supplemento). Diversi parametri di deambulazione sono stati statisticamente significativi tra i 2 gruppi (riammissione a 30 giorni sì o no; luogo di dimissione sì o no). Per le riammissioni di 30 giorni, i limiti di confidenza del 95% per 4 parametri di deambulazione non hanno mostrato alcuna sovrapposizione tra il gruppo non riammesso e il gruppo riammesso: (1) numero medio di deambulazioni al giorno (frequenza di deambulazione) (1).60 [95% CI, 1,40-1,79] vs 1,04 [95% CI, 0,71-1,37]; F = 7,34; P = 008), (2) percentuale di giorni con almeno 1 ambulazione (71,7% [95% CI, 67,1%-76,4%] vs 46.8% [95% IC, 35,9%-57,6%]; F = 22,37; P = 001), (3) percentuale di giorni con almeno 3 ambulazioni (25,7% [95% IC, 20,3%-31,1%] vs 12,1% [95% IC, 4,4%-19,7%]; F = 5.92; P==.03), e (4) distanza totale cumulativa per tutte le ambulazioni (4643.6 [95% CI, 3550.5-5736.7] vs 2501.1 [95% CI, 1527.4-3474.7] ft; F==3 .83; P==.05). Diversi altri parametri sono stati statisticamente significativi, tra cui il numero totale di ambulazioni, il numero di giorni con ambulazioni, la percentuale di giorni con almeno 2 ambulazioni e la variazione della velocità media di ambulazione (eTabella 5 nel supplemento).

Per la posizione di dimissione, i limiti di confidenza del 95% per 1 parametro non hanno mostrato alcuna sovrapposizione: la durata della degenza nella PCU (5,60 [5,20-5,99] vs 8,36 [6,36-10,36] giorni; F==18,2; P=<<.001) (eFigure 3 nel supplemento). Altri parametri statisticamente significativi sono la percentuale di giorni con almeno 1 ambulazione, la percentuale di giorni con almeno 2 ambulazioni e la velocità massima in una singola ambulazione (eTabella 5 nel Supplemento).

Per comprendere la traiettoria di recupero di un paziente, abbiamo calcolato come la distanza media, la velocità e il tempo sono cambiati tra le ambulazioni successive (eFigure 4 e eFigure 5 nel supplemento ). La traiettoria è definita in termini di derivato di distanza, velocità e tempo rispetto al numero di deambulazioni. Per gli individui che sono stati dimessi a casa e non sono stati riammessi, l’aumento della distanza media nelle ambulazioni successive è stato positivo (eTabella 3 e eTabella 4 nel supplemento). Tuttavia, la variazione media del tempo di deambulazione è stata di circa 0, a dimostrazione del fatto che la durata della deambulazione è cambiata poco, ma poiché la loro distanza è aumentata, c’è stato un aumento statisticamente significativo della loro velocità di deambulazione rispetto agli individui che sono stati riammessi(P = 0,02; F = 5 ,3). Pertanto, il tasso di variazione della velocità di deambulazione è stato un importante parametro di riferimento per la guarigione. Per gli individui che sono stati riammessi o dimessi in riabilitazione acuta o subacuta, il derivato in distanza è stato generalmente piccolo e positivo, indicando che pochi pazienti hanno mostrato una diminuzione della mobilità durante la loro permanenza nell’unità.

Avendo stabilito che diversi parametri di deambulazione erano statisticamente significativi tra i gruppi di riammissione a 30 giorni (sì o no) e la sede di dimissione (riabilitazione acuta o subacuta o domiciliare), è stato utilizzato un modello di regressione lineare binaria con campionamento frazionato per valutare le previsioni di esito sulla base dei profili di deambulazione (eTable 6 nel supplemento). Sono state previste riemissioni a 30 giorni con sensibilità dell’86,7% e specificità dell’88,2%, e la posizione di dimissione è stata prevista con sensibilità dell’84,6% e specificità dell’86,4%. Le previsioni del modello erano simili in base ai giorni interi nella PCU (eTable 6 nel supplemento). Le curve caratteristiche di funzionamento del ricevitore per i modelli di regressione(Figura 4) avevano valori di area sotto la curva (statistica C) di 0,925 (95% CI, 0,836-1,000) per le riemissioni a 30 giorni e 0,930 (95% CI, 0,855-1,000) per la posizione di scarico. Successivamente abbiamo valutato le previsioni della durata della permanenza con i profili di deambulazione. Il coefficiente di correlazione per la previsione della durata della degenza è stato di 0,927 (vedi eTable 7 nel supplemento per i dettagli). In generale, i risultati sono stati migliorati nei pazienti con almeno 1 deambulazione volontaria al giorno, una distanza totale cumulativa di deambulazione di oltre 1082 metri (3550 piedi; cioè, >7 giri intorno alla PCU), una variazione della velocità di deambulazione di oltre 0,018 m/s per deambulazione e una durata della degenza inferiore a 6 giorni.

