Estimation of the maximum potential cost saving from reducing serious adverse events in hospitalized patients

Abstract

Formål

Der er en stigende brug af avancerede medicinske teknologier til at opdage komplikationer hos hospitalsindlagte patienter, for eksempel teknologier understøttet af kunstig intelligens. Teknologierne har vist sig lovende i forbedringen af forskellige aspekter inden for sundhedspleje, men de kan også være forbundet med betydelige udgifter. Derfor kan forståelsen af de potentielle økonomiske gevinster hjælpe beslutningsprocesserne om implementering.
Vi sigtede mod at estimere de potentielle besparelser som følge af reduceret indlæggelsestid og undgåede genindlæggelser ­-­ med udgangspunkt i et system til kontinuerlig monitorering af vitale værdier understøttet af kunstig intelligens.

Metoder

Vi brugte data fra danske nationale registre og ’coarsened exact matching’ til at estimere forskellen i indlæggelsestid og sandsynlighed for genindlæggelse mellem hospitalsindlagte patienter, der henholdsvis oplevede og ikke oplevede en alvorlig komplikation under indlæggelse i 2017-2018. Vi brugte disse estimater til at beregne de maksimale potentielle besparelser, der kunne opnås ved tidlig opdagelse af komplikationer gennem reduktion af indlæggelsestid og undgåelse af genindlæggelser.

Resultater

Patienter, der oplevede alvorlige komplikationer under indlæggelsen, havde 2,4 (95% CI: 2,4–2,5) flere hospitalsdage, og de havde 14% (95% CI 11%–17%) højere sandsynlighed for genindlæggelser sammenlignet med patienter, der ikke oplevede komplikationer. I vores base case-scenarie oversættes disse estimater til en maksimal potentiel besparelse på 2040 EUR og 43 EUR per patient, der oplever en komplikation, som følge af henholdsvis reduceret indlæggelsestid og undgåede genindlæggelser. Det gælder såfremt komplikationer helt kan undgås.

Konklusion

En reduktion af alvorlige komplikationer er forbundet med lavere sundhedsomkostninger på grund af kortere indlæggelsestid og undgåede genindlæggelser. Systemer til kontinuerlig monitorering af vitale værdier understøttet af kunstig intelligens er en potentiel metode til at reducere alvorlige komplikationer, men det er stadig uklart, hvor effektiv disse teknologier er, til at reducere de alvorlige komplikationer.
Grundige prospektive analyser, inklusiv analyser af interventions- og implementeringsomkostninger, er nødvendige for at forstå teknologiernes fulde økonomiske konsekvenser.