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
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09