
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
数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22