{{{sourceTextContent.title}}}

Frühwarnungen zeigen einen frühen Fortschritt im Gebrauch Analytics, Gesundheitspflege zu verbessern

{{{sourceTextContent.subTitle}}}

Frühwarnungsysteme? wie das populäre geänderte Frühwarnung-System (MEWS), verwendete in vielen Krankenhäusern? Form eine von der ersten bewegt in den Ozean von analytics wellenartig, das wir uns über unserem Gesundheitssystem waschen müssen.

{{{sourceTextContent.description}}}

Schließlich integriert Gesundheitspflege elegant Gerätenausgang, elektronische geduldige Aufzeichnungen, Forschungsentdeckungen, Software-Algorithmen und? ja lassen Sie uns nicht vergessen? der Kliniker? s-Sachkenntnis in einer fristgerechten Intervention in geduldige Sorgfalt. Weil Frühwarnungsysteme fälliger als viele des analytics sind, das Forscher z.Z. ausprobieren, es? s nützlich, Fortschritte in der Frühwarnung zu betrachten, Tendenzen zu sehen, die den Rest von Gesundheitspflege außerdem fördern können.

Ich sprach diese Woche mit Susan Niemeier, leitender Krankenpflege-Beamter bei CapsuleTech, ein Versorger der Gerätenintegrationslösungen. Sie verkaufen (unter anderem) einen mobilen klinischen Computer des Kopfendes, der das Neuron genannt wird, das zu den lebenswichtigen Zeichen des elektronischen Krankenblatts von den medizinischen Geräten sammelt, anzeigt und sendet: Temperatur, Impuls, Atmung, pulsieren oximetry, und so weiter. Eine neue Verbesserung, die das Frühwarnung-Auswertungsverfahren (EWSS) genannt wird fügt ein Extraniveau von analytics hinzu, das, entsprechend Niemeier, subtile Zeichen der geduldigen Verschlechterung lange vor einem kritischen Ereignis identifizierenen kann. Es? s-Teil der Kapsel? s-überbiegendes Ziel, zum der Krankenhäuser zu ermöglichen, mehr mit der enormen Menge der Daten zu tun erzeugt durch Vorrichtungen.

Für mehr als 18 Jahre erbrachte CapsuleTech Kopfende-Gerätenzusammenhangprodukte und -dienstleistungen, die geduldige lebenswichtige Zeichen gefangennahmen und diese Daten zum Krankenhaus EMR mitteilten. Diese Funktionalität zu den Leuten so rudimentär auch aussehen kann, die automatisierte Systeme in anderen Industrien verwenden, war es begrüßt Fortschritt für Krankenschwestern und Doktoren in den Krankenhäusern. Früher entsprechend Niemeier, würden Krankenschwestern unten auf einem Schrott des Papiers oder der Serviette die lebenswichtigen Zeichen kritzeln, die sie auf die Monitoren sahen. Es konnte einige Stunden sein, bevor sie diese in die Aufzeichnung betreten konnten? und Lose konnten in diese Zeit falsch gehen. Außerdem war die Aufzeichnung ein einfacher Behälter, ohne Software, Tendenzen beobachtend oder Zusammenfassungen zeichnend.

So zusätzlich zum Entlasten der Krankenschwester von Verwaltungsarbeit (zusammen mit wahrscheinlichen Störungen, die sie zur Folge hat) und zur Vergrößerung des Arbeitsflusses, könnte das Neuron die reflektierten lebenswichtigen Zeichen der Aufzeichnung sicherstellen sofort. Jetzt nimmt das Neuron eine sogar wichtige Aufgabe wahr: es kann eine Art klinische Unterstützung laufen lassen, um von den Patienten zu warnen, deren Bedingungen verschlechtern.

Die Anwendung des Neurons EWSS weist eine numerische Kerbe jedem Parameter des lebenswichtigen Zeichens zu. Die GesamtFrühwarnungkerbe wird dann auf der Grundlage von den eingeführten Algorithmus berechnet. Das höher die Kerbe, das größer die Wahrscheinlichkeit der Verschlechterung. Die Kerbe wird auf dem Neuron zusammen mit verklagbaren Schritten für sofortig Intervention angezeigt. Diese konnten mehr Überwachung oder sogar die schnelle Wartemannschaft sofort anrufen mit einschließen.

