RESUMO
Persons with complex care needs that arise due to chronic health conditions, serious illness, or social vulnerability are at increased risk of adverse health outcomes during transitions in care. To inform the development of a best practice guideline, a systematic review was conducted to examine the effect that navigation support has during transitions in care on quality of life, emergency department visits, follow-up visits, patient satisfaction, and readmission rates for persons with complex care needs. Eight databases were searched from 2016 to 2023. Studies were appraised using validated tools and data were extracted and presented narratively. The GRADE approach was used to assess the certainty of the evidence. Seventeen studies were included and the majority focused on transitions from hospital to home. Navigation support was provided for one month to one year following a transition. Results weakly indicate that providing navigation support during transitions in care may increase follow-up visits, reduce readmissions within 30 days, and increase patient satisfaction for persons with complex care needs. There were no important differences for quality of life and emergency department visits within 30 days of a transition. The certainty of the evidence was very low. Providing navigation support during transitions in care may improve outcomes for persons with complex needs; however, there remains uncertainty regarding the effectiveness of this intervention and more high-quality research is needed.
RESUMO
ABSTRACT Introduction. Artificial intelligence and machine learning are technologies that assist in uncovering patterns in data that can inform clinical decision-making. The Registered Nurses' Association of Ontario has used artificial intelligence techniques to assist in understanding impactful clinical practices and implementation strategies. This scoping review aimed to discover the adaptation and implementation of various artificial intelligence and machine learning techniques in various healthcare settings using different data systems that house nursing-related data. Methodology. In March 2022, a scoping review was conducted to search for peer-reviewed literature using the following terms: "nursing", "artificial intelligence", "data systems", "statistics", and "aggregated data". Studies were excluded if they were not relevant to nursing, utilized qualitative or mixed-methods analyses, were literature review articles, and did not focus on artificial intelligence or the use of patient-level data. Results. A total of 2,627 articles were retrieved, with 1,518 articles remaining after de-duplication. Through title and abstract screening, 1,347 articles remained. Following the full-text screening, 13 studies remained. Artificial intelligence techniques used by healthcare data systems include regression, neural networks, classification, and graph-based methods, among others. Discussion. There is a gap in the application of artificial intelligence methods in data systems that evaluate the impact of implementing best practices in nursing. More data systems are needed that employ artificial intelligence techniques to support the evaluation of best practices in nursing and other health professions. Conclusions. Various artificial intelligence techniques in data systems housing nursing-related data were retrieved. However, more data systems and research are needed in this area.
Introducción. La inteligencia artificial y el aprendizaje automático son tecnologías que ayudan a descubrir patrones en los datos que pueden informar la toma de decisiones clínicas. La Asociación de Enfermeras Registradas de Ontario ha utilizado técnicas de inteligencia artificial para ayudar a comprender las prácticas clínicas que generan impacto y las estrategias de implementación. El objetivo de esta revisión es descubrir la adaptación e implementación de diversas técnicas de inteligencia artificial y aprendizaje automático en varios entornos sanitarios, utilizando diferentes sistemas de datos que almacenan datos relacionados con la enfermería. Metodología. En marzo de 2022, se realizó una revisión de alcance para buscar literatura revisada por pares utilizando los siguientes términos: «enfermería¼, «inteligencia artificial¼, «sistemas de datos¼, «estadística¼ y «datos agregados¼. Se excluyeron los estudios si no eran relevantes para la enfermería, utilizaban análisis cualitativos o de métodos mixtos, si eran artículos de revisión bibliográfica y no se centraban en la inteligencia artificial o en el uso de datos a nivel de paciente. Resultados. Se recuperó un total de 2,627 artículos, de los cuales 1,518 quedaron tras la eliminación de duplicados. Tras la revisión de títulos y resúmenes, quedaron 1,347 artículos. Posteriormente, con la revisión del texto completo, quedaron 13 estudios. Las técnicas de inteligencia artificial utilizadas por los sistemas de datos sanitarios incluyen, entre otras, la regresión, las redes neuronales, la clasificación y los métodos basados en gráficos. Discusión. Existe un vacío en la aplicación de métodos de inteligencia artificial en los sistemas de datos que evalúan el impacto de la implementación de buenas prácticas en enfermería. Se necesitan más sistemas de datos que empleen técnicas de inteligencia artificial para apoyar la evaluación de buenas prácticas en enfermería y otras profesiones de la salud. Conclusiones. Se recuperaron diversas técnicas de inteligencia artificial en sistemas de datos que almacenan datos relacionados con la enfermería. Sin embargo, se necesitan más sistemas de datos e investigación en este ámbito.
Introdução. A inteligência artificial e o aprendizado de máquina são tecnologias que ajudam a descobrir padrões em dados que podem informar a tomada de decisões clínicas. A Associação de Enfermeiras Registradas de Ontário vem utilizando técnicas de inteligência artificial para ajudar a entender as práticas clínicas que geram impacto e as estratégias de implementação. O de máquina em diversos ambientes de saúde, utilizando diferentes sistemas de dados que armazenam dados relacionados à enfermagem. Metodologia. Em março de 2022, foi realizada uma revisão de escopo para pesquisar literatura revisada por pares usando os seguintes termos: «enfermagem¼, «inteligência artificial¼, «sistemas de dados¼, «estatísticas¼ e «dados agregados¼. Foram excluídos os estudos que não se mostravam relevantes para a enfermagem, utilizavam análises qualitativas ou de métodos mistos, se eram de artigos de revisão de literatura e não focavam na inteligência artificial ou no uso de dados no nível do paciente. Resultados. Foram recuperados 2,627 artigos no total, dos quais 1,518 permaneceram após a eliminação das duplicatas. Após a revisão de títulos e resumos, restaram 1,347 artigos. Posteriormente, com a revisão do texto completo, restaram 13 estudos. As técnicas de inteligência artificial usadas pelos sistemas de dados de saúde incluem, entre outras, regressão, redes neurais, classificação e métodos baseados em gráficos. Discussão. Existe uma lacuna na aplicação de métodos de inteligencia artificial em sistemas de dados que avaliam o impacto da implementação de boas práticas de enfermagem. São necessários mais sistemas de dados que implementem técnicas de inteligência artificial para apoiar a avaliação de boas práticas em enfermagem e outras profissões de saúde. Conclusões. Diversas técnicas de inteligência artificial foram recuperadas em sistemas de dados que armazenam dados relacionados à enfermagem. No entanto, são necessários mais sistemas de dados e investigação nesta área.
