研究人员使用引导式机器学习来训练、测试和验证一种算法，用于预测被认为是转移到不同设施的候选患者的死亡率。

该工具根据忙碌的临床医生随时可用的因素进行呼叫，尊重他们的工作流程，同时帮助患者和家属决定是否转向加强护理环境是否符合他们的目标和价值观。

这项工作是在匹兹堡的 UPMC 进行的，并于2 月 8 日在Plos One 上发表。

将他们称为 SafeNet(用于安全非选择性紧急转移)的模型与具有类似目标的前辈工具 qSOFA(用于脓毒症相关器官衰竭评估)进行对比，该团队发现其系统更加准确，并且更容易推广到不同的患者群体.

“SafeNET 并不是要取代临床判断，而是作为一种触发暂停的手段，以便临床医生更好地准备将疾病的严重程度告知高危患者(或其代理人)并解决护理目标当他们到达接收机构时，或者在某些情况下，在将患者转移到支持社区之外之前，”通讯作者 Daniel Hall，医学博士，医学博士，MHSc 和同事写道。

在 UPMC 自己的研究报道中，Hall 表示该团队的总体目标是帮助一线医生了解情况，以便他们能够指导对高风险患者的共同决策。

“该工具可以帮助将额外资源分配给这些患者，以确保护理计划符合患者的价值观和目标，”他补充道。“经常，被转移的患者及其家人不了解他们所面临的疾病的严重程度，并且对转移到更高级别护理所产生的结果抱有不切实际的期望。”