{{{sourceTextContent.title}}}

Les détections précoces démontrent une avance tôt dans l'utilisation d'Analytics d'améliorer des soins de santé

{{{sourceTextContent.subTitle}}}

Systèmes de première alerte ? comme le système de première alerte modifié populaire (MIAULE) a employé dans beaucoup d'hôpitaux ? la forme une de la première ondule dans l'océan de l'analytics que nous devons laver au-dessus de notre système de santé.

{{{sourceTextContent.description}}}

Par la suite, les soins de santé intégreront d'une manière élégante le rendement d'appareil médical, disques patients électroniques, résultats de recherches, algorithmes de logiciel, et ? oui, n'oublions pas ? le clinicien ? expertise de s dans une intervention opportune dans le soin patient. Puisque les systèmes de première alerte sont plus mûrs que beaucoup de l'analytics que les chercheurs essayent actuellement, il ? s utile pour regarder des avances dans la détection précoce pour voir les tendances qui peuvent bénéficier le reste de soins de santé aussi bien.

J'ai parlé cette semaine à Susan Niemeier, le dirigeant en chef de soins chez CapsuleTech, un fournisseur des solutions d'intégration d'appareil médical. Elles vendent (entre autres) un ordinateur clinique mobile de chevet appelé le neurone qui se rassemble, montre, et envoie aux signes essentiels de rapport médical électronique des appareils médicaux : la température, impulsion, respiration, palpitent oximetry, et ainsi de suite. Un perfectionnement récent appelé le système de notation de détection précoce (EWSS) ajoute un niveau supplémentaire d'analytics qui, selon Niemeier, peut identifier les signes subtiles de la détérioration patiente bien avant un événement critique. Il ? pièce de s de capsule ? but overarching de s pour permettre à des hôpitaux de faire plus avec la quantité massive de données produites par des dispositifs.

Pendant plus de 18 années, CapsuleTech a fourni les produits et les services de connectivité d'appareil médical de chevet qui ont capturé les signes essentiels patients et ont communiqué ces données à l'hôpital EMR. Tout rudimentaire que cette fonctionnalité peut sembler aux gens employant les systèmes automatisés dans d'autres industries, il était font bon accueil à l'avance pour des infirmières et des médecins dans les hôpitaux. Autrefois, selon Niemeier, les infirmières griffonneraient vers le bas sur une chute de papier ou d'une serviette les signes essentiels qu'elles ont vus sur les moniteurs. Il pourrait est quelques heures avant qu'elles pourraient entrer dans ces derniers dans le disque ? et les sorts ont pu aller mal dans ce temps. En outre, le disque était un dépôt simple, sans le logiciel observant des tendances ou tirant des conclusions.

Ainsi en plus de soulager l'infirmière du travail de bureau (avec les erreurs probables qu'elles nécessitent), et d'augmenter le déroulement des opérations, le neurone pourrait s'assurer les signes essentiels immédiatement reflétés de disque. Maintenant le neurone remplit une fonction bien plus importante : il peut courir un genre d'appui clinique pour avertir des patients dont les conditions détériorent.

L'application du neurone EWSS assigne des points numériques à chaque paramètre de signe essentiel. Tous les points de détection précoce sont alors calculés sur la base de l'algorithme mis en application. Plus les points sont hauts, plus la probabilité de la détérioration est grande. Les points sont montrés sur le neurone avec des étapes exigibles pour l'intervention immédiate. Celles-ci pourraient inclure plus de surveillance, ou même appeler l'équipe rapide de réponse tout de suite.

L'algorithme de logiciel est configuré dans un outil de gestion bloqué accessible par un web browser et sans fil envoyé au neurone à un temps programmé. L'outil de gestion est mot de passe protégé et administré par un designee qualifié à l'hôpital, tenant compte d'une plus grande flexibilité et d'une propriété complète de la solution.

Naturellement, la clef à rendre ce système simple efficace est de choisir le bon algorithme pour combiner les signes essentiels. Le Royaume-Uni est dehors dans l'avant dans ce secteur. Ils ont développé une série d'algorithmes vers la fin des années 90, tandis que les hôpitaux des USA ont commencé à faire il y a ainsi seulement 5 ans. Les USA ne peuvent pas simplement adopter les algorithmes BRITANNIQUES, bien que, parce que notre modèle de la livraison et de soins de soin est différent. En outre, chaque hôpital a la différentes démographie, priorités, et pratiques patientes.

D'une part, selon Niemeier, l'attribution de différents algorithmes aux différents patients (jeunes victimes de gun-shot contre de vieux cardiaques, par exemple) serait impraticable parce que des ordinateurs mobiles de neurone sont utilisés à travers le service entier d'hôpital. Si vous accordez un algorithme pour un démographique patient, une infirmière pourrait par distraction l'employer sur un genre différent de patient pendant que l'ordinateur se déplace à partir de l'unité à l'unité. Améliorez, puis, pour créer un algorithme simple qui fait son meilleur pour refléter le patient moyen. L'algorithme devrait employer les signes essentiels et les observations qui sont uniformément rassemblés, pas vitals qui sont par intermittence mesurés et documentés.

En outre, des algorithmes peuvent être accordés avec le temps. Non seulement les populations patientes évoluent-elles, mais les hôpitaux peuvent apprendre des données qu'elles se rassemblent. CapsuleTech conseille un examen rétrospectif de diagramme des événements rapides de réponse avant de choisir un algorithme. Quels signes essentiels le patient a-t-il pendant les huit heures avant l'événement pressant ? Appliquez-vous rétrospectivement l'EWSS aux signes essentiels de déterminer le bons algorithme et tendances dans ces données d'identifier la détérioration plus tôt.

Sans aide telle que le système de notation de détection précoce, des équipes rapides de réponse doivent s'appeler quand une crise claire émerge ou quand une infirmière ? l'intuition de s suggère qu'elles soient nécessaires. Maintenant l'infirmière peut vérifier son intuition contre le nombre produit par le système.

Je pense que les cliniciens sont ouverts de valeur d'analytics dans des systèmes de première alerte parce qu'ils intensifient nettement des chances pour la prévention du désastre (et des dépenses en résultant). Les succès dans des systèmes de première alerte nous donnent un aperçu de ce que les données peuvent faire pour des aspects plus mondains des soins de santé aussi bien. Naturellement, l'utilisation efficace des données prend beaucoup plus la recherche : nous devons savoir les meilleures manières de rassembler les données, quelles normes nous permettent de l'agréger, et finalement ce que les données peuvent nous indiquer. Les avances dans cette recherche, avec de nouveaux points d'émission de données riches, peuvent mettre l'information au centre de la médecine.