Discussione

I risultati di questo studio suggeriscono che un sistema di localizzazione in tempo reale, già installato in ospedale per il tracciamento della posizione del personale e delle attrezzature, può essere utilizzato per monitorare le ambulazioni volontarie fuori dalla stanza in una PCU di cardiochirurgia. Dai dati della deambulazione, abbiamo definito il profilo digitale della deambulazione di un paziente, che comprendeva 19 parametri di deambulazione (ad esempio, numero, frequenza, distanza e velocità) e ha permesso di prevedere gli esiti.

La mobilità del paziente è un importante biomarcatore associato al recupero postoperatorio; tuttavia, la misurazione accurata rimane una sfida. Una revisione sistematica dei modelli di previsione del rischio per le riammissioni ospedaliere, basata esclusivamente su parametri clinici, ha concluso che in genere le loro prestazioni sono scarse,⁵ evidenziando la necessità di strumenti di misura ad alto contenuto informativo.

Il tracking remoto e gli accelerometri indossabili forniscono entrambi misure di mobilità, ma presentano alcune differenze fondamentali: il tracking remoto può distinguere gli eventi di deambulazione fuori dalla stanza e può fornire informazioni sulla velocità del paziente, anche se la risoluzione (circa 6 m [20 ft] in questo studio) è più grande di un singolo passo. Inoltre, il tracking remoto è facile da implementare ed è scalabile.

Per promuovere la mobilità, i pazienti della PCU sono incoraggiati a camminare 3 volte al giorno nell’ambito del programma Activity & Mobility Promotion.⁹ Abbiamo riscontrato che la compliance massima, il primo giorno intero dopo il trasferimento in PCU, è stata del 28,0%, per poi diminuire nei giorni successivi, soprattutto perché i pazienti più ambulatoriali sono stati generalmente dimessi prima (durata media [SD] della permanenza, 5,9 [2,2] giorni). Tuttavia, questi risultati evidenziano il valore del monitoraggio a distanza per valutare la conformità alle linee guida sulla mobilità. In generale, i risultati sono stati migliorati nei pazienti con almeno 1 deambulazione volontaria al giorno, una distanza totale cumulativa di deambulazione di oltre 1082 metri (3550 piedi; cioè, >7 giri intorno alla PCU), una variazione della velocità di deambulazione di oltre 0,018 m/s per deambulazione e una durata della degenza inferiore a 6 giorni.

Studi su pazienti ospedalizzati con accelerometri indossabili hanno rilevato differenze statisticamente significative nei risultati dei pazienti con il conteggio giornaliero dei passi. Uno studio¹⁶ ha scoperto che il 55% dei partecipanti con meno di 900 passi al giorno ha subito un declino funzionale acquisito in ospedale, rispetto al 18% dei partecipanti con 900 o più passi al giorno. Un altro studio¹⁷ dei pazienti post-chirurgici ha mostrato che il numero di passi nel secondo, terzo e quarto giorno di recupero era statisticamente diverso tra i pazienti dimessi a casa rispetto a quelli dimessi in una struttura di assistenza infermieristica specializzata o a casa con assistenza sanitaria. Un terzo studio¹⁰ ha mostrato che una soglia di 275 passi al giorno ha permesso di prevedere una riammissione di 30 giorni con una sensibilità del 42% e una specificità del 78%.

