重症医学的质控和大数据.pptVIP

中国卫生信息与医疗健康大数据学会重症分会、 标准委员会成立 2019年1月11日，经学会批准，中国卫生信息与医疗健康大数据学会 重症分会、标准委员会暨首届中国重症大数据与人工智能学术大会筹备会 在北京隆重召开。 隆云主任指出重症医学临床实践中充满了大量的数据，他认为：数据即 临床客观存在的原始符号，现象则是临床表现。临床诊疗过程的关键是 能否正确理解数据与现象见的关系。而这也是重症大数据最重要的基础。 什么是大数据 如果抛开拗口的定义，这样一个段子更能说明大数据的作用： “尊敬的用户您好，您于20时购买了一张建业影院的《美丽人生》电影票。 我们于刚才售出您邻座的票，是一个女生。她的电话号码是 根据她的购票记录来看，她近半年都是单身，她观看的电影类型和您的匹配 度为85%。她表示愿意和您交个朋友，请您及时联系她。” 对于大数据来说，有两点比较关键，一是数据，即数据的获取与生成； 二是对数据的分析与应用 。 大数据在重症医学中应用现状 1、非结构化数据的应用：病程记录、护理记录、诊断报告等叙述数据的分析。 2、波形数据的应用：心电图、有创血压、脑电图等。已经可以通过脉搏轮廓 估计新排量、使用光学体积描记术据检测血容量不足。 3、图像分析应用：在ICU中缺少可以准确及时分析影像检查的专家，故此类 技术对ICU意义重大。 大数据在脓毒症中的应用 更早、更准确的预警脓毒症的发生 以大数据为基础建立的预警模型预测脓毒症的发生比临床医师经验性识别更早。 Desautels 4等使用了1种以生命体征、脉搏血氧饱和度、格拉斯哥昏迷评分( Glasgow coma scale，GCS)和年龄建立的预警模型，在脓毒症发生前4小时显示了中等的预测能 力(ROC曲线下面积为0.74)。 Nemati等将机器学习工具嵌入到电子病例中，实现了通过电子病案数据和实时监测的生命体征数值在临床医师识别前4～12小时准确预测ICU患者脓毒症的发生(ROC曲线下面积为0.83～0.85)。 以大数据为基础建立的预警模型判断脓毒症 的发生更准确 Desautels等根据脓毒症3.0定义进行回顾性分析，建立患者脓毒症预警模型 Insight， 并将结果与SOFA、QSOFA、MEWS、简化急性生理评分Ⅱ进行比较。结果显示 Insight在患者发生脓毒症时的判断准确性(ROC曲线下面积为0.88)高于SRS的0.609和 QSOFA的0.72，与MEWS的0.803相接近。 未来1～4小时脓毒症发生的预测结果与之前的判断结果相接近。即便出现随机数据 丢失， Insight预警模型仍能很好地预测脓毒症的发生。 更佳的脓毒症早期液体复苏策略 静脉输液和血管活性药物的使用是早期液体复苏面临的挑战。 根据大数据建立的人工智能(AI)医师推荐使用更低剂量的静脉液体和更高剂量的升压药，临床结果显示这种治疗策略疗效更好。 研究发现，与给予临床医师治疗剂量的患者相比，遵循AI医师治疗策略补液和调整升压药物剂量的患者，平均动脉压(MAP)更平稳，休克持续时间也相应缩短。 接受静脉输液和血管活性药物的剂量与AI医师推荐剂量相似的患者，病死率最低。 更准确地评估脓毒症的预后 基于大数据的人工智能评分可以提高对病死率预测的特异性和敏感性。目前，常用的评分包括SAFSⅡ、SOFA、MEWS评分被用于评估脓毒症患者的疾病严重程度和死亡风险，但其在临床中的特异性和敏感性均不高，而且给医师带来了巨大的工作量。 Calvert等开发了 Auto Triage算法，该算法预测12小时病死率的ROC曲线下面积为0.88(95％C7086～0.88)。相比之下，在同一数据集上的MEWS、SAPSⅡ和SOFA预测结果的ROC曲线下面积分别为0.75、0.71和0.72。该算法能够更准确地预测脓毒症患者12小时病死率，为临床医师及时进行医疗干预或管理提供了更多可能。 重症医学智能质控架构 重症专病数据库 （中国） HIS EMR LIS 质控 临床 科研 强化质控管理 临床决策支持 支持科研发展 重症系统信息系统 大规模的结构化数据与数据集成系统是重症质控的基础 智能化重症质控管理 收治人数实时统计 床日数动态累计计算 非计划收入ICU 入科登记 APACHEII评分 预计病死率 标化病死指数 入科评估 深静脉血栓预防监测 气管导管规范与管理 深静脉导管规范与管理 导尿管规范与管理 临床照护 病原学送检时间 抗菌药物监测 抗菌药物启用时间 抗菌药物结束时间 诊疗监测 VAP 预防、筛查、诊断、监测 专科疾病路径 全科实时危险因子预警 三甲质控报表 专科疾病流行病学