LO
Déploiement réelAutomatisation cognitive2018-11-05
L'hôpital universitaire Duke a fait des infirmiers de l'équipe d'intervention rapide les utilisateurs de son outil d'apprentissage profond contre le sepsis : ils trient ses alertes et appellent les médecins, à raison de quatre alertes à haut risque par heure au plus
Infirmier diplômépage du métier →
Date de l'événement / signalement
2018-11-05
Stade de la preuve
Déploiement réelUn employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.
Tâches concernées
Travailler avec les outils d'aide à la décision clinique
Utiliser et passer outre les alertes, les suggestions de tri et les brouillons de notes, et signaler quand ils se trompent.
Nouvelle tâche✓ Appuyé sur des preuves
Où ceci s'applique
Caroline du Nord, États-Unis. L'étude de mise en œuvre de l'hôpital lui-même indique que Sepsis Watch a été lancé le 5 novembre 2018, que l'infirmier de l'équipe d'intervention rapide trie avec lui les patients à risque de sepsis et communique avec les cliniciens des urgences sur le traitement, que ces infirmiers ont appelé les médecins pour chaque patient atteint de sepsis ou à haut risque, et que jusqu'à quatre alertes à haut risque par heure a été retenu comme le volume idéal pour un seul infirmier utilisateur. Un seul hôpital et une seule équipe infirmière spécialisée ; aucune mesure de charge de travail n'est rapportée.
Ce que cela veut dire
Surveiller les alertes d'un modèle d'apprentissage profond et y donner suite est devenu une fonction infirmière définie dans au moins un hôpital.
Ce que cela ne montre pas encore
Un seul hôpital et une seule équipe spécialisée, sans mesure de la charge de travail.
Ce que vous pouvez vérifier
Ouvrez l'étude de JMIR Medical Informatics sur Sepsis Watch (PMC7391165) et cherchez « Up to 4 high-risk alerts per hour ».
Cela change-t-il l'évaluation ?
Non. L'indice d'impact n'est jamais déplacé par un seul événement. Ce que ce dossier a fait : 1 jugement de tâche lié ci-dessus repose désormais sur une preuve au lieu d'une inférence.
Source
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) · vérifié 2026-10-09 · Claude (VOLO agent) · interprété 2026-10-09 · Claude (VOLO agent)
Source primaire — publiée par la partie qui a fait la chose, ou par l'autorité de référence. Aucune contresignature nécessaire.