Мы используем технологию cookie для понимания того, как вы пользуетесь нашим сайтом. Под этим подразумевается персонализированный контент и реклама. Для того, чтобы узнать больше - нажмите сюда. Пользуясь данным сайтом вы подтверждаете согласие с нашей политикой. Политика cookie.
Разделы Партнеры Информация LinkXpress
Вход
Реклама на сайте
Ampronix,  Inc

Подход, ориентированный на данные, предсказывает ежедневный риск C.difficile-ассоциированных инфекций

Редакция HospiMedica - Россия
Опубликовано 19 Apr 2018
Print article
Новое исследование показывает, что машинное обучение может помочь идентифицировать пациентов с риском CDI (фото любезно предоставлено Shutterstock).
Новое исследование показывает, что машинное обучение может помочь идентифицировать пациентов с риском CDI (фото любезно предоставлено Shutterstock).
Новый алгоритм машинного обучения может оценить ежедневный риск развития у пациента Clostridium difficile-ассоциированной инфекции (CDI) на основе данных электронных медицинских карт (ЭМК).

Исследователи из Центральной больницы штата Массачусетс (Massachusetts General Hospital; MGH, Бостон, США), Массачусетского технологического института (Massachusetts Institute of Technology - MIT; Кембридж, штат Массачусетс, США) и других учреждений провели исследование, в котором использовались данные ЭМК 115 958 взрослых, поступивших в MGH и систему здравоохранения Университета штата Мичиган (University of Michigan Health System - UM; Энн Арбор, штат Мичиган, США), чтобы разработать обобщаемый алгоритм машинного обучения, который может идентифицировать модели стратификации больничного риска.

Для этого исследователи извлекли демографические данные о пациентах, данные о поступлении, историю болезни и ежедневные данные о госпитализации. Затем был разработан процесс машинного обучения, чтобы помочь предсказать риск развития у пациента CDI путем многократного анализа данных. В процессе машинного обучения были извлечены функции, которые могли бы указывать на констелляции симптомов, обстоятельств и подробностей истории болезни, которые с большей вероятностью могли привести к CDI в любой момент пребывания в больнице. Алгоритм идентифицировал в общей сложности 2,964 и 4,739 характерных особенностей в моделях MGH и UM соответственно.

Модели MGH и UM идентифицировали различные наборы характерных особенностей, которые могли бы предсказать относительную важность факторов риска, которые значительно различались в больницах. В частности, внутрибольничные помещения появились в списке самых высоких факторов риска в одной больнице, а ряде защитных факторов - в другой. В среднем обе модели смогли предсказать CDI за пять дней до клинического диагноза, используя модели стратификации риска, адаптированные к системе ЭМК учреждения и популяции пациентов. Исследование было представлено на ежегодном совещании IDWeek, которое проводилось в октябре 2017 года в Сан-Диего (штат Калифорния, США).

"Записи содержат более 4000 различных переменных. У нас есть данные, относящиеся ко всему: от лабораторных результатов до того, на какой койке находятся пациенты, кто находится на соседней койке и заражены ли они. Мы включили все лекарства, лабораторные анализы и диагнозы. Данные извлекались ежедневно, — сообщила старший автор Дженна Винс (Jenna Wiens), доктор философии из Мичиганского университета. — Вы можете себе представить, что когда пациент перемещается по больнице, риск со временем меняется, и мы хотели это тоже отметить".

CDI является серьезной болезнью, вызванной инфекцией внутренней выстилки толстой кишки бактериями C. difficile, и обычно развивается после использования антибиотиков широкого спектра действия, которые нарушают нормальную кишечную флору, что позволяет бактериям беспрепятственно распространяться. Риск CDI особенно высок у пациентов в возрасте 65 лет и старше, а рецидив заболевания происходит у 25% пациентов в течение 30 дней после первоначального лечения. Это ведущая причина нозокомиальной диареи в промышленно развитых странах.

Ссылки по теме:
Центральная больница штата Массачусетс
Массачусетский технологический институт
Система здравоохранения Университета штата Мичиган



Print article

Каналы

Интенсивная терапия

посмотреть канал
AIIR в городской больнице Тайбэя (фото любезно предоставлено Reuters/Corbis).

Высокое отрицательное давление ограничивает распространение в воздухе загрязняющих веществ

Согласно новому исследованию, высокое отрицательное давление в больничных изоляторах эффективно ограничивает распространение... Читать дальше

Хирургия

посмотреть канал
В новом исследовании предполагается, что тонзиллэктомия может быть излишней процедурой (фото любезно предоставлено 123rf).

Исследования показывают, что проведение подавляющего большинства тонзиллэктомий является безосновательным

Новое исследование показывает, что семь из каждых восьми детей, у которых удалены миндалины, пользу от этой процедуры получат... Читать дальше

Женское здоровье

посмотреть канал
Силиконовый и солевой грудные имплантаты (фото предоставлено Science Photo Library).

Силиконовые грудные имплантаты имеют связь с редкими заболеваниями

Новое исследование показывает, что силиконовые имплантаты связаны с редкими заболеваниями, аутоиммунными нарушениями и другими... Читать дальше

Уход за пациентами

посмотреть канал
Исследования показывают, что пациенты регулярно скрывают информацию о своем здоровье от врачей (фото любезно предоставлено Getty Images).

Пациенты имеют тенденцию скрывать информацию о своем здоровье от врачей

Новое исследование показывает, что пациенты нередко скрывают от своих врачей соответствующую медицинскую информацию, что... Читать дальше

Новости больниц

посмотреть канал
Система NFER позволяет исследователям отслеживать движения медсестер в реальном времени (фото любезно предоставлено Юнг Хиуп Кимом (Jung Hyup Kim) из Университета Миссури).

Система отслеживания медсестер может улучшить рабочий процесс в больницах

Инновационная система использует комбинацию наблюдения в ручном режиме и неинтрузивных датчиков слежения для наблюдения в... Читать дальше

Бизнес

посмотреть канал
Ожидается, что к 2025 году ИИ в сфере здравоохранения сможет достичь экономии в размере 150 миллиардов долларов США (фото любезно предоставлено Shutterstock).

Искусственный интеллект сэкономит индустрии здравоохранения более 150 млрд долларов США к 2025 году

Решения, основанные на искусственном интеллекте (ИИ), характеризуются реальными преимуществами, такими как автоматическое... Читать дальше
Copyright © 2000-2019 Globetech Media. All rights reserved.