Protocol for an EHR-embedded pragmatic randomized control trial of Ambient AI to Reduce Nursing Staff Documentation Time

Resumo Técnico: Protocolo para um Ensaio Clínico Randomizado Pragmático de IA Ambiente Incorporada ao Prontuário Eletrônico para Reduzir o Tempo de Documentação da Equipe de Enfermagem

Definição do Problema
A documentação de enfermagem é um contribuinte significativo para a carga de trabalho e o esgotamento (burnout), ocupando uma estimativa de 20 a 40% de um turno de enfermagem. Os enfermeiros frequentemente realizam centenas de entradas manuais de dados por turno, muitas vezes navegando por planilhas complexas do Prontuário Eletrônico do Paciente (PEP) com 45 a 87 linhas. Esse fardo está associado à exaustão emocional, despersonalização e estresse relacionado ao PEP. Embora a IA Ambiente (utilizando Reconhecimento Automático de Fala e Grandes Modelos de Linguagem) tenha mostrado promessa nos fluxos de trabalho de prestadores de cuidados ambulatoriais para reduzir o tempo de documentação, sua aplicação na enfermagem de internação permanece subavaliada. A literatura existente carece de estudos empíricos rigorosos sobre ferramentas de fala-para-dados-estruturados em ambientes de cuidados agudos, particularmente aquelas que mapeiam conversas em tempo real para campos discretos do PEP. Além disso, os manuais padrão de implementação de IA ambulatorial frequentemente falham em considerar as complexidades únicas da enfermagem de internação, incluindo o cuidado distribuído entre múltiplos pacientes, fluxos de trabalho contínuos baseados em turnos e ambientes acústicos de alto ruído.

Metodologia
O estudo utiliza um ensaio controlado randomizado pragmático, do tipo stepped-wedge (cunha escalonada), randomizado por unidade e incorporado ao PEP em um centro médico acadêmico.

• Desenho: Três unidades de medicina/cirurgia de internação são randomizadas para tempos de início de intervenção escalonados. O desenho inclui uma linha de base de 4 semanas de cuidado padrão, seguida por transições para a intervenção em intervalos de 3 semanas ao longo de um período de 22 semanas.
• Intervenção: A intervenção é a ferramenta de IA Ambiente Abridge™, integrada ao PEP Epic através do aplicativo móvel Rover. O sistema captura as conversas enfermeiro-paciente via microfones de smartphones, transcreve-as e utiliza LLMs para gerar entradas estruturadas nas planilhas do PEP.
  • Humano no Ciclo (Human-in-the-Loop): Todos os rascunhos gerados pela IA exigem a confirmação do enfermeiro antes da entrada no registro permanente. Os enfermeiros podem editar ou excluir conteúdo impreciso; dados não confirmados não são arquivados.
  • Integração: A ferramenta é implantada como uma aplicação "smart-on-FHIR" dentro dos dispositivos portáteis já utilizados para operações.
• Participantes: Enfermeiros registrados (RNs) e auxiliares de enfermagem (NAs) com idade ≥18 anos, falantes de inglês e treinados no uso da ferramenta.
• Desfechos:
  • Primário: Tempo de documentação por hora de turno, medido via registros de auditoria do PEP (tempo ativo gasto em planilhas).
  • Secundários: Sobrecarga de documentação (tempo por paciente, contagem de cliques/toques, horas extras de registro), bem-estar profissional (pesquisa Mini-Z 3.0) e usabilidade percebida (Escala de Usabilidade do Sistema - SUS).
• Análise: Uma abordagem de intenção de tratar (ITT) utilizando modelos lineares de efeitos mistos com efeitos aleatórios para unidade de enfermagem e membro da equipe. A análise ajusta tendências seculares, status de enfermeiro campeão (nurse champion) e potenciais eventos intercorrentes (ex: atualizações de software) usando análises de diferença-em-diferenças de janela móvel.

