2006年，我岳父的头上发生了动脉瘤，中风发作了。 到那天晚上，他在开玩笑，正试图在医院病房里走来走去。 第二次中风是在医生的监督下发生的，他的大脑受不了了-他的岳父不再说话，走路和认亲。 在另一家医院，他站了起来，但是由于在初始治疗期间出现医疗错误，他永远无法说话，而且性格也变得面目全非。
他发生的事情被称为医院中风，这是医疗组织中系统性疾病的标志（或其他触发因素）之一。 需要对它们进行分析，以减少医院中可预防的医疗错误的数量，并提高患者护理质量。
在美国，他们对2000年代初的这个问题感到困惑。 麻省医疗保健改善研究所（IHI）开发了
用于测量不良事件的
IHI全球触发工具 ，然后由美国和欧洲领先的诊所实施。
2016年，我们（SAS俄罗斯办公室）试图在俄罗斯使用IHI方法创建一个用于分析医疗触发器的系统。 我会告诉你这是怎么回事。
你从哪里开始
首先，我们开始寻找志同道合的医生，他们分享分析医疗质量的想法。 莫斯科几家医院的负责人，我们欧洲办事处的同事以及丹麦医院里勒拜尔特的代表应邀参加了
SAS Forum Russia 2016 ，他们于2015年在SAS分析平台的基础上使用IHI方法创建了触发检测系统。
丹麦人的故事引起了莫斯科一家大型多学科医院的首席医生的兴趣，我们同意进行一项实验来分析病历。 根据NDA的条款，我们无法透露项目的详细信息，因此我将继续称该医院为诊所，其负责人是主任医师。
在2016年6月至2016年7月，我们与诊所管理层讨论了该项目的内容和范围，在8月我们起草了职权范围并于9月开始工作。 SAS团队的骨干成员包括Alexander Zhukov（
al_undefined ）和Dmitry Kayatenko。
IHI技术包含51个触发器。 我们与诊所管理人员一起为该项目选择了以下项目：
- 血液白细胞<3,000 x 10 ^ 6 /μl（接受化疗的患者除外）
- 血小板<50,000×10 ^ 6 /μl（化疗患者除外）
- 医院中风
- 医院内梗死
- 在24小时内重复计划外转移到重症监护病房（ICU）
- 手术后24小时内进行复苏
- 床部的复苏措施
正如分析中经常发生的那样，大部分时间是通过准备初始数据并在其中分配重要信息来占据的。
如何检索记录
诊所的医疗信息系统（MIS）的数据被放置在具有复杂结构的Oracle数据库中。 找不到方案的描述，因此我不得不通过将数据库中的信息与MIS图形界面中的信息进行比较来恢复数据结构和实体关系。
对于该项目，我们需要以下类型的医疗记录：
- 医生检查数据
- 诊断表
- 日记条目
- 交易协议和术前概念
- 任命和绩效信息
- 分期和出院流行
- 翻译的流行病
- 死后的疫情
此数据（诊断表除外）位于CLOB中的XML中。 诊所中没有对XML结构的描述，因此必须在长时间的讨论中凭经验确定其内容。
XML文档内部乱七八糟。 例如，“一般情况”节点可能包含有关患者投诉的信息，而“投诉”节点本身仍然为空。 通常，医生会在一个字段中（例如，在评论中）写下有关患者的所有数据（投诉，检查结果，进一步治疗的建议和药物处方等）。
通过标准SAS XML Mapper将XML开发为平面表。 使用Python解析器来解析最复杂的文档，并在不同的嵌套级别上提供必要的信息。 它是从SAS启动的，并已集成到《 SAS企业指南》的单个可执行过程中：
为了不从流行病的案文中提取实验室测试的结果（考虑到一些医生的习惯，这仍然是一种荣幸，我们从实验室信息系统（LIS）中获取了这些数据。 它们也用XML封装，但是形式很简单-“分析”，“指标”，“值”。
如何研究数据
当我们将病历整理成易于理解和适当的形式进行处理时，事实证明，在7个触发因素中，只有2个是正规化的-“白血球”和“血小板”的含量。 它们以可以与阈值进行比较的数字表示。
我们不得不放弃对诸如“在24小时之内重复向计划的ICU进行计划外转移”这样的触发因素的分析。 此标记依赖日期时间戳，并且由于上帝希望它完美无缺，它们被输入到诊所的IIA中-他们可能会错过几天甚至确定未来的日期。
医院中风，心脏病发作和复苏措施均未进行任何编码，也未在表格中记录有关患者ID的信息。 应该在流行病和日记条目中寻求它们。 因此，其余4个触发因素是非正式的，也就是说，它们要求对非结构化文本进行分析。
为此，我们使用了自然语言处理工具
-SAS Contextual Analysis 。 这是一个基于Web的解决方案，具有可视界面，即使您缺乏编程技能和语言学知识，您也可以创建文本处理模型（但是，您仍然不能不了解主题领域和书写语言的知识）。
现在，借助神经网络解决此类问题已成为一种时尚。 但是我们有意识地离开了它们并应用了语言规则机制，因为：
- 在神经网络上取得好的结果，只有在高质量的条件下才有可能，这种高质量是由医生预先标记的成千上万条记录的样本，但我们一字不漏
- 神经网络没有给出明确的解释（无法解释），医生也无法使用黑匣子-他们必须准确了解哪些症状，指标或行为表明了不良事件
如何训练系统
