كيف بحثنا عن علامات خطأ طبي

في عام 2006 ، انفجر تمدد الأوعية الدموية في رأس والد زوجتي وأصابته سكتة دماغية. وبحلول مساء ذلك اليوم كان يمزح وكان يحاول التجول في عنبر المستشفى. السكتة الدماغية الثانية ، التي حدثت تحت إشراف الأطباء ، لم يستطع دماغه تحملها - توقف والد زوجته عن الكلام والمشي والتعرف على الأقارب. في مستشفى آخر ، تم وضعه على قدميه ، ولكن بسبب خطأ طبي أثناء العلاج الأولي ، كان عاجزًا عن الكلام إلى الأبد ، وتغيرت شخصيته بشكل لا يمكن التعرف عليه.

ما حدث له يسمى السكتة الدماغية ، وهي واحدة من علامات (أو خلاف ذلك - المحفزات) للمشاكل الجهازية في منظمة طبية. يجب تحليلها لتقليل عدد الأخطاء الطبية التي يمكن الوقاية منها في المستشفيات وتحسين جودة رعاية المرضى.

في الولايات المتحدة الأمريكية ، كانوا في حيرة من هذه المسألة في أوائل 2000s. طور معهد ماساتشوستس لتحسين الرعاية الصحية (IHI) أداة الزناد العالمية IHI لقياس الأحداث السلبية ، والتي تم تنفيذها بعد ذلك من قبل العيادات الأمريكية والأوروبية الرائدة.

في عام 2016 ، حاولنا (المكتب الروسي لـ SAS) إنشاء نظام لتحليل المحفزات الطبية باستخدام منهجية IHI في روسيا. سأخبركم بما حدث.

من أين بدأت

بادئ ذي بدء ، بدأنا في البحث عن الأطباء ذوي التفكير المماثل الذين يشاركون فكرة تحليل جودة الرعاية الطبية. تمت دعوة رؤساء العديد من مستشفيات موسكو وزملائنا من مكتبنا الأوروبي وممثلي المستشفى الدنماركي Lillebaelt إلى منتدى SAS Russia 2016 ، الذين أنشأوا نظام الكشف عن الزناد باستخدام منهجية IHI في عام 2015 على أساس منصة التحليل SAS.

اهتمت قصة الدنماركيين برئيس الأطباء في مستشفى كبير متعدد التخصصات في موسكو ، ووافقنا على إجراء تجربة لتحليل السجلات الطبية. بموجب شروط التجمع الوطني الديمقراطي ، لا يمكننا الكشف عن تفاصيل المشروع ، لذلك سأستمر في الاتصال بالمستشفى ببساطة بالعيادة ، ورئيسها - رئيس الأطباء.

في حزيران (يونيو) - تموز (يوليو) 2016 ، ناقشنا محتويات ونطاق المشروع مع إدارة العيادة ، في آب (أغسطس) قمنا بصياغة الاختصاصات وبدأنا العمل في سبتمبر. تألف العمود الفقري لفريق SAS من ألكسندر جوكوف ( al -undefined ) وديمتري كاياتينكو.

تحتوي تقنية IHI على 51 محفز. مع إدارة العيادة ، اخترنا ما يلي للمشروع:

• كريات الدم البيضاء <3000 × 10 ^ 6 / ميكرولتر (باستثناء المرضى الذين يخضعون للعلاج الكيميائي)
• صفائح الدم <50،000 × 10 ^ 6 / ميكرولتر (باستثناء مرضى العلاج الكيميائي)
• السكتة الدماغية
• احتشاء المستشفيات
• تكرار عمليات النقل غير المخطط لها إلى وحدة العناية المركزة (ICU) في غضون 24 ساعة
• الإنعاش في غضون 24 ساعة بعد الجراحة
• إجراءات الإنعاش في أقسام السرير

كما يحدث غالبًا في التحليلات ، تم أخذ حصة الأسد من الوقت من خلال إعداد البيانات الأولية وتخصيص معلومات مهمة فيها.

كيف تم استرجاع السجلات

تم وضع بيانات نظام المعلومات الطبية (MIS) للعيادة في قاعدة بيانات أوراكل ذات هيكل معقد. تعذر العثور على أوصاف المخططات ، لذلك كان عليّ استعادة بنية البيانات وعلاقات الكيان من خلال مقارنة معلومات قاعدة البيانات بالمعلومات من الواجهة الرسومية لنظام المعلومات الإدارية.

