广告

约翰斯·霍普金斯(Johns Hopkins)开发电子分诊工具以更好地确定ED患者的优先级

算法基于系统工程方法和高级机器学习方法来预测患者结果。

约翰·霍普金斯大学的研究人员开发了一种电子分诊工具,可以帮助急诊科更快,更准确地确定危重病患者并指定优先治疗级别。

电子分类工具 通过利用基于系统工程方法的算法和高级机器学习来识别预测数据与患者结果之间的关系,该算法在医疗保健以外的行业(例如国防,金融和交通运输)更常用。

“基于机器的学习充分利用了电子健康记录,并且可以实现以前无法实现的精确结果,”约翰霍普金斯大学医学院急诊医学系主任兼急诊医学教授Gabor Kelen医学博士说。 “利用机器学习的决策辅助工具也可以高度定制,以满足急诊科患者人数和当地医疗保健提供系统的需求。”

广告

另请参阅 : ED访问HIE数据可提高效率和质量

在分诊过程中,急诊科通常使用一种称为紧急程度指数(ESI)的主观评估来为最重病的患者从1级到最病的患者分配5级得分。

但是,在一项对近173,000例ED访视的多站点回顾性研究中, 已发表 在里面 急诊医学纪事-嵌入EHR的工具与ESI相比,对患者结局的识别总体上相同或更好,并且对ESI 3级患者的分类更为准确。

文章总结道:“ E-triage展示了将高级预测分析应用于大规模电子健康记录数据的机会,以支持分类诊断决策并改善急诊室的患者风险管理。”

根据约翰·霍普金斯大学医学院急诊医学副教授斯科特·莱文(Scott Levin)的说法,在经过ESI 3级分诊的超过65%的就诊中,该工具确定了ESI 3级患者的大约10%或超过14,000人-谁可能从更关键的优先级别中受益。这些患者发生严重后果(例如死亡,入ICU或急诊手术)的可能性至少高五倍,而入院的可能性则高出两倍。

莱文说:“当病人进来并收集病人的信息时,电子分类系统工具会将该病人与其他数百名类似的病人进行比较,以预测病人的结果。”

此外,他指出,该工具能够增加处于较低优先级(例如4级或5级)的患者数量,以帮助减少等待和过度使用稀缺资源的低敏患者的数量。他认为,这项技术有潜力帮助解决全国各地ED危机。

Levin补充说:“我们已经部署了该工具,并且已经使用了九个月,”他说电子分类系统与Johns Hopkins的Epic EHR系统链接。 “我们提取患者的生命体征,主要主诉信息及其所有先前的病史,然后通过机器学习算法加以利用,该算法可预测患者的死亡可能性,被送往重症监护室并采取某种紧急程序以及入院的可能性。”

目前,内部开发的电子分诊工具已在约翰霍普金斯医学的成员医院约翰霍普金斯医院和霍华德县综合医院使用,并且正在扩展到卫生系统的其余部分。但是莱文认为该技术已经商业化,可以被其他医疗机构实施。

“我们正在对该工具进行某种程度的重构,以便可以轻松地将其插入其他医院的电子病历中。”作为联合创始人,持有约翰·霍普金斯公司(ShoCaskin LLC)的合伙人莱文总结道。工具。

根据StoCastic和约翰霍普金斯大学之间的许可协议,Kelen和Levin有权获得由研究报告中描述的技术的专利使用费,该研究由医疗保健研究与质量局和国家科学基金会资助。

分享

信息管理的更多内容