尽管我们处理了清单中的所有触发因素，但主要工作仍集中在发现医院中风和心脏病发作（为简便起见，我们称之为医院感染）。 这些是一些最危险的诱因，它们除了损害患者的健康外，还很可怕，因为医务人员没有宣传这些诱因。 而且，如果管理层不知道该问题，他将无法解决。
NSI并非一帆风顺。 没有标准或法规必须统一记录中风或心脏病发作的事实：一些医生将中风描述为“急性脑血管意外”，其他人将其描述为（哦，是的！）“中风”，而其他人则将其描述为“ ONMK” ”。 有时，只有通过处方治疗才能看到医院感染。
基本上，我们可以：
- 采访所有医生有关他们如何描述中风和心脏病发作的信息。 但是，存在丢失某些内容的风险-没有人会记住一次创建的记录列表和缩写目录。 很少有人希望就这个话题发言。
- 与医生一道，检查所有的流行病并分析他们是否有医院感染的迹象。 但是我们和他们都没有那么多时间。
我们采取了不同的行动：我们在“情境分析”中上传了一系列文本，并建立了主题模型来突出显示每个条目的关键思想。 无需深入研究文档的文本（例如，一种流行病），就可以仅选择主题为“笔画”或“ NMC”的记录，并分别检查它们以了解文本中的VBI：使用了哪些单词，彼此之间的距离如何此外，模型本身还提供了可能的描述关键思想的公式。
在对文档进行主题标记后，我们与医生进行了交谈，澄清并制定了语言规则，以识别指示触发因素的事件。 这些规则考虑了单词的语法形式，它们之间的距离，其顺序的顺序，位置（在一个句子，段落，文本的开头/结尾）等。
因此，我们正在寻找复苏措施：
等-中风：
分析文本时，您始终需要评估关键字与其顺序之间的距离，以免捕获过多内容。 这是一个示例，其中所有必要的单词（“急性”，“违规”，“大脑”，“血液循环”）都在短语中，但医院中风不是：
将医院中风的事实描述与前一次中风后果的描述区分开来是非常重要的，在前一个中风中使用了相同的关键字：
排除的规则“中风的后果”（在Remove_item中）：
我们与医生一起制定了约30种语言规则，这些规则确定了是否存在诱发病情的迹象。 它们以评分代码的形式从Contextual Analysis中下载，该代码与SAS Enterprise Guide中的用于评估记录的可执行过程相关联。
但是，对于医院中风和心脏病发作，关于触发因素的决策过程并没有就此结束。 我们应该从触发因素的候选人列表中删除那些可能在患者入院时就可以预测到的情况。 为此，我们将制定规则的结果与诊断表进行了比较。
让我提醒您，触发是一个事件（使患者的病情恶化），在入院时诊断
出乎意料 。 这是医疗错误或医院问题的信号，需要采取系统的措施以排除将来的并发症，而不仅仅是患者健康的任何恶化。
假设上下文分析为某些记录分配了“医院梗塞”标签。 我们检查诊断：如果患者被录入患有冠心病，则心肌梗塞的风险已经很高。 这次活动虽然不利，但是可喜的是。 未分配记录触发器属性。
如果患者被接纳患有阑尾炎并在治疗期间中风，则可能是医学上的错误。 例如，他们没有遵循压力，也没有采取一些药物或行动挑起压力。 记录分配属性“触发”。
结果是一个业务流程：
这对医生来说很方便-他们可以独立地补充对流行病分析的语言规则，然后将这些规则上载到评分代码，然后由分析系统提取。
数据如何可视化
在最后阶段，我们在SAS Visual Analytics中设置了报告-这是我们基于Web的产品，用于可视化和BI任务。 它每5分钟更新一次，并显示部门，医生和患者情况下触发事件的统计数据。 负责的医生（例如，心脏病科负责人）进入报告，并查看了在最后一小时，一天，一周内检测到哪些触发因素。 可以在部门中“失败”，查看该期间的触发器动态，等等：
为了不给文章加载屏幕截图（更是如此，请“涂抹”），我们在个人化数据上记录了一个小型演示：
我们还希望设置触发器的自动通知-这对于监视关键指标的分析系统来说是一个很好的基调。 此外，邮件列表功能内置于SAS Visual Analytics中。 但是诊所不想让邮件服务器访问，就像她拒绝通过与外部服务配对组织SMS邮件一样。
一切如何结束
医院管理层进行了一项实验，将一组医学专家手动检测不良事件的触发结果与SAS系统执行的自动分析结果进行比较。 结果不利于人们：SAS系统检测到的内容比医疗委员会还多。 对于某些触发器-还要多次：
但是提高的准确性并不是触发检测系统提供的主要功能。 最重要的是，她允许：
- 确保持续监控所有医疗记录。 不是偶然选择或最恶劣的情况，而是一个又一个。 不仅每季度一次，而且以接近实时的方式进行。
- 腾出时间让高素质的人员参与核心活动。 只有在实验的框架内，医务人员才能进行全面的手动审核。 在正常模式下，没有时间执行此操作-如果医生忙于做笔记，将没有人来治疗病人。
对于项目的成功重要的是政府的全力支持-首席医师，他的副手和部门负责人。 该诊所的负责人在美国受过教育，因此基于质量管理和自动数据分析的管理思想对他来说是清晰而清晰的
las，在全面实施分析系统之前，首席医师辞职了。 坦率地说，他的继任者比较保守，不喜欢在公共场合制作脏亚麻布。 诊所将“有希望的项目”的结果“销往桌面”，然后返回经过多年实践检验的工作方法。
尽管制作无人认领的产品并不令人愉快，但在下一个关于强制性医疗保险系统中病历审核的项目中，诊所的实验经验对我们非常有用。 但是，还有另一回事。