京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据如何助力ICU?
大数据(big data),是指无法在可承受的时间范围内,用常规软件工具进行捕捉、管理和处理的数据集合。它需要应用新的处理模式,才能成为具有更强的决策力、洞察发现力和流程优化能力的信息资产。目前,各行各业正全力提高对数据的加工能力,通过加工,实现数据的增值。医疗行业也不例外,研究者们亦正积极寻找如何从以前的丰富病例信息中挖掘出有用的线索。《华尔街日报》于今年6月深度报道了美国医疗机构在此方面的努力,它们都正致力于测量出重症监护病房在任何时间点的风险水平。
对于患者来说,重症加护病房(ICU)可能很快会成为一个不再那么可怕的地方。
医院的重症加护病房是为专门治疗重症患者而设,其治疗成功率高低不一。如今,研究人员正在从大量重症加护病房数据中寻求线索,以帮助患者取得更好的疗效。
研究表明,(美国)每年都有超过500万患者进入重症监护病房,其中死亡率为10%?29%。虽然有些患者的死亡不可避免,但有些患者是死于由设备和治疗感染引起的可避免的并发症。其他并发症包括血液凝块和过度镇静和长时间不动引起的精神错乱。
在过去,重症监护病房在核对清单等较为基础的技术方面曾成功减少了患者的风险。遵循患者护理步骤清单,能够防治因呼吸机留置过长引起的肺炎,或者导管和各种软管所造成的感染。
数据时代
现在,一些医院正在测试应用大数据的方法。通过对比,对多年来多个来源的医疗记录进行筛选,包括那些可能永远不会被纳入到单一分析法中的数据,以找到之前未知的相关性,从而发现更多的问题点,和更多可能的解决方案。
“清单核对工作可以作用于可预见的风险,但那些不太可预测的突发事件才是我们最关心的问题。”,哈佛医学院贝斯以色列女执事医疗中心(BIDMC)的首席质量官兼高级副总裁Kenneth Sands如是说。该医疗中心正在与来自麻省理工学院的集成系统科学家和APTIMA公司的人性因素专家通力合作,组建项目团队“危险状态”,致力于测量出特定重症监护病房在任何时间点的风险水平。
BIDMC拥有7间重症加护病房,其中包括外科手术和冠状动脉患者用病房。通过分析2012至2014年间所有重症加护病房中患者的数据,医院项目团队界定出了会增加风险的各种情况,如大量收治患者、重症患者的数量增多、重症加护病房中起用护理经验不足一年护士的比例增高、以及在重症监护病房中患者-护士比过高等等。
“我们正在使用大家此前想象不到的数据来预测重症监护病房中的危害。”BIDMC的麻醉、重症护理和疼痛医学临时主席Daniel Talmor说,“例如,人们一般不会把护士的经验水平计入风险”。
项目团队还在风险状态的过程中和之后的环节,发现了30项危害,如出血、用药错误、心跳骤停、出院后再次入住重症加护病房、跌倒和沟通中的错误等。
由该团队开发的应用程序能自动从电子病历类医学专用软件中抓取数据,并允许医生和护士输入有关特定患者与病房相关的额外问题。然后利用一种可视“仪表盘”计算风险评分,并将其实时显示到重症加护病房工作人员的显示器和手持设备上。
Sands博士说,“目前,我们已经可以对即将进入危险状态的患者进行提前预警。”
Patricia Folcarelli是该院的护士兼患者安全高级主管。她讲到,重症加护病房可以通过改变人员编制、推迟选择性程序、或将患者从负荷过大的重症加护病房中转移到负担较小的,而不是仅仅靠着一张可能并不适用于每一个患者的一般清单。因此,该团队还正在开发“能针对具体情况”的个性化清单,侧重于单个患者的需求。
BIDMC的“危险状态”团队是一个由戈登和贝蒂?摩尔基金会资助的项目。该基金会还为其他数个类似领域的团队提供了研发资金,旨在帮助医院改善重症护理的效果。受资助的其他团队包括位于巴尔的摩的约翰·霍普金斯大学医学院,他们正在通过对当前的患者数据与历史数据相对比,进行快速分析和诊断,从而提高重症加护病房的效能。约翰·霍普金斯大学医学院患者安全和质量部的高级副总裁Peter Pronovost表示,重症加护病房中的医疗设备不能互联,使得医生和护士不得不从各个医疗设备中拼凑出患者数据,这不仅浪费人力物力,还有可能会将患者置于危险境地。
“我们需要一种能将病历数据与设备相连的软件,以预测可能危害到患者的风险,并根据风险推荐相应的治疗方法,显示出治疗方法是否已经实施,然后监控患者的情况,”Pronovost博士如是说。
建立连接
约翰·霍普金斯大学指派了一位应用物理实验室专家来帮助它设计一个名叫“浮现项目”的系统,以此获取来自电子记录和床头传感器的数据,并显示个别患者是否应该接受治疗,以及防治相关并发症的治疗方法。
Alan Ravitz是该项目的工程师主管。他介绍到,项目团队先向重症加护病房的工作人员仔细询问了其最需要的信息,以及信息应当如何显示。护士Rhonda Wyskiel建议显示界面设计成表盘状,这也成为了病房中“危害显示器”和护理人员平板电脑设备的基础设计。显示器能提醒工作人员何时应给予患者一定的护理,在工作人员没有按时提供护理时用处尤为巨大。其界面为七色表盘,红色表示迫在眉睫的危险,黄色为发展中的问题,绿色则为已经完成的任务。
显示器中安装的其中一个传感器能持续标记患者的病床角度。研究表明,当重症加护病房的病床保持在30度角时,可以预防患者因呼吸机罹患肺炎。因此,如果护士在改变了病床角度后忘记将其重新调回到30度,显示器的该部分则会变为红色。此外,显示器中的其他传感器还包括一个可以挂接到静脉注射杆的装置,可以测量出患者行走的距离。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25