CN115579107A - 一种基于围手术期医护最优行为的智能辅助决策模型 - Google Patents
一种基于围手术期医护最优行为的智能辅助决策模型 Download PDFInfo
- Publication number
- CN115579107A CN115579107A CN202211147503.2A CN202211147503A CN115579107A CN 115579107 A CN115579107 A CN 115579107A CN 202211147503 A CN202211147503 A CN 202211147503A CN 115579107 A CN115579107 A CN 115579107A
- Authority
- CN
- China
- Prior art keywords
- patient
- perioperative
- indexes
- treatment
- medical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Urology & Nephrology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及用于计算机辅助决策的医疗专家系统领域,具体为一种基于围手术期医护最优行为的智能辅助决策模型。本发明涉及一种基于围手术期医护最优行为的智能辅助决策模型、方法及装置。根据患者的手术编码、名称,通过人工智能大数据技术,打造覆盖围手术期术前、术中、术后全诊疗过程,贯穿外科医生、护士、麻醉医生、ICU医生的最优化个体化的辅助决策系统。以患者健康为中心,基于围手术期医疗行为数据,构建围手术期智能预警、医疗辅助决策工具。对患者围手术期相关禁忌、合并症、并发症、不良事件动态预警和提示个性化诊疗方案、ERAS路径推荐等。
Description
技术领域
本发明涉及用于计算机辅助决策的医疗专家系统领域,具体为一种基于围手术期医护最优行为的智能辅助决策模型。
背景技术
手术是医院医疗质量管理的重要环节,以某院为例,2021年出院人次13.30万,住院手术人次8.33万,手术患者占比高达62.63%。
传统上,多数医疗机构会使用临床路径进行医疗管理。临床路径是基于某些病种、手术制定的标准化的的诊疗计划,有着严格的诊疗操作顺序和时间节点要求。其主要目的在于合理控制住院时间、合理控制费用、促进医院服务流程更优化、加快医院信息化进程、规范诊疗行为、保障医疗质量等。
但是,临床路径忽略了患者的个体差异,在使用中存在诊疗僵化、变异较多等问题。
关于围手术期医学诊疗规范工具,国内外已发展并形成多种围手术期风险评估、合并症评估工具、并发症管理工具,这些工具适用人群不同,依据人群不同选择不同的评估工具,尽管如此,院内围手术期患者诊治管理不当还是经常发生。其主要原因是以往的评估提示工具、系统往往与最佳提示场景不相符合,现有的很多电子评估系统,其触发场景与临床实际需要不符,例如手术室内的手术麻醉系统(AIMS)中进行提示录入患者的术前评估内容,而实际的最佳提示干预时机往往是患者在病房中的手术准备阶段。其次,传统的评估工具也无法根据患者个体化的综合病情推荐相应个体化的评估、提示,对于纸质的评估表单,只能全量打印供医护人员逐一填写,效率低下且繁琐,医护人员形成疲劳后就会疏忽、导致评估质量低下的恶性循环。
根据申请人在2020年面向围手术期(即患者确定手术至出院期间)临床路径执行的调研中发现,虽然临床路径执行意识在医护人员中基本普及,但仍遇到以下几个问题:1.入院后疏忽导致患者未纳入临床路径;2. 缺乏对患者个体的精细化评估导致路径变异未被识别;3. 非入径患者必要的诊疗措施(术前准备、术前停药等)未执行导致诊疗质量下降;4. 非入径患者缺乏相似病例参考导致诊疗不合理;5. 医务管理人员缺乏数据分析工具导致执行质量难以评估。
发明内容
为了克服现有技术的缺陷,提供一种智能化高的评价方法,本发明公开了一种基于围手术期医护最优行为的智能辅助决策模型。
本发明中所指的“模型”,是用数学语言描述的一类模型,也即一种决策方法。这种模型获得定性或定量描述系统的各个变量再通过数学工具计算获得结果,以指导相应的活动。
本发明通过如下技术方案达到发明目的:
一种基于围手术期医护最优行为的智能辅助决策模型,其特征是:按如下步骤依次实施:
一、确定围术期风险关键控制点:
基于质量控制中的“4M1E”(即人、机器、材料、方法、环境)分析思路,分析影响围手术期质量问题发生的因素,运用文献法、调查法、访谈法、客观数据分析法进行逐步推导和筛选。在国内外文献综合分析的基础基于人工智能的围手术期临床辅助支撑系统上,参考临床和护理专家意见确定基本资料的具体观察指标,并制定《病人基本信息表》,以便于资料收集工作的开展。我们使用NLP引擎对这些文本信息进行信息抽取,包括命名实体识别,关联分析和概念映射。抽取的信息全部映射至SNOMED-CT的标准术语,并赋予唯一ID。
