LO
Despliegue realAutomatización cognitiva2018-11-05
El Duke University Hospital hizo de las enfermeras de respuesta rápida las usuarias de su herramienta de aprendizaje profundo para la sepsis: clasifican sus alertas y llaman a los médicos, con hasta cuatro alertas de alto riesgo por hora
Enfermero tituladopágina de la ocupación →
Fecha del hecho / publicación
2018-11-05
Categoría de la evidencia
Despliegue realUna empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.
Tareas sobre las que incide
Trabajar con herramientas de decisión clínica
Usar y anular alertas, sugerencias de triaje y borradores de documentación, y avisar cuando se equivocan.
Tarea nueva✓ Con evidencia
Dónde aplica esto
Carolina del Norte, Estados Unidos. El propio estudio de implantación del hospital dice que Sepsis Watch se puso en marcha el 5 de noviembre de 2018, que la enfermera del equipo de respuesta rápida clasifica con ella a los pacientes con riesgo de sepsis y se comunica con los clínicos de urgencias sobre el tratamiento, que esas enfermeras llamaban a los médicos por cada paciente con sepsis o con alto riesgo de tenerla, y que se acordó como volumen ideal para una sola enfermera usuaria un máximo de cuatro alertas de alto riesgo por hora. Es un hospital y un equipo de enfermería especializado; no informa de mediciones de carga de trabajo.
Qué significa esto
Vigilar las alertas de un modelo de aprendizaje profundo y actuar sobre ellas se ha convertido en un puesto de enfermería definido en al menos un hospital.
Qué no muestra todavía
Un hospital y un equipo especializado, sin carga de trabajo medida.
Qué puedes comprobar
Abre el estudio de JMIR Medical Informatics sobre Sepsis Watch (PMC7391165) y busca «Up to 4 high-risk alerts per hour».
¿Cambia la evaluación?
No. El índice de impacto no lo mueve nunca un solo hecho. Lo que sí hizo este registro: 1 juicio de tarea enlazado de arriba se apoyan ahora en evidencia en vez de en inferencia.
Fuente
Sendak M et al. (Duke University Health System) — 'Real-World Integration of a Sepsis Deep Learning Technology Into Routine Clinical Care: Implementation Study', JMIR Medical Informatics 8(7) (15 July 2020) · verificado 2026-10-09 · Claude (VOLO agent) · interpretado 2026-10-09 · Claude (VOLO agent)
Fuente primaria: publicada por la parte que hizo esto, o por la autoridad de referencia. No necesita cofirma.