Sebbene il conteggio dei passi sia una metrica conveniente, non fornisce informazioni sulla velocità e fornisce solo una misura indiretta della distanza. Diversi gruppi hanno dimostrato che un test di velocità di andatura breve (4 o 6 m) è correlato alla sopravvivenza negli adulti anziani,²¹^,²² e sono state proposte soglie per la definizione della dismobilità (velocità di andatura molto bassa) da 0,6 a 0,8 m/s (1,34-1,70 mph) per la popolazione generale. Nel presente studio di una popolazione post-chirurgica, pochissimi pazienti hanno superato 0,6 m/s in una singola deambulazione. Tuttavia, tutti gli individui che non sono stati riammessi e dimessi a casa hanno mostrato un significativo aumento della velocità nelle ambulazioni successive.

Studi precedenti¹⁰^,¹⁶^,¹⁷^,²¹^,²² evidenziano il fatto che il conteggio dei passi e la velocità di deambulazione sono associati ai risultati clinici; tuttavia, i nostri risultati mostrano che misurazioni più dettagliate della mobilità con un maggiore contenuto di informazioni consentono un significativo aumento del potere predittivo. Incorporiamo elementi del conteggio dei passi (distanza di deambulazione e relativi parametri) e della velocità di deambulazione (velocità di deambulazione e relativi parametri), così come i parametri associati alla frequenza, e le modifiche di questi parametri nelle deambulazioni successive. Insieme, questi parametri consentono di migliorare le previsioni dei risultati clinicamente rilevanti. Il confronto dei nostri risultati con studi precedenti suggerisce anche che i criteri per l’identificazione dei pazienti a rischio non sono probabilmente generalizzabili e sono diversi per le diverse popolazioni di pazienti.

Il sistema di localizzazione in tempo reale consente la ricostruzione accurata dei singoli segmenti che costituiscono una deambulazione. I nostri algoritmi tengono conto delle anomalie, come ad esempio un sensore mancante in una sequenza che può verificarsi se il badge viene ostruito durante quel segmento. Anche se ci sono sensori nelle camere dei pazienti, la tecnologia non consente di valutare l’attività in camera. Qui definiamo arbitrariamente un’ambulazione come un evento che inizia e finisce in una stanza del paziente, senza lasciare l’unità. Abbiamo ignorato gli eventi in cui un paziente ha lasciato l’unità, sia per una deambulazione volontaria che per motivi medici. Una complicazione associata all’uscita dall’unità per un test è che attualmente non siamo in grado di distinguere tra la deambulazione e il trasporto in sedia a rotelle. Poiché i dati possono essere raccolti e analizzati in tempo reale, l’anamnesi della deambulazione di un paziente può essere aggiornata e visualizzata nella cartella clinica elettronica o sullo smartphone del paziente in tempo reale. La possibilità di tracciare e monitorare la storia della deambulazione potrebbe consentire di impostare gli obiettivi e di identificare i pazienti a rischio sulla base di modelli di previsione in tempo reale.

Limitazioni

Questo studio ha alcuni limiti. Si tratta di uno studio di coorte prognostico che è stato eseguito in una PCU di chirurgia cardiaca con un campione di piccole dimensioni. I criteri di iscrizione erano ampi; pertanto, i nostri risultati possono essere considerati ampiamente generalizzabili. I dati sono stati analizzati per tutti i pazienti che avevano il distintivo IR alla dimissione dalla PCU e hanno registrato almeno 1 deambulazione volontaria. L’esclusione dovuta alla perdita o alla rimozione di un badge o alla mancata registrazione di almeno 1 deambulazione volontaria può aver determinato un errore di selezione. Per migliorare la compliance del paziente, è necessario esplorare metodi alternativi per indossare il badge a infrarossi. L’esclusione delle deambulazioni fuori dall’unità può aver portato a sottovalutare il numero totale di deambulazioni. Saranno necessari ulteriori studi per valutare la tecnologia in altre popolazioni di pazienti. Le previsioni dei risultati si sono basate esclusivamente sulle metriche delle ambulazioni volontarie fuori dalla stanza; tuttavia, la misurazione dell’attività all’interno della stanza e l’input di altre variabili demografiche o cliniche specifiche del paziente potrebbero fornire ulteriori informazioni sullo stato funzionale del paziente e sui suoi risultati.

