یک تصمیم گیری بالینی سیستم برای پیش بینی بیمار تروما نتیجه

محققان چینی از تروما مرکز شهر پکن دانشگاه مردم را در بیمارستان و موسسه ملی بهداشت علوم اطلاعات دانشگاه پکن با استفاده از داده های بزرگ برای کمک به شناسایی بیماران دچار ترومای که می تواند تجربه نامطلوب بهداشت و درمان حوادث در اورژانس از طریق کمک یک سیستم پشتیبانی تصمیم گیری بالینی. آن را با استفاده از یک رمان دنیای واقعی شواهد معدن و مبتنی بر شواهد استنتاج روش رانده شده توسط بهبود ذخیره سازی اطلاعات و سوابق پزشکی الکترونیکی.

محققان با انتشار نتایج خود را آنلاین در تاریخ 7 فوریه در معاملات IEEE در سیستم و فیزیولوژی: سیستم های, مجله موسسه مهندسین برق و الکترونیک. این اولین بار است که سیستم های پشتیبانی تصمیم گیری بالینی توسعه یافته با استفاده از شواهد و استدلال در بخش اورژانس تنظیم.

"استفاده مناسب از فن آوری اطلاعات به ویژه از پشتیبانی تصمیم گیری بالینی سیستم ممکن است کمک به پزشکان برای اینکه بهتر تصمیم گیری بالینی و کاهش میزان خطاهای پزشکی گفت:" نویسنده مسئول Baoguo جیانگ مدیر در theTrauma مرکز شهر پکن دانشگاه مردم در بیمارستان. "با خواندن داده های بالینی از بیمار همراه با موجود داده های تاریخی ما پیشنهاد بالینی پشتیبانی تصمیم گیری سیستم خروجی پیش بینی شده اعتقاد درجه از ضربه شدید از جمله بستری و در بیمارستان با مرگ."

"بالینی متغیر علائم و نشانه ها ممکن است مرتبط و منجر به پيامدهای بالينی. برای مثال یک بیمار ممکن است سطح پایین آگاهی به دلیل محل آسیب و یا ممکن است مربوط به درجه حرارت بدن بالا". در حال توسعه خود را از پشتیبانی تصمیم گیری بالینی سیستم اول نویسنده دکتر گيلان کنگ با استفاده از یک تروما مجموعه از بخش اورژانس در Kailuan بیمارستان در چین یک بیمارستان که نزدیک همکاری تحقیقاتی با تروما مرکز شهر پکن دانشگاه مردم در بیمارستان. از طریق دیتاست محققان اطلاعات به دست آمده از 1,299 بيماران ترومايی. درجه وابستگی متقابل بین علائم بالینی و نشانه ها را می توان محاسبه شده از تاریخی اطلاعات بیمار است. در این پیشنهاد از پشتیبانی تصمیم گیری بالینی سیستم اورژانس پزشک تامین اطلاعات در مورد بیمار از جمله فشار خون و ضربان قلب و تنفس میزان آگاهی و سطح درجه حرارت بدن و سن و بیماریهای همراه ساز و محل آسیب است. این علائم بالینی و نشانه هستند و سپس پردازش با استفاده از یک مدرکی استدلال حکومت است که مقایسه هر قطعه در برابر شواهد استخراج از دنیای واقعی داده ها برای پیش بینی احتمال عوارض جانبی و بهینه مدیریت تروما بیماران و کمک به آنها در رسیدن به ایده آل نتایج تروما در بيماران با احتمال بالا بودن بستری در واحد مراقبت های ویژه و یا در حال مرگ در بیمارستان نیاز به شناسایی به سرعت و با دقت به محض ورود خود را در یک بیمارستان است.

این تیم دریافتند که نه تنها مدل خود را اثبات مفید باشد به خصوص در موارد قبل بدون دانش تخصصی یا تجارب بالینی, اما این سیستم پشتیبانی تصمیم گیری بالینی نیز برای دقیق تر شناسایی تروما در بيماران مبتلا به عوارض جانبی در مقایسه با دیگر سیستم های سنتی یادگیری ماشین مدل. بعلاوه بالینی پشتیبانی تصمیم گیری سیستم کار می کند در زمان واقعی مد. از یک پزشک ورودی از اطلاعات بیمار را به تولید مناسب توصیه های این سیستم کار می کند و تقریبا بدون هر گونه تاخیر که به نوبه خود کمک می کند تا خرید بيماران ترومايی در وقت با ارزش.

بعدی محققان قصد finetune سیستم خود و تعمیم آن برای استفاده در سایر رشته های بالینی و غیر اورژانس بخش تنظیمات.

###

عوامل دیگر عبارتند از: استاد Tianbing وانگ که همسو با تروما مرکز شهر پکن دانشگاه مردم را در بیمارستان و دنگلینگ زو و Jianbo یانگ که وابسته به تصمیم و علوم شناختی مرکز تحقیقات از دانشگاه منچستر.

این کار حمایت می شد در بخش های ملی و طبیعی علوم پایه دانشگاه پکن در چین و ملی علوم طبیعی پایه-ژجیانگ مشترک صندوق برای ادغام صنعتی و Informatization.

چین مرکز ملی تروما پزشکی تنها ملی استاندارد درمان و آموزش مرکز ترومای شدید تایید شده توسط ملی چین کمیسیون بهداشت در سپتامبر سال 2019 است که عمدتا با حمایت دانشگاه پکن مردم در بیمارستان. مرکز توسعه چین برای اولین بار حرفه ای درمان استاندارد برای ضربه شدید. همچنین ایجاد یک حلقه بسته منطقه ای و تروما سیستم درمان با بیمارستان عمومی به عنوان هسته اصلی سیستم است که به نام مدل چینی استاندارد ضربه شدید سیستم درمان توسط متخصصان در رشته تحصیلی.

سلب مسئولیت: AAAS و EurekAlert! مسئول صحت اخبار منتشر شده به EurekAlert! با کمک موسسات و یا برای استفاده از هر گونه اطلاعات از طریق EurekAlert سیستم.