Contribuições Principais e Estratégia de Implementação
O artigo descreve um modelo de governança colaborativa projetado para alinhar a viabilidade operacional com o rigor de pesquisa, servindo como um "manual" (playbook) para a implementação de IA na enfermagem.

• Estrutura de Governança: O ensaio opera sob um modelo de governança compartilhada envolvendo patrocinadores executivos (CNO, CNIO), uma equipe de supervisão multidisciplinar e três grupos de trabalho específicos:
  1. Construção Técnica: Gerenciou a configuração do sistema e a integração com o fornecedor, revelando problemas técnicos emergentes tardios (ex: interrupções de transmissão em toda a unidade) que exigiram adaptação operacional.
  2. Experiência do Usuário/Treinamento: Focou no design de fluxo de trabalho e treinamento baseado em simulação, reconhecendo que os enfermeiros exigiram uma integração mais intensiva do que os prestadores ambulatoriais devido à falta de experiência prévia com a verbalização de avaliações.
  3. Análise: Liderada por cientistas de enfermagem para selecionar métricas que reflitam o impacto multifacetado da IA na sobrecarga de documentação e no bem-estar.
• Adaptação de Manuais (Playbooks): Os autores destacam a necessidade de adaptar as estratégias de IA focadas em prestadores ambulatoriais para a enfermagem de internação. As principais adaptações incluem abordar os desafios acústicos das unidades hospitalares, gerenciar a documentação contín em vez de discreta e ajustar para a natureza distribuída do cuidado de enfermagem.
• Transparência de Dados: O protocolo enfatiza o uso de métricas objetivas derivadas do PEP para reduzir a dependência de autorrelatos e inclui um repositório público no GitLab para o protocolo, dicionário de dados e código de análise para apoiar a reprodutibilidade.

Resultos e Status Atual
Como este é um artigo de protocolo, os resultados definitivos do ensaio clínico quanto à eficácia da ferramenta de IA ainda não são apresentados. O artigo relata sobre a viabilidade da estratégia de implementação e observações operacionais iniciais:

• Implementação: O ensaio está sendo implementado atualmente dentro do modelo de governança compartilhada.
• Desafios Iniciais: A implementação precoce destacou a necessidade de adaptar o treinamento e as estratégias analíticas para abordar a exposição diferencial à intervenção (ex: enfermeiros campeões acessando a ferramenta antes da unidade geral).
• Recrutamento: O artigo observa desafios no recrutamento de pessoal de enfermagem de assistência direta para participação em pesquisas, com apenas 16 participantes inscritos em atividades de pesquisa no momento da redação.
• Resposta Operacional: A estrutura de governança identificou e resolveu com sucesso um problema técnico onde transmissões da unidade interrompiam as gravações, levando a uma discussão cultural sobre transmissões não essenciais para apoiar o uso consistente da ferramenta.

Significância e Alegações
O artigo alega significância primariamente como um guia metodológico e operacional, em vez de um relatório de eficácia clínica.

• Viabilidade de Ensaios Pragmáticos: Demonstra a viabilidade de incorporar um ensaio pragmático randomizado dentro de uma implantação operacional de IA liderada pelo sistema de saúde.
• Adaptação Específica para Enfermagem: Fornece um framework crítico para adaptar estratégias de implementação de IA de prestadores ambulatoriais para a enfermagem de internação, enfatizando as restrições únicas de ambiente e fluxo de trabalho desta última.
• Alinhamento com o Sistema de Saúde Aprendiz (Learning Health System - LHS): O estudo exemplifica uma abordagem de LHS onde o rigor da pesquisa e a tomada de decisão operacional são integrados, permitindo ajustes em tempo real e a geração de evidências baseadas na prática.
• Reprodutibilidade: Ao documentar decisões de design, adaptações e estruturas de governança, o protocolo visa facilitar comparações multicêntricas e a geração de conhecimento cumulativo sobre a IA Ambiente na enfermagem, apoiando decisões futuras sobre expandir, modificar ou aposentar tais tecnologias.