通过统计分析的方法,对上述各个临床环节的指标按不同的临床场景(入院、术前、术中、术后)、科室、病种、进行细化分析对比,探索得到围手术风险关键控制点。
二、智能准入提醒:
针对入院后疏忽导致患者未纳入临床路径问题,提供智能准入提醒。患者进入HIS系统医生工作站后,医生确认行手术治疗并下达手术申请,系统自动识别手术申请单中术种、术前诊断,通过ICD-9-CM-3手术编码、ICD-10疾病编码,匹配合适的临床路径。同时,校验入径情况,如果已入径,进行准入提醒展示;如果未入径,对医生进行强提示,医生核对并征求患者同意后,可进行入径操作。
三、确定智能评估工具:
针对缺乏对患者个体的精细化评估导致路径变异未被识别问题,提供智能评估工具。国内外已发展并形成多种围手术期风险评估、合并症评估工具,这些工具适用人群不同,依据人群不同选择不同的评估工具,尽管如此,院内围手术期患者诊治管理不当还是经常发生。其主要原因是以往的评估提示工具、系统往往与最佳提示场景不相符合,现有的很多电子评估系统,其触发场景与临床实际需要不符,例如手术室内的手术麻醉系统(AIMS)中进行提示录入患者的术前评估内容,而实际的最佳提示干预时机往往是患者在病房中的手术准备阶段就已经完成。其次,传统的评估工具也无法根据患者个体化的综合病情推荐相应个体化的评估、提示,对于纸质的评估表单,只能全量打印供医护人员逐一填写,效率低下且繁琐,医护人员形成疲劳后就会疏忽、导致评估质量低下的恶性循环。
围手术期智能临床路径质量管控系统提供的智能化评估工具,可以设置固定时间(如每小时)或指标变化时,对标准化评估量表中指标进行自动推送、自动提取、自动转化和自动计算,直接生成分值;同时支持医院根据需求,自定义新增判断指标,护士或医生可以通过系统,对指标值进行手工补充或修改。包含手术风险评估表、麻醉ASA评分、VTE风险评估表(caprini)、外科营养评估表、患者体能状态评估表、蒙罗压力性损伤高危评估单等。
四、给出诊疗建议:
针对非入径患者必要的诊疗措施(术前准备、术前停药等)未执行导致诊疗质量下降问题,提供诊疗建议。
四.1 对围手术期常规检验检查项目遗漏提示及异常解读提供建议。辅助诊疗系统对患者术前常规检验检查项目进行识别并进行异常项目预警;对检验检查结果存在手术或麻醉禁忌提醒;对于检验检查发现的潜在慢性疾病可能进行提醒。覆盖的检验检查包括:三大常规、肝功能、肾功能、电解质、血脂、凝血功能、输血四项、心电图、肺功能、腹部超声、胸片等。
四.2 对治疗进行建议推荐。对不同手术方式进行禁忌症预警,提示医生手术患者术前风险、用药禁忌、异常检验检查指标、影响诊疗的慢性疾病等,辅助医生细化治疗方案。
四.3 对术前准备进行核查校验。常规术前准备遗漏项核查:常规手术前准备项目,如医生开立术前准备有所遗漏,系统自动提醒。需备血患者术前备血核查:备血所需各准备项目,如有遗漏,自动提醒。手术文书完整度核查:术前需完成的医疗文书的有无建立进行核查,有缺失及时提醒。
四.4 提供术后化疗管理建议。针对需要进行术后化疗的患者,动态监控患者白细胞、骨髓抑制、肝功能损伤、肾功能损伤等情况,提示医生及时进行化疗方案调整,保证患者生命健康安全。
五、给出ERAS快速康复建议:
在术前智能判断是否符合ERAS条件,对符合相应ERAS组别患者的医生推荐相应的ERAS知识;在术中智能推荐ERAS相关措施、预防性抗生素方案;在术后推荐围手术期液体质量、智能判断是否达到出院标准。
六、给出物资耗材建议:
六.1 使用耗材推荐:基于大数据,分析得到基于疾病及手术类型的耗材使用方案(如:耗材名称、规格、使用量等),为巡回护士及SPD系统提供术前耗材准备量化依据;并将分析结果形成知识库,嵌入信息系统,自动采集数据,根据每个手术患者情况推荐相应的耗材使用方案。
六.2 手术器械智能化准备:基于院内历史数据分析,分析得到基于疾病及手术类型的手术器械使用方案;并将分析结果形成知识库,嵌入信息系统,自动采集数据,根据每个手术患者情况推荐相应的手术器械使用方案。
六.3 手术室资源配置:基于院内历史数据结合机器学习建模技术得到手术室资源配置模型,辅助巡回护士精细化安排手术室资源。
七、实施监控分析:
针对医务管理人员缺乏数据分析工具导致执行质量难以评估问题,提供智能监控及分析平台。形式上,支持分析、报表、查询等功能,支持报表可导出为多种格式,支持关键指标按科室-病区-医生层级的下钻,对需要的指标可点击下钻出对应的患者列表清单。同时,支持表格、柱图、饼图、折线图、堆积图、面积图等各种常用图形展示。内容上,支持医疗质量管理角色按照科室、病区、患者查看临床路径执行情况,当医护人员未执行时,可在监控分析平台发起提醒干预。支持查看围手术期临床质量统计分析,包括:住院十八项重点手术指标、麻醉指标、手术并发症与患者安全指标、手术部位感染及压疮指标等围手术期质量监测综合指标;各类手术的感染预防用药、各类手术的切口愈合等手术预防感染指标;患者住院天数、住院费用等运营指标;
