חוקרים: רוני גמזו¹, אורלי וויינשטיין², איילה בורגר¹

רקע: אשפוזים חוזרים מהווים עדות לאיכות לקויה של הטיפול וגורמים לעומס על המערכת, לעלויות כספיות גבוהות ולחוסר שביעות רצון של המטופל. איתור המטופלים המועדים להתאשפז בשנית תוך זמן קצר יכול לסייע בהכוונת משאבים למניעת אשפוזים חוזרים.

מטרות: לפתח מודל המנבא חזרה לאשפוז תוך 30 יום בקרב המטופלים המשתחררים מהמחלקות הפנימיות, תוך שימוש במסד נתונים נרחב מתוך תיקי הרפואה הממוחשבים.

שיטה: אוכלוסיית המחקר כללה כ150,000 מטופלים שהשתחררו מהמחלקות הפנימיות במרכז הרפואי תל אביב בין השנים 2011-2020. נבחנו מספר סוגים של אלגוריתמים מתחום למידת מכונה לניבוי אשפוז חוזר במטרה למצוא את מודל הניבוי המדויק והפשוט ביותר לשימוש.

ממצאים עיקריים: לאחר בחינת גישות שונות, נבחר מודל המבוסס על 12 משתנים מנבאים הכוללים בין היתר בדיקות מעבדה, משתנים דמוגרפים וסימנים חיוניים בעת האשפוז. המודל הראה יכולת ניבוי של AUC ROC=0.71 בקבוצת מבחן פרוספקטיבית, ביצועים טובים יותר מזה של ה-HOSPITAL score שהינו מדד מקובל לאשפוזים חוזרים.

מסקנות: בנינו מודל ניבוי המספק הסתברות לחזרה לאשפוז בעת השחרור מהמחלקות הפנימיות. המודל מבוסס על מסד נתונים רחב, הוא פשוט לשימוש והוא ניתן להסבר.

המלצות/ השלכות לקובעי המדיניות: מודל הניבוי המתואר יכול להוות הליך מקדים של איתור מטופלים בסיכון גבוה לאשפוז חוזר וכך לאפשר תעדוף וניצול טוב יותר של משאבים בהליך השחרור.

תאריך סיום המחקר: 08/2022