一个自动化的能鉴别30天后需要再入院的高危患者的预测工具，已成功入入驻宾夕法尼亚健康系统大学的电子健康系统。该工具是由医学佩雷尔曼学校的研究人员研发的，是刊登在《医院医学》杂志十二月刊上的一项研究课题。
这个来自宾夕法尼亚大学的研究小组发现，在入院前12个月已被送往医院两次或两次以上是预测哪些病人会在出院30日内再次入院的最佳途径。由于这一发现的结果，自动化工具现在能够确定患者被重新鉴定为“高风险”患者的概率，并在其电子健康记录创建一个“标志”。再入院风险高的病人的标志旁边会在标题中列出病人的名字，写着“有再住院的风险”。该标志可以通过双击来显示，以显示出相关的信息，包括过去患者12个月的住院和急诊科情况以及有关与前一次入院相关的护理队伍、逗留时间和问题（S）等相关详细信息。
“我们已经看到了这个工具显示的结果，我们可以准确地预测有出院内30日内再次入院的高风险的病人，”Penn医学中心临床流行病学和生物统计学内部医学专家和研究员兼主要作者查尔斯·贝利医学博士说，“有了这些知识，护理团队必须针对这些患者，确保他们获得必要的最密集的干预措施，以防止其再住院。”
干预被证明有助于减少出院30天内再入院的患者，包括增强患者教育和出院那天的用药，提高上门服务质量，跟进出院后的预约和后续的电话，以确保额外的保护水平。在用药和解进程中，药剂师比较目前医院病人给所有病人的医嘱，以及他们在入院之间在家里服用的药物。这样做是为了避免用药错误，如遗漏、重复、剂量错误或药物相互作用。
为了支持这项研究，宾夕法尼亚大学医学中心的循证实践中已发表的文献确定了一些与再入院的病患的相关变量，包括：此前的入院记录、是否去过急诊科、30天后再入院记录以及存在的多种内科疾病。
使用两年的回顾数据，团队用他们自己的本地数据研究这些变量后发现，一个单独的变量——入院前12个月的跨度内两次或两次以上入院——是衡量未来是否会重新入院的最佳预测指标。此标记被集成到电子健康记录，并能够给下一年的研究提供前瞻性参考数据。在那段时间里，随后再次入院患者的再次入院的概率下降到31％。当警报不被触发，患者再次入院的概率只有11％ 。
“通过自动化预测患者再住院的风险，我们能够实时快速、高效地提供风险评估，使住院团队的所有成员用协调的方式履行规划，支付给那些被确认为再入院风险最高的患者，”宾夕法尼亚大学医学中心的循证实践科主任、医学和流行病学助理教授、医学博士、MSCE兼研究的资深作者Craig A Umscheid说。
风险评估工具是Penn医学采取一系列以减少患者再住院概率步骤的一部分。
“再住院率应随着时间的推移改善，因为风险标志的使用更常规了，必要的以减少再住院率的被认定为高风险的干预措施也开始实施了，”贝利说。