بالنسبة للمشروع ، كنا بحاجة إلى الأنواع التالية من السجلات الطبية:

• بيانات فحص الطبيب
• جدول التشخيص
• إدخالات اليوميات
• بروتوكولات المعاملات ومفاهيم ما قبل الجراحة
• التعيينات ومعلومات الأداء
• نوبة المرحلة والتفريغ
• ترجمة ملحمة
• نوبة ما بعد الوفاة

هذه البيانات (باستثناء جدول التشخيص) تكمن في XML في CLOBs. لم يكن هناك وصف لبنية XML في العيادة ، لذلك كان لا بد من تحديد محتوياتها بشكل تجريبي خلال المناقشات الطويلة.

كان هناك فوضى داخل وثائق XML. على سبيل المثال ، يمكن أن تحتوي عقدة "الحالة العامة" على معلومات حول شكاوى المرضى ، وتظل عقدة "الشكاوى" نفسها فارغة. غالبًا ما يكتب الأطباء جميع البيانات المتعلقة بالمريض (الشكاوى ونتائج الفحص والتوصيات لمزيد من العلاج ووصف الأدوية ، وما إلى ذلك) في مجال واحد ، على سبيل المثال ، في التعليق.

تم تطوير XML إلى جداول مسطحة بواسطة مخطط SAS XML القياسي. تم تحليل المستندات الأكثر تعقيدًا ، مع المعلومات الضرورية على مستويات مختلفة من التعشيش ، باستخدام محلل Python. تم إطلاقه من SAS وتم دمجه في عملية واحدة قابلة للتنفيذ من SAS Enterprise Guide:



من أجل عدم سحب نتائج الفحوصات المخبرية من نص الأزمة ، (لا يزال من دواعي سروري ، نظرًا لعادة بعض الأطباء إعداد المستندات) ، أخذنا البيانات عنها من نظام معلومات المختبر (LIS). كما تم تغليفها بتنسيق XML ، ولكن بشكل بسيط - "تحليل" ، "مؤشر" ، "قيمة".

كيف تم البحث عن البيانات

عندما أحضرنا السجلات الطبية في شكل مفهومة ومناسبة للمعالجة ، اتضح أنه تم إضفاء الطابع الرسمي على محفزين فقط من أصل 7 - محتوى "خلايا الدم البيضاء" و "الصفائح الدموية". تم التعبير عنها بأرقام يمكن مقارنتها بقيمة عتبة.

كان علينا أن نتخلى عن تحليل مثل هذا الزناد مثل "التحويلات المتكررة غير المخطط لها إلى وحدة العناية المركزة في غضون 24 ساعة". يعتمد هذا المؤشر على طوابع التاريخ ، وقد تم إدخالها في معهد المدققين الداخليين في العيادة حيث يريد الله أن يكون مثاليًا - فقد يفوتون يومين أو حتى تحديد موعد من المستقبل.

لم يتم ترميز السكتات الدماغية في المستشفيات والنوبات القلبية وإجراءات الإنعاش بأي شكل من الأشكال ولم يتم تسجيلها في الجدول فيما يتعلق بهوية المريض. كان يجب البحث عنها في مقالات النوبات والمذكرات. لذلك ، كانت المشغلات الأربعة المتبقية غير رسمية ، أي أنها طلبت تحليل النص غير المنظم.

للقيام بذلك ، استخدمنا أداة معالجة اللغة الطبيعية - SAS Contextual Analysis . هذا حل قائم على الويب بواجهة مرئية تسمح لك بإنشاء نماذج معالجة نصية حتى في غياب مهارات البرمجة والمعرفة في اللغويات (ومع ذلك ، لا يزال بإمكانك الاستغناء عن معرفة مجال الموضوع واللغة التي كُتب بها النص).

الآن أصبح من المألوف حل مثل هذه القضايا بمساعدة الشبكات العصبية. لكننا تركناها بوعي وطبقنا آلية القواعد اللغوية ، لأن:

• لا يمكن تحقيق نتيجة جيدة في الشبكات العصبية إلا على عينة عالية الجودة ومميزة مسبقًا من قبل الأطباء الأطباء بعشرات الآلاف من السجلات ، ولكن لم يكن لدينا ذلك من الكلمة على الإطلاق
• لا تعطي الشبكة العصبية شرحًا واضحًا لقرارها (لا يمكن تفسيره) ، ولا يمكن للأطباء العمل مع الصندوق الأسود - يجب أن يفهموا بالضبط الأعراض أو المؤشرات أو الإجراءات التي تشير إلى الأحداث السلبية

كيفية تدريب النظام

على الرغم من أننا تعاملنا مع جميع المحفزات من القائمة ، فقد تركزت الجهود الرئيسية على الكشف عن السكتات الدماغية والنوبات القلبية (سوف نطلق على العدوى في المستشفيات للإيجاز). هذه بعض المحفزات الأكثر خطورة ، بالإضافة إلى إلحاق الضرر بصحة المرضى ، هي رهيبة لأنه لا يتم الإعلان عنها من قبل الطاقم الطبي. وإذا كانت الإدارة لا تعرف المشكلة ، فلا يمكنه التعامل معها.