Der Software-Algorithmus wird in einem sicheren Führungsinstrument zusammengebaut, das durch ein web browser zugänglich ist und geschickt drahtlos zum Neuron zu einer zeitlich geplanten Zeit. Das Führungsinstrument ist das Kennwort, das durch ein ausgebildetes designee am Krankenhaus geschützt wird und ausgeübt ist und lässt größere Flexibilität und kompletten Besitz der Lösung zu.

Natürlich ist der Schlüssel zur Herstellung dieses einfachen Systems wirkungsvoll, den rechten Algorithmus für die Kombination der lebenswichtigen Zeichen zu wählen. Das Vereinigte Königreich ist heraus in der Frontseite in diesem Bereich. Vor sie entwickelten eine Vielzahl von Algorithmen Ende der Neunzigerjahre, während US-Krankenhäuser, anfingen so nur 5 Jahren zu tun. Die US können die BRITISCHEN Algorithmen nicht einfach annehmen, obwohl, weil unser Sorgfaltanlieferungs- und -krankenpflegemodell unterschiedlich ist. Außerdem hat jedes Krankenhaus unterschiedliche geduldige Demographie, Prioritäten und Praxis.

Einerseits entsprechend Niemeier, verschiedene Algorithmen verschiedenen Patienten (junge Schußopfer gegen ältere Herzpatienten, zum Beispiel) würde zuzuweisen unpraktisch sein, weil mobile Neuroncomputer über der gesamten Krankenhausanlage benutzt werden. Wenn Sie einen Algorithmus für ein geduldiges demographisches abstimmen, konnte eine Krankenschwester es auf einer anderen Art Patient unbeabsichtigt verwenden, während der Computer von Maßeinheit zu Maßeinheit sich bewegt. Verbessern Sie dann um einen einzelnen Algorithmus zu verursachen, der sein Bestes tut, um den durchschnittlichen Patienten zu reflektieren. Der Algorithmus sollte lebenswichtige Zeichen und Beobachtungen, die durchweg, gesammelt werden, nicht Vitals verwenden, der stoßweise gemessen und dokumentiert werden.

Außerdem können Algorithmen im Laufe der Zeit abgestimmt werden. Nicht nur entwickeln geduldige Bevölkerungen, aber Krankenhäuser können von den Daten erlernen, die sie sammeln. CapsuleTech rät einem zurückblickenden Diagrammbericht der schnellen Warteereignisse vor dem Vorwählen eines Algorithmus. Welche lebenswichtigen Zeichen hatte der Patient während der acht Stunden vor dem dringenden Ereignis? Wenden Sie zurückblickend das EWSS an den lebenswichtigen Zeichen, den rechten Algorithmus und die Tendenzen in diesen Daten festzustellen, Verschlechterung früh zu erkennen an.

Ohne Hilfe wie das Frühwarnung-Auswertungsverfahren, müssen schnelle Wartemannschaften angerufen werden, wenn eine freie Krise auftaucht, oder wenn eine Krankenschwester? s-Intuition schlägt vor, dass sie erforderlich sind. Jetzt kann die Krankenschwester seine Intuition gegen die Zahl überprüfen, die durch das System erzeugt wird.

Ich denke, dass Kliniker zum Wert von analytics in den Frühwarnungsystemen geöffnet sind, weil sie drastisch Wahrscheinlichkeiten für die Vermeidung des Unfalles erhöhen (und der resultierenden Unkosten). Die Erfolge in den Frühwarnungsystemen geben uns einen Blick von, was Daten für weltlichereaspekte der Gesundheitspflege außerdem tun können. Natürlich nimmt wirkungsvoller Gebrauch von Daten viel mehr Forschung: wir müssen die besten Weisen kennen, die Daten zu sammeln, welche Standards uns erlauben, ihn anzuhäufen und schließlich, was die Daten erklären können uns. Fortschritte in dieser Forschung, zusammen mit reichen neuen Datenquellen, können Informationen in der Mitte von Medizin setzen.