Is het voor personen die aanwezig zijn op de intensive
care effectief om slimme algoritmes in te zetten voor het
verminderen van alarmstress?
Aanbeveling
Redeneeralgoritme is een nuttige strategie om alarmvermoeidheid te vermijden of verminderen, bij mensen die
aanwezig zijn op de intensive care.
Schellevis (2019) schreef in zijn artikel dat valse alarmen kunnen leiden tot een alarmoverbelasting, waardoor een
zorgverlener belangrijke gebeurtenissen mist die schadelijk of zelfs levensbedreigend kunnen zijn. Als
gezondheidseenheden steeds afhankelijker worden van bewakingsapparatuur voor patiëntenzorg, moet het
probleem van alarmmoeheid als een belangrijk probleem worden aangepakt. Hiermee kan het gezondheidsteam en
de patiëntveiligheid verbeteren.
Wanneer er rekenkundige modellen worden gebruikt, om computers zelf problemen op te laten lossen, kunnen er
verbanden en patronen worden herkent, die mensen zelf niet kunnen herkennen. Door middel van algoritmesering
kan er al 20 sec. eerder gealarmeerd worden, wanneer er iets ernstigs mankeert aan de patiënt. Onderzoeker Rohan
Joshi ontdekte dat bepaalde algoritmes kunnen leiden voor het verminderen van afgaande alarmen en hoe het zou
kunnen helpen bij het laten afgaan van nuttigere alarmen.
Niveau van bewijs: B
Klinisch scenario
Uit een nieuwsbericht van de NOS is gebleken dat slimme algoritmes op de intensive care effectief kunnen zijn voor
het verminderen van alarmstress bij verpleegkundigen.
Op de intensive care kan het een kakofonie aan alarmen zijn. Veel van deze alarmen hebben geen hulp vragende
betekenis. Volgens Hoogleraar van de intensive care-geneeskunde, genaamd Diederik Gommers, zijn er een hoop
alarmen op een dag en kunnen verpleegkundigen hier gestrest van worden. Hierdoor ontstaat er ook een risico dat
legitieme alarmen minder opvallen tussen de ‘valse’ alarmen. Niet alleen de artsen en verpleegkundigen die
werkzaam zijn op de intensive care ervaren een zogenaamde ‘alarmstress’, maar ook voor de patiënten kan de
overdaad aan alarmen intens zijn (Schellevis, 2019).
Slimme algoritmes zijn wiskundige handelingen, ook wel gezegd, een set met regels die stap voor stap moeten
worden verricht. In mensentaal is het een reeks instructies die van het startpunt naar het einddoel leiden. In de
computertaal wordt het gebruikt bij dataverwerking. Deze vorm van intelligentie had nooit kunnen bestaan zonder
deze reeks instructies. Het is een taal waarmee je systemen opdrachten kan laten uitvoeren, dit gebeurt sneller en
efficiënter dan wanneer mensen dit zouden uitvoeren (Ensie, 2019).
Stap 1: De PIO
P = Personen de aanwezig zijn op de intensive care
I = Slimme algoritmes
O = Verminderen van alarmstress
, Onderzoeksvraag: Is het voor personen die aanwezig zijn op de intensive care (P) effectief om slimme algoritmes (I) in
te zetten voor het verminderen van alarmstress (O)?
Stap 2: Zoekstrategie
Databank: MEDLINE, PubMED
Zoektermen: (“Algoritmh”) AND (“intensive care unit”) AND (“false alarm”) OR (“stress”) AND (“monitoring”)
Resultaten: 23 resultaten, hieruit zijn 2 gekozen, de andere is gekozen door middel van de sneeuwbaleffect methode.
Inclusie: Artikelen die over algoritmes gaan, intensive care, stress bij mensen die aanwezig zijn op de IC en overbodige
alarmen op de IC. Engelstalige artikelen. Artikelen met een hoge betrouwbaarheid en validiteit.
Exclusie: Artikelen meer dan 5 jaar oud. Artikelen die gaan over het optimaliseren van medische uitkomsten
(diagnoses) doormiddel van het gebruik van algoritmes.
Gekozen artikelen:
1. Life-threatening false alarm rejection in ICU: Using the rule-based and multi-channel information
fusion method (Liu et al., 2016).
2. Real-time arrhythmia detection with supplementary ECG quality and pulse wave monitoring for the
reduction of false alarms in ICUs (Kasteva et al., 2016).
3. Artificial Intelligence Technologies for Coping with Alarm Fatigue in Hospital Environments Because of
Sensory Overload: Algorithm Development and Validation (Fernandes et al., 2019).
Stap 3: Kritische beoordeling
Het artikel ‘Artificial Intelligence Technologies for Coping with Alarm Fatigue in Hospital Environments Because of
Sensory Overload: Algorithm Development and Validation’ is kritisch beoordeeld, door middel van een meetlat voor
interventiestudies en beoordeeld vanuit de evidence-based richtlijn. De compleet ingevulde meetlat en de richtlijn is
terug te vinden in bijlage A.