كل شيء لم يكن سهلا مع NSI. لم يكن هناك معيار أو لائحة ملزمة بتوثيق حقائق السكتات الدماغية أو النوبات القلبية في شكل موحد: وصف بعض الأطباء السكتة الدماغية بأنها "انتهاك حاد للدورة الدماغية" ، والبعض الآخر مثل (أوه ، نعم!) "السكتة الدماغية" ، وآخرون باسم "ONMK" ". في بعض الأحيان ، كانت عدوى المستشفيات غير مرئية إلا بالعلاج الموصوف.

في الأساس ، يمكننا:

1. مقابلة جميع الأطباء حول كيفية وصف السكتات الدماغية والنوبات القلبية. ومع ذلك ، كان هناك خطر من فقدان شيء ما - لا أحد يتذكر قائمة السجلات التي تم إجراؤها مرة واحدة ودليل الاختصارات. وكان هناك عدد قليل من الناس الذين يرغبون في التحدث عن هذا الموضوع.
2. جنبا إلى جنب مع الأطباء ، تمر جميع نوبة المرض وتحليل ما إذا كان لديهم علامات عدوى المستشفيات أم لا. ولكن لا نحن ولا لدينا الكثير من الوقت.

تصرفنا بشكل مختلف: قمنا بتحميل مجموعة من النصوص في التحليل السياقي وبنينا نماذج مواضيعية سلطت الضوء على الأفكار الرئيسية لكل إدخال. بدون التسلل إلى نص المستند (على سبيل المثال ، نوبة أزمة) ، كان من الممكن تحديد السجلات ذات السمة "stroke" أو "NMC" وفحصها بشكل منفصل لمعرفة كيفية وصف VBI في النص: ما الكلمات المستخدمة ، وعلى أي مسافة من بعضها البعض بالإضافة إلى ذلك ، اقترحت النماذج نفسها صيغًا محتملة لوصف الأفكار الرئيسية.

بعد الترميز الموضوعي للوثائق ، تحدثنا مع الأطباء ، وقمنا بتوضيح وتطوير القواعد اللغوية لتحديد الأحداث التي تشير إلى المحفزات. أخذت القواعد في الاعتبار الأشكال النحوية للكلمات ، والمسافة بينها ، وترتيب تسلسلها ، والموضع (في جملة واحدة ، فقرة ، بداية / نهاية النص) ، إلخ.

لذلك كنا نبحث عن تدابير الإنعاش:



وهكذا - السكتات الدماغية:



عند تحليل النص ، تحتاج دائمًا إلى تقييم المسافة بين الكلمات الرئيسية وترتيبها ، حتى لا تلتقط الكثير. هنا مثال عندما تكون جميع الكلمات الضرورية ("حاد" ، "انتهاك" ، "دماغ" ، "الدورة الدموية") في العبارة ، ولكن السكتة الدماغية ليست:



كان من المهم جدًا فصل وصف حقيقة السكتة الدماغية عن المستشفى عن وصف عواقب السكتة الدماغية السابقة ، حيث تم استخدام نفس الكلمات الرئيسية:



القاعدة المستبعدة "عواقب السكتة الدماغية" (أعلاه في Remove_item):



بالتعاون مع الأطباء ، طورنا حوالي 30 قاعدة لغوية تحدد ما إذا كانت هناك علامات على حدوث نوبات. تم تنزيلها من التحليل السياقي في شكل رمز تسجيل ، والذي تم ربطه بالعملية القابلة للتنفيذ لتقييم السجلات في دليل SAS Enterprise.

ومع ذلك ، بالنسبة للسكتات الدماغية في المستشفيات والنوبات القلبية ، لم تنتهي عملية صنع القرار بشأن وجود الزناد عند هذا الحد. كان يجب أن نحذف من قائمة المرشحين للحث على تلك الحالات التي كان يمكن توقعها عند دخول المريض. للقيام بذلك ، قارنا نتائج وضع القواعد مع جدول التشخيصات.

اسمحوا لي أن أذكرك أن الزناد هو حدث (تفاقم حالة المريض) ، غير متوقع من حيث التشخيص عند القبول. هذه إشارة على خطأ طبي أو مشكلة في المستشفى تتطلب تدابير منهجية لاستبعاد المضاعفات في المستقبل ، وليس مجرد أي تدهور في صحة المريض.