Conclusioni

La tecnologia del sistema di localizzazione in tempo reale è stata utilizzata per monitorare le ambulazioni volontarie dei pazienti in una PCU di cardiochirurgia. Ogni deambulazione contiene informazioni sulla distanza e sulla velocità, mentre l’anamnesi della deambulazione di un paziente fornisce informazioni sulla frequenza della deambulazione e sulle variazioni delle metriche della deambulazione. Le metriche associate alle deambulazioni volontarie erano predittive di esiti quali la riammissione e la disposizione alla dimissione.

References

Can hospitalization-associated disability be prevented?. JAMA. 2011; 306(16)DOI | PubMed
Hospitalization-associated disability: “she was probably able to ambulate, but I’m not sure”. JAMA. 2011; 306(16):1782-1793. DOI | PubMed
Hospital-associated functional decline: the role of hospitalization processes beyond individual risk factors. J Am Geriatr Soc. 2015; 63(1):55-62. DOI | PubMed
Early ambulation among hospitalized heart failure patients is associated with reduced length of stay and 30-day readmissions. Circ Heart Fail. 2018; 11(4)DOI | PubMed
Risk prediction models for hospital readmission: a systematic review. JAMA. 2011; 306(15):1688-1698. DOI | PubMed
Assessing gait speed in acutely ill older patients admitted to an acute care for elders hospital unit. Arch Intern Med. 2012; 172(4):353-358. DOI | PubMed
Measuring fitness in healthy older adults: the Health ABC Long Distance Corridor Walk. J Am Geriatr Soc. 2001; 49(11):1544-1548. DOI | PubMed
Admission ambulation velocity predicts length of stay and discharge disposition following stroke in an acute rehabilitation hospital. Neurorehabil Neural Repair. 2005; 19(1):20-26. DOI | PubMed
Promoting mobility and reducing length of stay in hospitalized general medicine patients: a quality-improvement project. J Hosp Med. 2016; 11(5):341-347. DOI | PubMed
Inpatient walking activity to predict readmission in older adults. Arch Phys Med Rehabil. 2016; 97(9):S226-S231. DOI | PubMed
Validity of different activity monitors to count steps in an inpatient rehabilitation setting. Phys Ther. 2017; 97(5):581-588. DOI | PubMed
Step counting: a review of measurement considerations and health-related applications. Sports Med. 2017; 47(7):1303-1315. DOI | PubMed
Assessment of physical activity of hospitalised older adults: a systematic review. J Nutr Health Aging. 2018; 22(3):377-386. DOI | PubMed
Step-count accuracy of 3 motion sensors for older and frail medical inpatients. Arch Phys Med Rehabil. 2017; 98(2):295-302. DOI | PubMed
Accuracy of 2 activity monitors in detecting steps in people with stroke and traumatic brain injury. Phys Ther. 2014; 94(2):222-229. DOI | PubMed
Association between 900 steps a day and functional decline in older hospitalized patients. JAMA Intern Med. 2017; 177(2):272-274. DOI | PubMed
Functional recovery in the elderly after major surgery: assessment of mobility recovery using wireless technology. Ann Thorac Surg. 2013; 96(3):1057-1061. DOI | PubMed
Using a real-time location system for assessment of patient ambulation in a hospital setting. Arch Phys Med Rehabil. 2017; 98(7):1366.e1-1373.e1. DOI | PubMed
Applied Logistic Regression. Wiley; 2013.
SMOTE: synthetic minority over-sampling technique. J Artif Intell Res. 2002; 16:321-357. DOI
Gait speed and survival in older adults. JAMA. 2011; 305(1):50-58. DOI | PubMed
A diagnosis of dismobility: giving mobility clinical visibility—a Mobility Working Group recommendation. JAMA. 2014; 311(20):2061-2062. DOI | PubMed

Fonte

Jeong Ic, Healy R, Bao B, Xie W, Madeira T, et al. (2020) Assessment of Patient Ambulation Profiles to Predict Hospital Readmission, Discharge Location, and Length of Stay in a Cardiac Surgery Progressive Care Unit. JAMA Network Open 3(3): e201074. https://doi.org/10.1001/jamanetworkopen.2020.1074