一個自動化的能鑒別30天后需要再入院的高?；颊叩念A測工具，已成功入入駐賓夕法尼亞健康系統大學的電子健康系統。該工具是由醫學佩雷爾曼學校的研究人員研發的，是刊登在《醫院醫學》雜志十二月刊上的一項研究課題。
這個來自賓夕法尼亞大學的研究小組發現，在入院前12個月已被送往醫院兩次或兩次以上是預測哪些病人會在出院30日內再次入院的最佳途徑。由于這一發現的結果，自動化工具現在能夠確定患者被重新鑒定為“高風險”患者的概率，并在其電子健康記錄創建一個“標志”。再入院風險高的病人的標志旁邊會在標題中列出病人的名字，寫著“有再住院的風險”。該標志可以通過雙擊來顯示，以顯示出相關的信息，包括過去患者12個月的住院和急診科情況以及有關與前一次入院相關的護理隊伍、逗留時間和問題（S）等相關詳細信息。
“我們已經看到了這個工具顯示的結果，我們可以準確地預測有出院內30日內再次入院的高風險的病人，”Penn醫學中心臨床流行病學和生物統計學內部醫學專家和研究員兼主要作者查爾斯·貝利醫學博士說，“有了這些知識，護理團隊必須針對這些患者，確保他們獲得必要的最密集的干預措施，以防止其再住院。”
干預被證明有助于減少出院30天內再入院的患者，包括增強患者教育和出院那天的用藥，提高上門服務質量，跟進出院后的預約和后續的電話，以確保額外的保護水平。在用藥和解進程中，藥劑師比較目前醫院病人給所有病人的醫囑，以及他們在入院之間在家里服用的藥物。這樣做是為了避免用藥錯誤，如遺漏、重復、劑量錯誤或藥物相互作用。
為了支持這項研究，賓夕法尼亞大學醫學中心的循證實踐中已發表的文獻確定了一些與再入院的病患的相關變量，包括：此前的入院記錄、是否去過急診科、30天后再入院記錄以及存在的多種內科疾病。
使用兩年的回顧數據，團隊用他們自己的本地數據研究這些變量后發現，一個單獨的變量——入院前12個月的跨度內兩次或兩次以上入院——是衡量未來是否會重新入院的最佳預測指標。此標記被集成到電子健康記錄，并能夠給下一年的研究提供前瞻性參考數據。在那段時間里，隨后再次入院患者的再次入院的概率下降到31％。當警報不被觸發，患者再次入院的概率只有11％ 。
“通過自動化預測患者再住院的風險，我們能夠實時快速、高效地提供風險評估，使住院團隊的所有成員用協調的方式履行規劃，支付給那些被確認為再入院風險最高的患者，”賓夕法尼亞大學醫學中心的循證實踐科主任、醫學和流行病學助理教授、醫學博士、MSCE兼研究的資深作者Craig A Umscheid說。
風險評估工具是Penn醫學采取一系列以減少患者再住院概率步驟的一部分。
“再住院率應隨著時間的推移改善，因為風險標志的使用更常規了，必要的以減少再住院率的被認定為高風險的干預措施也開始實施了，”貝利說。