收集、综合、提炼国家政策要求的围手术相关医疗管理指标及评价方法,结合相关数据标准要求,打造具有实时性集成、数据治理、统计、分析、可视化展示的报表工具,辅助医院进行快速、多维度、多环节(按专题、科室、时间、医生细分)的围手术期医疗质量监测,便于医院分析医疗质量,体现质量改进成效,辅助医院围手术期相关医疗质量监测,提升管理水平。
八、基于互联网医院的术后随访:对接互联网医院,通过微信公众号实现患者的精准随访及患者教育内容推荐,提升患者出院后诊治依从性,促进患者康复。
所述的一种基于围手术期医护最优行为的智能辅助决策模型,其特征是:
步骤一时,具体观察内容和实验室检查指标如下:
1. 一般资料:性别、住院号、床号、年龄、体重、身高、体质量指数(body massindex,BMI)、受教育程度、诊断、活动能力、住院时长、ICU停留时间等;
2. 手术相关资料:手术名称,手术部位,手术分级、急诊择期类别、手术时长;
3. 病史信息:心脏病史、高血压史、糖尿病史、血栓史、近期(近3个月内)手术史、吸烟史、饮酒史、化疗史、过敏史、手术史等;基于病历文书的关键字段筛查(用于自然语言处理);
4. 治疗相关资料:医嘱信息(药物治疗、血液治疗、手术操作、机械预防等治疗信息)、运动、制动情况、备血情况等;
5. 实验室检查指标:包含血常规、肝肾功能、电解质、凝血功能等各细项检验;胸片、CT、MRI、心电图等检查;
6. 疾病其他相关资料:疾病治疗的费用指标、住院天数指标、并发症指标、治疗结果等。
通过统计分析的方法,对上述各个临床环节的指标按不同的临床场景(入院、术前、术中、术后)、科室、病种、进行细化分析对比,得到围手术风险关键控制点。
步骤三时,还包括智能风险评估预警,即:基于数据集成、治理、推理并与知识规则进行比对,辅助诊疗系统对患者术前常规检验检查项目进行识别并进行异常项目预警;对检验检查结果存在手术或麻醉禁忌提醒;对于术前检验检查发现的潜在慢性疾病可能进行提醒。
覆盖的检验检查包括:三大常规、肝功能、肾功能、电解质、血脂、凝血功能、输血四项、心电图、肺功能、腹部超声、胸片。基于数据治理,可以设置固定时间(如每小时)或指标变化时,对术前标准化评估量表中指标进行自动推送、自动提取、自动转化和自动计算,直接生成分值;同时支持医院根据需求,自定义新增判断指标,护士或医生可以通过系统,对指标值进行手工补充或修改。术前标准化量表包括:手术风险评估表、麻醉ASA评分、VTE风险评估表(caprini)、外科营养评估表。
步骤四还包括DRGs精准分组推荐,即:在住院过程中实时采集诊断、手术、并发症、合并症及患者基本情况,实时计算并提示DRGs分组结果。
本发明具有如下有益效果:
本发明利用人工智能技术的创新性利用,建设了一套面向围手术期医护最优行为智能辅助决策管控系统,以实现临床路径执行规范化、医疗质量指标直观化、综合管理成效评价体系化目标。具体来说:
智能化的围手术期辅助诊疗模型及辅助支持系统:
基于临床指南、专家共识,结合基于院内数据分析得到的围手术风险关键控制点的治疗措施进行分析,对各病种、不同年龄人群行大数据分析,挖掘适合不同人群的最佳的个性化治疗措施,通过医学知识图谱建立围手术期诊疗规范模型,结合实际临床数据进行诊疗建议,用于指导临床和护理诊疗。后期将该套辅助诊疗模型嵌入医院的电子病历、护理信息、手术麻醉、ICU信息系统,可以对每例需要手术的患者的进行分析,针对不同原发病、不同危重程度的围手术期患者进行最优化的评估、检查、准备、治疗方案的推荐,为每例发生围手术期的患者制定个性化的最佳诊疗方案,降低围手术期患者并发症、不良事件发生率,加速患者康复。
基于院内大数据建立的围手术行为库:
在院内历史数据的集成、标准化、归一化的基础上,提取住院手术患者,以围手术相关的诊断、合并症、术式、并发症、患者基本信息、场景、用户角色六个维度进行分析建模,得到结合患者病情与临床用户场景的精细化围手术行为库。对行为库中的各类场景进行相关统计描述,并联合医疗质量指标、运行效率指标探索各个围手术行为场景的数量及对医疗质量、运营效率的影响,即对行为进行评价得到围手术关键控制点。此方法是在借鉴了DRGs(诊断、合并症、术式、并发症、患者基本信息)的基础上,创新添加了“场景、用户”2个维度,兼具科学性与创新性,同时能更进一步精细化分析得出围手术关键控制点,此方法在国内外均具有一定创新性。
手术耗材使用方案精准推荐:
基于医院的大数据信息,通过手术耗材相关的大数据分析,为巡回护士提供术前耗材准备量化依据,并将分析结果形成知识库,嵌入信息系统,自动采集数据,根据每个手术患者情况推荐相应的耗材使用方案。该思路基于医院的耗材SPD供应链系统,引入大数据分析及知识库构建,是在目前实践基础上的进一步拓展。
基于ERAS路径结合围手术场景精准推荐:
现存的ERAS路径及围手术最佳实践路径在部分病种研究已经趋于成熟,但由于每个病种的ERAS推荐内容不同,且各个推荐的行为操作分散在围手术术前、术中、术后各个精细环节,临床实际尚未能在各个场景完全精细化、规范化推广执行。本方法集国内外公布的ERAS指南,将各个成熟的ERAS体系细化拆解,形成精细化的场景定位及相关ERAS知识内容,融入围手术期临床辅助支持系统并嵌入部署到医院医护人员工作站,在对应的场景将对应的操作推荐推送给相应的用户。这种将ERAS嵌入临床辅助决策系统(CDSS)的应用在国内外均是领先的。