- Level of evidence: Level 2, Randomized Controlled Trails (RSTs)
- Volgens de evindence-based Richtlijn is er B uitgekomen, het is een vergelijkend onderzoek, maar niet alle
kenmerken zijn genoemd onder A2 (Nederlandse tijdschrift voor evidence based practice, 2008).
- Uit de meetlat ‘interventiestudie’ kwamen 19 punten. Dit betekent dat het artikel een hoogwaardige
kwaliteit scoort.
Validiteit
Dit artikel beschrijft:
(1) Een model voor het ondersteunen van redeneeralgoritmen die beslissen hoe zorgverleners moeten worden
geïnformeerd om alarmmoeheid te voorkomen.
(2) Een architectuur voor gezondheidssystemen die patiëntbewaking en meldingsmogelijkheden ondersteunen.
(3) Een redeneeralgoritme dat specificeert hoe zorgverleners moeten worden geïnformeerd door te beslissen of een
groep alarmen moet worden geaggregeerd om alarmmoeheid te voorkomen.
De patiënten zijn uitgekozen door middel van een bestaat patiëntendossier. De patiënten zijn random geselecteerd,
wel was het van belang dat ze een anesthesie ondergingen bij Royal Adelaide Hospital. Er is rekening gehouden met
elke patiënt afzonderlijk. Hierdoor waren de samengestelde onderzoeksgroepen initieel gelijk met betrekking tot de
meest relevante verklaarde kenmerken namelijk, de vitale functies zoals elektrocardiograaf, pulsoximeter,
capnograaf, niet-invasieve arteriële bloeddrukmeter, luchtwegstroom en drukmonitor, en in sommige gevallen een Y
-delige spirometer, een elektro-encefalogrammonitor en een arteriële bloeddrukmonitor.
De MNI (minimum_Notification_Interval) is gedefinieerd door rekening te houden met zowel de alarmbronnen als de
kritieke toestand van de patiënt, om de veiligheidsbeperkingen van de patiënt te respecteren. In de gesimuleerde
omgeving is de MNI-waarde gedefinieerd als 5 minuten voor elke patiënt en gaan ze ervan uit dat de levering van het
type afwijkingen, dat in onze context wordt veroorzaakt (gerelateerd aan hartslagwaarden).
Er is van te voren bepaald hoeveel patiënten er moest worden onderzocht en hoeveel alarmen. Er is in elk
care effectief om slimme algoritmes in te zetten voor het
verminderen van alarmstress?
Aanbeveling
Redeneeralgoritme is een nuttige strategie om alarmvermoeidheid te vermijden of verminderen, bij mensen die
aanwezig zijn op de intensive care.
Schellevis (2019) schreef in zijn artikel dat valse alarmen kunnen leiden tot een alarmoverbelasting, waardoor een
zorgverlener belangrijke gebeurtenissen mist die schadelijk of zelfs levensbedreigend kunnen zijn. Als
gezondheidseenheden steeds afhankelijker worden van bewakingsapparatuur voor patiëntenzorg, moet het
probleem van alarmmoeheid als een belangrijk probleem worden aangepakt. Hiermee kan het gezondheidsteam en
de patiëntveiligheid verbeteren.
Wanneer er rekenkundige modellen worden gebruikt, om computers zelf problemen op te laten lossen, kunnen er
verbanden en patronen worden herkent, die mensen zelf niet kunnen herkennen. Door middel van algoritmesering
kan er al 20 sec. eerder gealarmeerd worden, wanneer er iets ernstigs mankeert aan de patiënt. Onderzoeker Rohan
Joshi ontdekte dat bepaalde algoritmes kunnen leiden voor het verminderen van afgaande alarmen en hoe het zou
kunnen helpen bij het laten afgaan van nuttigere alarmen.
Niveau van bewijs: B
Klinisch scenario
Uit een nieuwsbericht van de NOS is gebleken dat slimme algoritmes op de intensive care effectief kunnen zijn voor
het verminderen van alarmstress bij verpleegkundigen.
Op de intensive care kan het een kakofonie aan alarmen zijn. Veel van deze alarmen hebben geen hulp vragende
betekenis. Volgens Hoogleraar van de intensive care-geneeskunde, genaamd Diederik Gommers, zijn er een hoop
alarmen op een dag en kunnen verpleegkundigen hier gestrest van worden. Hierdoor ontstaat er ook een risico dat
legitieme alarmen minder opvallen tussen de ‘valse’ alarmen. Niet alleen de artsen en verpleegkundigen die
werkzaam zijn op de intensive care ervaren een zogenaamde ‘alarmstress’, maar ook voor de patiënten kan de
overdaad aan alarmen intens zijn (Schellevis, 2019).