لنفترض أن التحليل السياقي قد خصص تسمية "احتشاء المستشفيات" ببعض السجلات. نتحقق من التشخيص: إذا تم قبول المريض بمرض القلب التاجي ، فإن خطر احتشاء عضلة القلب مرتفع بالفعل. هذا الحدث ، وإن لم يكن مواتياً ، لكن للأسف ، توقع. لم يتم تعيين سمة مشغل السجل.

إذا تم قبول المريض بالتهاب الزائدة الدودية وتعرض لسكتة دماغية أثناء العلاج ، فقد يكون هذا خطأ طبيًا. على سبيل المثال ، لم يتبعوا الضغط أو أثاروا قفزة فيه مع بعض الأدوية أو الأفعال. تقوم السجلات بتعيين السمة "الزناد".

والنتيجة هي عملية تجارية:



كان مناسبًا للأطباء - يمكنهم بشكل مستقل استكمال القواعد اللغوية لتحليل النوبة ، والتي تم تحميلها بعد ذلك إلى رمز التسجيل والتقاطها من قبل النظام التحليلي.

كيف تم تصور البيانات

في المرحلة الأخيرة ، قمنا بإعداد التقرير في SAS Visual Analytics - هذا هو منتجنا المستند إلى الويب للتصور ومهام BI. يتم تحديثه كل 5 دقائق ويظهر إحصائيات حدوث المحفزات في سياق الأقسام والأطباء والمرضى. ذهب الطبيب المسؤول (على سبيل المثال ، رئيس قسم أمراض القلب) إلى التقرير ونظر في العوامل التي تم اكتشافها في الساعة الأخيرة ، اليوم ، الأسبوع. يمكن أن "تفشل" في القسم ، انظر ديناميات الزناد للفترة ، وما إلى ذلك:



حتى لا يتم تحميل المقالة بلقطات شاشة (وكل ذلك "ملطخ") ، سجلنا عرضًا توضيحيًا صغيرًا حول البيانات التي تم نزع شخصية عنها:


أردنا أيضًا إعداد إشعار تلقائي للمحفزات - هذه نغمة جيدة للأنظمة التحليلية التي تراقب المؤشرات المهمة. علاوة على ذلك ، تم دمج وظائف القائمة البريدية في SAS Visual Analytics. لكن العيادة لم ترغب في منح حق الوصول إلى خادم البريد ، تمامًا كما رفضت تنظيم رسائل SMS من خلال الاقتران بالخدمات الخارجية.

كيف انتهى كل ذلك

أجرت إدارة المستشفى تجربة تقارن نتائج الكشف اليدوي عن مسببات الأحداث السلبية من قبل فريق من الخبراء الطبيين والتحليل التلقائي الذي أجراه نظام SAS. لم تكن النتيجة لصالح الناس: اكتشف نظام SAS أكثر من المجلس الطبي. لبعض المحفزات - عدة مرات:



لكن الدقة المتزايدة ليست الشيء الرئيسي الذي أعطاه نظام الكشف عن الزناد. والأهم من ذلك أنها سمحت بما يلي:

1. ضمان المراقبة المستمرة لجميع السجلات الطبية. ليس عن طريق الصدفة أو الحالات الأكثر فظاعة ، ولكن من قبل. ليس مرة واحدة فقط كل ربع سنة ، ولكن في وضع قريب من الوقت الفعلي.
2. توفير الوقت للموظفين المؤهلين تأهيلا عاليا للانخراط في الأنشطة الأساسية. فقط في إطار التجربة يمكن حيرة الطاقم الطبي من خلال تدقيق يدوي كامل. في الوضع العادي ، ليس هناك وقت للقيام بذلك - إذا كان الأطباء مشغولين بالملاحظات ، فلن يكون هناك أحد لعلاج الناس.

المهم لنجاح المشروع كان الدعم الكامل من الإدارة - كبير الأطباء ونوابه ورؤساء الأقسام. تلقى رئيس العيادة تعليمًا في الولايات المتحدة الأمريكية ، لذلك اتضح أن فكرة الإدارة القائمة على إدارة الجودة وتحليل البيانات الآلي قريبة وواضحة بالنسبة له

للأسف ، قبل وقت قصير من التنفيذ الكامل للنظام التحليلي ، استقال رئيس الأطباء. كان خليفته محافظًا بصراحة ولم يكن يحب صنع الكتان القذر في الأماكن العامة. قامت العيادة بشطب نتائج المشروع الواعد "إلى الطاولة" وعادت إلى طرق العمل التي تم اختبارها من خلال سنوات من الممارسة.

على الرغم من أنه ليس من اللطيف جدًا صنع منتج غير مُطالب به ، إلا أن نتائج التجربة في العيادة كانت مفيدة جدًا لنا في المشروع التالي حول مراجعة السجلات الطبية في نظام التأمين الطبي الإلزامي. لكن المزيد عن ذلك في وقت آخر.