基于机器学习建模技术建立手术室资源精准配置:
基于手术室智能工作站数据,补齐手术室资源配置的相关数据,通过训练机器学习模型(如遗传算法)最优化手术室资源配置;接通消毒供应数据,分析手术消毒器械使用情况,制定以疾病为中心的手术器械(如手术消毒包等)资源配置最优化方案。此方法将经典的机器学习建模方法利用到全新的应用场景下,贴合医院发展情况的同时又是国内医院运营方面为数不多的创新尝试。
附图说明
图1是本发明的流程示意图。
具体实施方式
以下通过具体实施例进一步说明本发明。
实施例1
一种基于围手术期医护最优行为的智能辅助决策模型,如图1所示:按如下步骤依次实施:
一种基于围手术期医护最优行为的智能辅助决策模型,其特征是:按如下步骤依次实施:
一、确定围术期风险关键控制点:
基于质量控制中的“4M1E”(即人、机器、材料、方法、环境)分析思路,分析影响围手术期质量问题发生的因素,运用文献法、调查法、访谈法、客观数据分析法进行逐步推导和筛选。在国内外文献综合分析的基础基于人工智能的围手术期临床辅助支撑系统上,参考临床和护理专家意见确定基本资料的具体观察指标,并制定《病人基本信息表》,以便于资料收集工作的开展。我们使用NLP引擎对这些文本信息进行信息抽取,包括命名实体识别,关联分析和概念映射。抽取的信息全部映射至SNOMED-CT的标准术语,并赋予唯一ID。
通过统计分析的方法,对上述各个临床环节的指标按不同的临床场景(入院、术前、术中、术后)、科室、病种、进行细化分析对比,探索得到围手术风险关键控制点。
本实施例中,具体观察内容和实验室检查指标如下:
1. 一般资料:性别、住院号、床号、年龄、体重、身高、体质量指数(body massindex,BMI)、受教育程度、诊断、活动能力、住院时长、ICU停留时间等;
2. 手术相关资料:手术名称,手术部位,手术分级、急诊择期类别、手术时长;
3. 病史信息:心脏病史、高血压史、糖尿病史、血栓史、近期(近3个月内)手术史、吸烟史、饮酒史、化疗史、过敏史、手术史等;基于病历文书的关键字段筛查(用于自然语言处理);
4. 治疗相关资料:医嘱信息(药物治疗、血液治疗、手术操作、机械预防等治疗信息)、运动、制动情况、备血情况等;
5. 实验室检查指标:包含血常规、肝肾功能、电解质、凝血功能等各细项检验;胸片、CT、MRI、心电图等检查;
6. 疾病其他相关资料:疾病治疗的费用指标、住院天数指标、并发症指标、治疗结果等。
通过统计分析的方法,对上述各个临床环节的指标按不同的临床场景(入院、术前、术中、术后)、科室、病种、进行细化分析对比,得到围手术风险关键控制点。
二、智能准入提醒:
针对入院后疏忽导致患者未纳入临床路径问题,提供智能准入提醒。患者进入HIS系统医生工作站后,医生确认行手术治疗并下达手术申请,系统自动识别手术申请单中术种、术前诊断,通过ICD-9-CM-3手术编码、ICD-10疾病编码,匹配合适的临床路径。同时,校验入径情况,如果已入径,进行准入提醒展示;如果未入径,对医生进行强提示,医生核对并征求患者同意后,可进行入径操作。
三、确定智能评估工具:
针对缺乏对患者个体的精细化评估导致路径变异未被识别问题,提供智能评估工具。国内外已发展并形成多种围手术期风险评估、合并症评估工具,这些工具适用人群不同,依据人群不同选择不同的评估工具,尽管如此,院内围手术期患者诊治管理不当还是经常发生。其主要原因是以往的评估提示工具、系统往往与最佳提示场景不相符合,现有的很多电子评估系统,其触发场景与临床实际需要不符,例如手术室内的手术麻醉系统(AIMS)中进行提示录入患者的术前评估内容,而实际的最佳提示干预时机往往是患者在病房中的手术准备阶段就已经完成。其次,传统的评估工具也无法根据患者个体化的综合病情推荐相应个体化的评估、提示,对于纸质的评估表单,只能全量打印供医护人员逐一填写,效率低下且繁琐,医护人员形成疲劳后就会疏忽、导致评估质量低下的恶性循环。
围手术期智能临床路径质量管控系统提供的智能化评估工具,可以设置固定时间(如每小时)或指标变化时,对标准化评估量表中指标进行自动推送、自动提取、自动转化和自动计算,直接生成分值;同时支持医院根据需求,自定义新增判断指标,护士或医生可以通过系统,对指标值进行手工补充或修改。包含手术风险评估表、麻醉ASA评分、VTE风险评估表(caprini)、外科营养评估表、患者体能状态评估表、蒙罗压力性损伤高危评估单等。
本实施例中步骤三还包括智能风险评估预警,即:基于数据集成、治理、推理并与知识规则进行比对,辅助诊疗系统对患者术前常规检验检查项目进行识别并进行异常项目预警;对检验检查结果存在手术或麻醉禁忌提醒;对于术前检验检查发现的潜在慢性疾病可能进行提醒。