Slimme algoritmes zijn wiskundige handelingen, ook wel gezegd, een set met regels die stap voor stap moeten
worden verricht. In mensentaal is het een reeks instructies die van het startpunt naar het einddoel leiden. In de
computertaal wordt het gebruikt bij dataverwerking. Deze vorm van intelligentie had nooit kunnen bestaan zonder
deze reeks instructies. Het is een taal waarmee je systemen opdrachten kan laten uitvoeren, dit gebeurt sneller en
efficiënter dan wanneer mensen dit zouden uitvoeren (Ensie, 2019).
Stap 1: De PIO
P = Personen de aanwezig zijn op de intensive care
I = Slimme algoritmes
O = Verminderen van alarmstress
, Onderzoeksvraag: Is het voor personen die aanwezig zijn op de intensive care (P) effectief om slimme algoritmes (I) in
te zetten voor het verminderen van alarmstress (O)?
Stap 2: Zoekstrategie
Databank: MEDLINE, PubMED
Zoektermen: (“Algoritmh”) AND (“intensive care unit”) AND (“false alarm”) OR (“stress”) AND (“monitoring”)
Resultaten: 23 resultaten, hieruit zijn 2 gekozen, de andere is gekozen door middel van de sneeuwbaleffect methode.
Inclusie: Artikelen die over algoritmes gaan, intensive care, stress bij mensen die aanwezig zijn op de IC en overbodige
alarmen op de IC. Engelstalige artikelen. Artikelen met een hoge betrouwbaarheid en validiteit.
Exclusie: Artikelen meer dan 5 jaar oud. Artikelen die gaan over het optimaliseren van medische uitkomsten
(diagnoses) doormiddel van het gebruik van algoritmes.
Gekozen artikelen:
1. Life-threatening false alarm rejection in ICU: Using the rule-based and multi-channel information
fusion method (Liu et al., 2016).
2. Real-time arrhythmia detection with supplementary ECG quality and pulse wave monitoring for the
reduction of false alarms in ICUs (Kasteva et al., 2016).
3. Artificial Intelligence Technologies for Coping with Alarm Fatigue in Hospital Environments Because of
Sensory Overload: Algorithm Development and Validation (Fernandes et al., 2019).
Stap 3: Kritische beoordeling
Het artikel ‘Artificial Intelligence Technologies for Coping with Alarm Fatigue in Hospital Environments Because of
Sensory Overload: Algorithm Development and Validation’ is kritisch beoordeeld, door middel van een meetlat voor
interventiestudies en beoordeeld vanuit de evidence-based richtlijn. De compleet ingevulde meetlat en de richtlijn is
terug te vinden in bijlage A.
- Level of evidence: Level 2, Randomized Controlled Trails (RSTs)
- Volgens de evindence-based Richtlijn is er B uitgekomen, het is een vergelijkend onderzoek, maar niet alle
kenmerken zijn genoemd onder A2 (Nederlandse tijdschrift voor evidence based practice, 2008).
- Uit de meetlat ‘interventiestudie’ kwamen 19 punten. Dit betekent dat het artikel een hoogwaardige
kwaliteit scoort.
Validiteit
Dit artikel beschrijft:
(1) Een model voor het ondersteunen van redeneeralgoritmen die beslissen hoe zorgverleners moeten worden
geïnformeerd om alarmmoeheid te voorkomen.
(2) Een architectuur voor gezondheidssystemen die patiëntbewaking en meldingsmogelijkheden ondersteunen.
(3) Een redeneeralgoritme dat specificeert hoe zorgverleners moeten worden geïnformeerd door te beslissen of een
groep alarmen moet worden geaggregeerd om alarmmoeheid te voorkomen.
De patiënten zijn uitgekozen door middel van een bestaat patiëntendossier. De patiënten zijn random geselecteerd,
wel was het van belang dat ze een anesthesie ondergingen bij Royal Adelaide Hospital. Er is rekening gehouden met
elke patiënt afzonderlijk. Hierdoor waren de samengestelde onderzoeksgroepen initieel gelijk met betrekking tot de
meest relevante verklaarde kenmerken namelijk, de vitale functies zoals elektrocardiograaf, pulsoximeter,
capnograaf, niet-invasieve arteriële bloeddrukmeter, luchtwegstroom en drukmonitor, en in sommige gevallen een Y
-delige spirometer, een elektro-encefalogrammonitor en een arteriële bloeddrukmonitor.
De MNI (minimum_Notification_Interval) is gedefinieerd door rekening te houden met zowel de alarmbronnen als de
kritieke toestand van de patiënt, om de veiligheidsbeperkingen van de patiënt te respecteren. In de gesimuleerde
omgeving is de MNI-waarde gedefinieerd als 5 minuten voor elke patiënt en gaan ze ervan uit dat de levering van het
type afwijkingen, dat in onze context wordt veroorzaakt (gerelateerd aan hartslagwaarden).
Er is van te voren bepaald hoeveel patiënten er moest worden onderzocht en hoeveel alarmen. Er is in elk
