研究人员开发了可以提高护理水平的数据工具

匹兹堡，2021年2月8日-在先进机器学习的帮助下，来自UPMC和匹兹堡大学医学院的研究人员证明，他们开发的工具可以快速预测面临医院转诊的患者的死亡率问题，以获得更高的灵敏度和清晰度。这项研究今天发表在《PLOS一号》上，可以帮助医生、患者及其家属避免不必要的医院转院和低价值治疗，更加关注患者表达的护理目标。

每年有近160万名患者(占住院患者总数的3.5%)从一家医院转到另一家医院，接受复杂情况下的专门护理。医学博士丹尼尔霍尔(Daniel E. Hall)说：“然而，获得这些服务通常需要大量的旅行，并减少了社区对患者及其家人的支持。虽然一些患者可能会从急性疾病中康复，但许多其他患者也从改善预后中受益匪浅。”该研究的作者，UPMC沃尔夫中心高危人群和结局医学主任，皮特医学院外科副教授。

为了解决目前依赖于床边临床医生临时判断的患者护理协调差距，Hall和他的团队开发了一种实时工具，可以预测患者转到医院时的死亡率并提供这些结果，该工具可以在不到五分钟的时间内到达医生手中。

研究人员利用18个月内被转移到UPMC医院的近2.1万名18岁及以上患者的数据，开发并验证了一种名为“安全网”(安全的非紧急紧急转移)的死亡风险评估工具。在研究了目前在医院重症监护室和入院环境中使用的其他死亡风险模型后，霍尔和他的团队为这些模型构建了一个或多个包含70个独立变量的列表，包括患者人口统计学、生命体征、实验室检测和其他因素。

然后，他们分析了UPMC的账单数据和住院患者的电子健康记录，以确定接收医院是否记录了这些变量，并只关注转移后三小时内可用的变量。因此，该列表占了70个变量中的54个。通过在数据训练和测试集中使用引导式机器学习，该团队最终开发了他们的SafeNET算法，该算法由14个变量组成，能够可靠、快速地预测转移性患者的住院死亡率、30天死亡率和90天死亡率。他们还将SafeNET的预测能力与另一种用于感染患者的工具进行了比较——发现SafeNET算法更准确，可以用于更广泛的患者群体。

霍尔说：“我们的主要目标是为一线医生提供急需的信息，以触发和告知关于高风险患者的共同决定。”“这个工具可以帮助为这些患者分配更多的资源，以确保护理计划与患者的价值观和目标保持一致。通常情况下，转院患者及其家属并不知道自己所面临疾病的严重程度，对转院到更高护理级别将产生的结果抱有不切实际的期望。"

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！