覆盖的检验检查包括:三大常规、肝功能、肾功能、电解质、血脂、凝血功能、输血四项、心电图、肺功能、腹部超声、胸片。基于数据治理,可以设置固定时间(如每小时)或指标变化时,对术前标准化评估量表中指标进行自动推送、自动提取、自动转化和自动计算,直接生成分值;同时支持医院根据需求,自定义新增判断指标,护士或医生可以通过系统,对指标值进行手工补充或修改。术前标准化量表包括:手术风险评估表、麻醉ASA评分、VTE风险评估表(caprini)、外科营养评估表。
四、给出诊疗建议:
针对非入径患者必要的诊疗措施(术前准备、术前停药等)未执行导致诊疗质量下降问题,提供诊疗建议。
四.1 对围手术期常规检验检查项目遗漏提示及异常解读提供建议。辅助诊疗系统对患者术前常规检验检查项目进行识别并进行异常项目预警;对检验检查结果存在手术或麻醉禁忌提醒;对于检验检查发现的潜在慢性疾病可能进行提醒。覆盖的检验检查包括:三大常规、肝功能、肾功能、电解质、血脂、凝血功能、输血四项、心电图、肺功能、腹部超声、胸片等。
四.2 对治疗进行建议推荐。对不同手术方式进行禁忌症预警,提示医生手术患者术前风险、用药禁忌、异常检验检查指标、影响诊疗的慢性疾病等,辅助医生细化治疗方案。
四.3 对术前准备进行核查校验。常规术前准备遗漏项核查:常规手术前准备项目,如医生开立术前准备有所遗漏,系统自动提醒。需备血患者术前备血核查:备血所需各准备项目,如有遗漏,自动提醒。手术文书完整度核查:术前需完成的医疗文书的有无建立进行核查,有缺失及时提醒。
四.4 提供术后化疗管理建议。针对需要进行术后化疗的患者,动态监控患者白细胞、骨髓抑制、肝功能损伤、肾功能损伤等情况,提示医生及时进行化疗方案调整,保证患者生命健康安全。
本实施例中步骤四还包括DRGs精准分组推荐,即:在住院过程中实时采集诊断、手术、并发症、合并症及患者基本情况,实时计算并提示DRGs分组结果。
五、给出ERAS快速康复建议:
在术前智能判断是否符合ERAS条件,对符合相应ERAS组别患者的医生推荐相应的ERAS知识;在术中智能推荐ERAS相关措施、预防性抗生素方案;在术后推荐围手术期液体质量、智能判断是否达到出院标准。
六、给出物资耗材建议:
六.1 使用耗材推荐:基于大数据,分析得到基于疾病及手术类型的耗材使用方案(如:耗材名称、规格、使用量等),为巡回护士及SPD系统提供术前耗材准备量化依据;并将分析结果形成知识库,嵌入信息系统,自动采集数据,根据每个手术患者情况推荐相应的耗材使用方案。
六.2 手术器械智能化准备:基于院内历史数据分析,分析得到基于疾病及手术类型的手术器械使用方案;并将分析结果形成知识库,嵌入信息系统,自动采集数据,根据每个手术患者情况推荐相应的手术器械使用方案。
六.3 手术室资源配置:基于院内历史数据结合机器学习建模技术得到手术室资源配置模型,辅助巡回护士精细化安排手术室资源。
七、实施监控分析:
针对医务管理人员缺乏数据分析工具导致执行质量难以评估问题,提供智能监控及分析平台。形式上,支持分析、报表、查询等功能,支持报表可导出为多种格式,支持关键指标按科室-病区-医生层级的下钻,对需要的指标可点击下钻出对应的患者列表清单。同时,支持表格、柱图、饼图、折线图、堆积图、面积图等各种常用图形展示。内容上,支持医疗质量管理角色按照科室、病区、患者查看临床路径执行情况,当医护人员未执行时,可在监控分析平台发起提醒干预。支持查看围手术期临床质量统计分析,包括:住院十八项重点手术指标、麻醉指标、手术并发症与患者安全指标、手术部位感染及压疮指标等围手术期质量监测综合指标;各类手术的感染预防用药、各类手术的切口愈合等手术预防感染指标;患者住院天数、住院费用等运营指标;
收集、综合、提炼国家政策要求的围手术相关医疗管理指标及评价方法,结合相关数据标准要求,打造具有实时性集成、数据治理、统计、分析、可视化展示的报表工具,辅助医院进行快速、多维度、多环节(按专题、科室、时间、医生细分)的围手术期医疗质量监测,便于医院分析医疗质量,体现质量改进成效,辅助医院围手术期相关医疗质量监测,提升管理水平。
八、基于互联网医院的术后随访:对接互联网医院,通过微信公众号实现患者的精准随访及患者教育内容推荐,提升患者出院后诊治依从性,促进患者康复。
本实施例基于临床指南、专家共识,结合基于院内数据分析得到的围手术风险关键控制点的治疗措施进行分析,对各病种、不同年龄人群行大数据分析,挖掘适合不同人群的最佳的个性化治疗措施,通过医学知识图谱建立围手术期诊疗规范模型,结合实际临床数据进行诊疗建议,用于指导临床和护理诊疗。后期将该套辅助诊疗模型嵌入医院的电子病历、护理信息、手术麻醉、ICU信息系统,可以对每例需要手术的患者的进行分析,针对不同原发病、不同危重程度的围手术期患者进行最优化的评估、检查、准备、治疗方案的推荐,为每例发生围手术期的患者制定个性化的最佳诊疗方案,降低围手术期患者并发症、不良事件发生率,加速患者康复。
Claims (2)
1.一种基于围手术期医护最优行为的智能辅助决策模型,其特征是:按如下步骤依次实施:
一、确定围术期风险关键控制点:
基于质量控制中的人、机器、材料、方法、环境因素,分析影响围手术期质量问题发生的因素,运用文献法、调查法、访谈法、客观数据分析法进行逐步推导和筛选;制定《病人基本信息表》;包括命名实体识别,关联分析和概念映射;抽取的信息全部映射至SNOMED-CT的标准术语,并赋予唯一ID;
通过统计分析的方法,对上述各个临床环节的指标按不同的临床场景、科室、病种、进行细化分析对比,探索得到围手术风险关键控制点,所述的不同的临床场景包括入院、术前、术中、术后;
二、智能准入提醒:
针对入院后疏忽导致患者未纳入临床路径问题,提供智能准入提醒,步骤包括:患者进入HIS系统医生工作站后,医生确认行手术治疗并下达手术申请,系统自动识别手术申请单中术种、术前诊断,通过ICD-9-CM-3手术编码、ICD-10疾病编码,匹配合适的临床路径;同时,校验入径情况,如果已入径,进行准入提醒展示;如果未入径,对医生进行强提示,医生核对并征求患者确认后进行入径操作;
三、确定智能评估工具:
针对缺乏对患者个体的精细化评估导致路径变异未被识别问题,提供智能评估工具,步骤包括:设置固定时间或当指标变化时,对标准化评估量表中指标进行自动推送、自动提取、自动转化和自动计算,直接生成分值;同时医院根据需求,自定义新增判断指标,护士或医生通过系统对指标值进行手工补充或修改;包括手术风险评估表、麻醉ASA评分、VTE风险评估表、外科营养评估表、患者体能状态评估表、蒙罗压力性损伤高危评估单;
四、给出诊疗建议:
针对非入径患者必要的诊疗措施未执行导致诊疗质量下降问题,提供诊疗建议,步骤包括:
四.①对围手术期常规检验检查项目遗漏提示及异常解读提供建议;辅助诊疗系统对患者术前常规检验检查项目进行识别并进行异常项目预警;对检验检查结果存在手术或麻醉禁忌进行提醒;对于检验检查发现的潜在慢性疾病可能进行提醒;覆盖的检验检查包括:三大常规、肝功能、肾功能、电解质、血脂、凝血功能、输血四项、心电图、肺功能、腹部超声、胸片;
四.②对治疗进行建议推荐;对不同手术方式进行禁忌症预警,提示医生手术患者术前风险、用药禁忌、异常检验检查指标、影响诊疗的慢性疾病等,辅助医生细化治疗方案;
四.③对术前准备进行核查校验;常规术前准备遗漏项核查:常规手术前准备项目,如医生开立术前准备有所遗漏,系统自动提醒;需备血患者术前备血核查:备血所需各准备项目,如有遗漏,自动提醒;手术文书完整度核查:术前需完成的医疗文书的有无建立进行核查,有缺失及时提醒;
四.④提供术后化疗管理建议;针对需要进行术后化疗的患者,动态监控患者白细胞、骨髓抑制、肝功能损伤、肾功能损伤等情况,提示医生及时进行化疗方案调整,保证患者生命健康安全;
五、给出ERAS快速康复建议:
在术前智能判断是否符合ERAS条件,对符合相应ERAS组别患者的医生推荐相应的ERAS知识;在术中智能推荐ERAS相关措施、预防性抗生素方案;在术后推荐围手术期液体管理,智能判断是否达到出院标准;
六、给出物资耗材建议:
六.①使用耗材推荐:基于大数据,分析得到基于疾病及手术类型的耗材使用方案,为巡回护士及SPD系统提供术前耗材准备量化依据;并将分析结果形成知识库,嵌入信息系统,自动采集数据,根据每个手术患者情况推荐相应的耗材使用方案;
六.②手术器械智能化准备:基于院内历史数据分析,分析得到基于疾病及手术类型的手术器械使用方案;并将分析结果形成知识库,嵌入信息系统,自动采集数据,根据每个手术患者情况推荐相应的手术器械使用方案;
六.③手术室资源配置:基于院内历史数据结合机器学习建模技术得到手术室资源配置模型,辅助巡回护士精细化安排手术室资源;
七、实施监控分析:
针对医务管理人员缺乏数据分析工具导致执行质量难以评估问题,提供智能监控及分析平台,步骤包括:形式上,支持分析、报表、查询等功能,支持报表导出为多种格式,支持关键指标按科室-病区-医生层级的下钻,对需要的指标可点击下钻出对应的患者列表清单;同时,支持表格、柱图、饼图、折线图、堆积图、面积图等各种常用图形展示;内容上,支持医疗质量管理角色按照科室、病区、患者查看临床路径执行情况,当医护人员未执行时,可在监控分析平台发起提醒干预;支持查看围手术期临床质量统计分析,包括:住院十八项重点手术指标、麻醉指标、手术并发症与患者安全指标、手术部位感染及压疮指标等围手术期质量监测综合指标;各类手术的感染预防用药、各类手术的切口愈合等手术预防感染指标;患者住院天数、住院费用运营指标;
收集、综合、提炼国家政策要求的围手术相关医疗管理指标及评价方法,结合相关数据标准要求,打造具有实时性集成、数据治理、统计、分析、可视化展示的报表工具,辅助医院进行快速、多维度、多环节的围手术期医疗质量监测,分析医疗质量,辅助医院围手术期相关医疗质量监测;
八、基于互联网医院的术后随访:对接互联网医院,通过网络实现患者的精准随访及患者教育内容推荐,提升患者出院后诊治依从性,促进患者康复。
2.如权利要求1所述的一种基于围手术期医护最优行为的智能辅助决策模型,其特征是:
步骤一时,具体观察内容和实验室检查指标如下:
①一般资料:性别、住院号、床号、年龄、体重、身高、体质量指数(body mass index,BMI)、受教育程度、诊断、活动能力、住院时长、ICU停留时间等;
②手术相关资料:手术名称,手术部位,手术分级、急诊择期类别、手术时长;
③病史信息:心脏病史、高血压史、糖尿病史、血栓史、近期手术史、吸烟史、饮酒史、化疗史、过敏史、手术史等;基于病历文书的关键字段筛查;
④治疗相关资料:医嘱信息、运动、制动情况、备血情况等;
⑤实验室检查指标:包含血常规、肝肾功能、电解质、凝血功能等各细项检验;胸片、CT、MRI、心电图等检查;
⑥疾病其他相关资料:疾病治疗的费用指标、住院天数指标、并发症指标、治疗结果等;
通过统计分析的方法,对上述各个临床环节的指标按不同的临床场景、科室、病种、进行细化分析对比,得到围手术风险关键控制点;
步骤三时,还包括智能风险评估预警,即:基于数据集成、治理、推理并与知识规则进行比对,辅助诊疗系统对患者术前常规检验检查项目进行识别并进行异常项目预警;对检验检查结果存在手术或麻醉禁忌提醒;对于术前检验检查发现的潜在慢性疾病可能进行提醒;
覆盖的检验检查包括:三大常规、肝功能、肾功能、电解质、血脂、凝血功能、输血四项、心电图、肺功能、腹部超声、胸片;基于数据治理,设置固定时间或当指标变化时,对术前标准化评估量表中指标进行自动推送、自动提取、自动转化和自动计算,直接生成分值;同时支持医院根据需求,自定义新增判断指标,护士或医生可以通过系统,对指标值进行手工补充或修改;术前标准化量表包括:手术风险评估表、麻醉ASA评分、VTE风险评估表、外科营养评估表;
步骤四还包括DRGs精准分组推荐,即:在住院过程中实时采集诊断、手术、并发症、合并症及患者基本情况,实时计算并提示DRGs分组结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211147503.2A CN115579107A (zh) | 2022-09-21 | 2022-09-21 | 一种基于围手术期医护最优行为的智能辅助决策模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211147503.2A CN115579107A (zh) | 2022-09-21 | 2022-09-21 | 一种基于围手术期医护最优行为的智能辅助决策模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115579107A true CN115579107A (zh) | 2023-01-06 |
Family
ID=84580478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211147503.2A Pending CN115579107A (zh) | 2022-09-21 | 2022-09-21 | 一种基于围手术期医护最优行为的智能辅助决策模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115579107A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115862874A (zh) * | 2023-02-22 | 2023-03-28 | 首都医科大学宣武医院 | 高龄外科多学科围术期辅助决策系统 |
CN118039070A (zh) * | 2024-04-11 | 2024-05-14 | 四川省肿瘤医院 | 一种用于介入手术的临床护理系统 |
CN118412089A (zh) * | 2024-07-04 | 2024-07-30 | 四川省医学科学院·四川省人民医院 | 一种基于vr的胸腔镜肺癌患者康复方案推荐方法及系统 |
CN118538390A (zh) * | 2024-07-17 | 2024-08-23 | 西南医科大学附属医院 | 手术室麻醉设备监控系统 |
-
2022
- 2022-09-21 CN CN202211147503.2A patent/CN115579107A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115862874A (zh) * | 2023-02-22 | 2023-03-28 | 首都医科大学宣武医院 | 高龄外科多学科围术期辅助决策系统 |
CN118039070A (zh) * | 2024-04-11 | 2024-05-14 | 四川省肿瘤医院 | 一种用于介入手术的临床护理系统 |
CN118412089A (zh) * | 2024-07-04 | 2024-07-30 | 四川省医学科学院·四川省人民医院 | 一种基于vr的胸腔镜肺癌患者康复方案推荐方法及系统 |
CN118412089B (zh) * | 2024-07-04 | 2024-08-23 | 四川省医学科学院·四川省人民医院 | 一种基于vr的胸腔镜肺癌患者康复方案推荐方法及系统 |
