
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
MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05