充血性心力衰竭、成人败血症,这两个病种作为我国 ICD-10 中指定的要点病种,在住院逝世类目标、重返类目标、住院日及住院费用、急诊绿色通道办理等多方面,都对医疗机构有各项监控及要求。
而在美国,医疗机构在面临这两个病种时,也面临相同的应战:如安在确保并提高医疗质量与患者安全的一起,下降医治费用及再入院率?
全美 Top10 医院面临的新应战
作为已有二百余年前史的宾夕法尼亚大学医学院(Penn Medicine),见证并陪同了 1751 年全美第一家医院宾夕法尼亚州医院的树立,1765 年,全美第一家医学院也在宾夕法尼亚大学内树立。
现在,宾夕法尼亚大学医院多年跻身全美最佳医院排行榜 Top 10,且以癌症、心脏中心等要点科室见长。
面临当下临床、医保、科研的新应战,他们期望将医疗机构内很多的临床数据安全且充沛有利地势用起来,协助临床医师猜测或许的危重症患者——探究更有用的患者危险分级、更有用的预警机制、更有意义的临床科研、更有可仿制性的参加和推行形式。
宾大医学院具有海量的患者数据,其临床数据仓库现在存储了 300 万患者的病例,其间最早的数据可追溯到 10 多年前。
在 2013 年,宾大医学院数据科学团队想象树立一种大数据环境,以运用这些数据改进临床途径和猜测。为此,宾大医学院开发了 Penn Signals 渠道,并环绕败血症和心力衰竭初次运用。
根据既往病史,猜测败血症患者
美国 CDC 数据显现,败血症每年触及超越 100 万美国人,是第九大致死病因,一起仍是 ICU 第一大致死病因。
即便在发达国家,败血性休克引起的逝世率也挨近 50%。而传统的败血症辨认方法,一般只可检测约 50% 的病例,且一般在患者发作败血性休克前 2 小时才干检出。
宾大医学院运用 Penn Signals 渠道,在触及 150 位患者(总患者数为 1200~1500 人)的败血症试点研讨中,精确辨认了约 85% 的败血症病例,且早在败血性休克发作前 30 个小时便成功辨认。
符号患者病史?技能能做的不止这个
心力衰竭的状况则更不容乐观,也更为杂乱。据 2005 年和 2011 年的流行病学和心力衰竭状况查询,美国有 580 万人患心力衰竭,全球更是有约 2% 的成年人饱受此病困扰。
在发达国家,心力衰竭是人们入院医治的头号病因,特别常见于 65 岁以上的白叟。
而且, 尽管心力衰竭的医治自身并不贵重,但由于需求住院,整体医治本钱却很高。美国每年在心力衰竭上的医治本钱,已超 350 亿美元。更糟的是,美国 1/4 的住院患者在 30 天内再次住院,1/2 的患者需在 6 个月内再次住院。
开始,宾大医学院心力衰竭和移植计划的医疗总监 Dr. Lee Goldberg,出于期望尽早发现潜在心力衰竭患者的意图,对数据科学团队提出了一个很简单的要求:能否符号出从前因心力衰竭而住院的患者?成果,数据科学团队表明:咱们能做到的不止这个。
比方,有一部分潜在的心力衰竭患者,第一次就诊时因其他疾病来到医院,这部分未被确诊出心力衰竭相关症状的患者,在发作心力衰竭再次就诊时,一般而言,住院时刻更长,医疗花费更高。
而在布置 Penn Signals 这一猜测模型后,临床团队可精确估测医院内或医院之间心力衰竭患者的数量和散布状况:他们可辨认出约 20%~30% 之前标精确诊东西无法辨认的心力衰竭患者,并辅导这些患者自行调度病状,然后大幅下降再次住院率。
Dr. Goldberg 表明,资源有限是常态, 「Penn Signals 是协助咱们医师辨认患者集体并运用适宜资源的大好机会。」
对临床医师即时提示,完成双向成效
Penn Signals 这一奇特的渠道,首要能够完成即时预警,即根据患者方位、值班人员信息等,向特定的医疗机构发送安全的手机短信预警,其间包括患者方位和临床信息,便利医疗机构判别预警是否相关,以及患者需求的救助类型。
Dr. Goldberg 展现了自己的手机,「咱们临床医师检查这些提示后,能够运用标签进行回应,或与整个团队进行交流。」
Dr. Goldberg 展现医师收到的预警短信
其次,这一渠道能够根据电子病历体系中的作业流程,辨认病情严重的患者,完成自动化使命列表。
第三,Penn Signals 的状况仪表盘,可陈述护理状况,以及怎么下降再次住院率、怎么改进患者的生命质量等。
至此,宾大医学院完成了双向成效:对临床医师而言,他们能够根据医学知识,指定观测和搜集的数据变量,临床科研有了新途径;对数据专家而言,他们能够根据现实和技能,发掘到更多相关变量,对临床猜测和科研供给更有力的支撑。
可扩展的开源渠道,打破信息孤岛
到此为止,仅仅 Penn Signals 在宾大医学院院内的成功试点,怎么使之具有可仿制性,能兼容不同的 IT 体系,在确保患者信息安全的前提下,打通各医疗机构间的信息孤岛?
宾大医学院期望根据开源技能和大数据技能提出一种最佳的解决计划。所以,可信剖析渠道(TAP)进入了他们的视界。
TAP 作为一种可扩展的开源渠道,不只兼容各基础设施和渠道,更大的优势在于,其对临床科研的天然助力:能协助数据专家快速试用各种主意,从中找出最可行的计划。
比方在调查下降再次住院率时,数据专家能盯梢算法的精确性,并在发现精确性下降时及时修正算法,然后加速迭代速度。由此,TAP 能为临床医师和数据专家供给一个高质的开发与测验环境。
现在,宾大医学院正研讨将 TAP 用于与英特尔的联合项目中。英特尔根据药物医治计划,运用 TAP 对患者进行表型剖析,或对患者的疾病进行分类。
增加药物医治史对猜测患者再入院率的比较
仍以心力衰竭为例,英特尔与宾大医学院密切合作,运用 TAP 剖析东西,将心力衰竭患者的药物医治前史作为额定的猜测根据,充沛运用每位患者住院前和住院间的药物医治数据进行剖析。
终究,该项目成功协助宾大医学院提高了这类患者出院后 30~90 天内再次住院的猜测才能约 15%,进而协助医院有针对性地办理患者,防止再次住院。