CN118538390A (zh) * | 2024-07-17 | 2024-08-23 | 西南医科大学附属医院 | 手术室麻醉设备监控系统 |
CN118538390B (zh) * | 2024-07-17 | 2024-09-17 | 西南医科大学附属医院 | 手术室麻醉设备监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115579107A (zh) | 一种基于围手术期医护最优行为的智能辅助决策模型 | |
Aakre et al. | Prospective validation of a near real-time EHR-integrated automated SOFA score calculator | |
US11031121B2 (en) | System and method for indicating the quality of information to support decision making | |
EP2638489A1 (en) | Method of continuous prediction of patient severity of illness, mortality, and length of stay | |
US20060259329A1 (en) | System and Method for Determining the Degree of Abnormality of a Patient's Vital Signs | |
CN111899837A (zh) | 一种基于数字化手术室的手术报告协同方法及系统 | |
US20110046972A1 (en) | Method and system for health-centered medicine | |
CN114864084A (zh) | 一种健康干预路径评估系统、方法、装置及可读存储介质 | |
WO2008057542A2 (en) | Blood product utilization system and methods | |
CN107066816A (zh) | 基于临床数据的就医指导方法、装置及服务器 | |
JP2021039683A (ja) | 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム | |
US20220405680A1 (en) | Automated Healthcare Provider Quality Reporting System (PQRS) | |
Matsumoto et al. | DPC in acute-phase inpatient hospital care | |
CN115171895A (zh) | 一种智能动态心理健康评估的方法 | |
CN212782730U (zh) | 智能全科诊疗工作系统 | |
EP2645273A1 (en) | System for differentiation and analysis of recorded clinical data | |
Gabrieli | Computer-assisted assessment of patient care in the hospital | |
Feng et al. | A preliminary study on the use of clinical care classification in nursing documentation data sets | |
CN113889255A (zh) | 一种护理用全程照护管理系统及其管理方法 | |
CN112233806A (zh) | 一种全信息辅助诊疗方法及系统 | |
CN111477333B (zh) | 一种数据挖掘方法和装置 | |
Rahajeng et al. | THE APPLICATION OF CLINICAL JUDGMENT AND DECISION MAKING OF CRITICAL CARE NURSES IN INTENSIVE CARE UNITS (ICUs | |
Feng et al. | Capability of using Clinical Care Classification System to represent nursing practice in acute setting in Taiwan | |
Riha et al. | Medical guideline as prior knowledge in electronic healthcare record mining | |
CN105956156A (zh) | 误诊疾病数据库 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |