Uji Lapangan Menunjukkan Ketepatan Teknologi Pelacakan Pemadam Kebakaran yang Mendobrak

Catatan dokter yang ‘sedang tren’ dapat membantu rumah sakit memprediksi lonjakan COVID-19


Newswise – Sebuah studi baru, diterbitkan hari ini di Nature Digital Medicine, menemukan bahwa ‘pemrosesan bahasa alami’ (NLP) informasi yang dicatat secara rutin oleh dokter – sebagai bagian dari catatan kesehatan elektronik pasien – mengungkapkan tren penting yang dapat membantu tim klinis memperkirakan dan merencanakan lonjakan pada pasien.

Para peneliti dari King’s College London, Rumah Sakit King’s College NHS Foundation Trust (KCH), dan Guy’s and St Thomas ‘Hospital NHS Foundation Trust (GSTT), menggunakan algoritme NLP untuk menerjemahkan catatan elektronik yang dibuat oleh dokter menjadi satu set standar medis terstruktur. istilah yang bisa dianalisis oleh komputer.

Melacak tren pada pasien

Dengan cara yang sama, posting media sosial dapat dilacak dan dikumpulkan dengan ‘tagar’, para peneliti mendeteksi kata atau frasa yang ‘sedang tren’ dalam catatan kesehatan elektronik di KCH dan GSTT, selama tahap utama pandemi COVID-19 tahun lalu. Misalnya, mereka melacak jumlah catatan pasien yang berisi kata kunci untuk gejala COVID-19, seperti ‘batuk kering’, ‘demam’, atau ‘pneumonia’. Selama pandemi, dokter rumah sakit memasukkan gejala pasien dan hasil tes ke dalam catatan kesehatan elektronik, yang digunakan untuk melacak penyebaran COVID-19 di tingkat nasional.

Namun, catatan ini sering kali berisi data yang tidak lengkap dan tidak terstruktur, sehingga sulit untuk diakses dan dianalisis.

Dengan menganalisis teks sebagai ‘sekantong kata’, para peneliti dapat menghasilkan peta waktu nyata dari ‘sinyal’ yang sedang tren (yaitu, gejala yang paling sering dicatat oleh dokter), dan sinyal ini sangat mirip dengan pola tes laboratorium positif dilaporkan oleh masing-masing rumah sakit. Lonjakan yang jelas terlihat pada Maret 2020, misalnya, selama gelombang pertama kasus COVID-19, dan gelombang berikutnya.

Memberikan peringatan dini untuk rumah sakit

Studi tersebut menunjukkan bahwa sinyal-sinyal ini memberikan laporan situasional waktu nyata yang mencerminkan tingkat aktivitas saat ini di rumah sakit dan peringatan dini hingga empat hari untuk rumah sakit yang membantu mereka mempersiapkan lonjakan penerimaan COVID-19.

Penulis penelitian juga melaporkan hubungan yang kuat antara sinyal yang sedang tren dan pelacakan regional penerimaan COVID-19 di rumah sakit London. Selain itu, mereka menemukan bahwa ketika gejala COVID-19 baru muncul secara nasional, gejala tersebut juga lebih sering dicatat oleh dokter di KCH dan GSTT.

Dr James Teo, Direktur Klinis AI di Rumah Sakit King’s College dan Rumah Sakit Guy dan St Thomas, mengatakan: “Dengan mengajari komputer cara membaca dan memahami catatan dokter, kami berharap dapat mengungkapkan pola dan tren penting yang dapat membantu dalam memerangi COVID-19 dan penyakit lainnya.

Melacak tren kata dalam catatan kesehatan elektronik menawarkan metode tambahan untuk mempelajari penyakit dan aktivitas perawatan kesehatan, dengan cara yang sangat mudah dan hemat biaya untuk dijalankan. Meskipun metode ini terbukti efektif di dua lembaga Perwalian rumah sakit, pendekatan ini dapat ditingkatkan ke tingkat regional atau bahkan nasional dengan perlindungan privasi yang tepat “.

CogStack

Platform CogStack yang digunakan dalam studi ini memungkinkan para peneliti untuk menginterogasi kumpulan data yang kompleks dengan sangat cepat, memberikan informasi waktu nyata tentang apa yang terjadi di rumah sakit tertentu, memungkinkan tim klinis untuk mempersiapkan pasien yang datang.

Profesor Richard Dobson, Kepala Departemen Biostatistik & Informatika Kesehatan, NIHR Maudsley BRC, mengatakan: “Platform CogStack memungkinkan kami mengekstrak informasi dari dalam catatan rumah sakit di Rumah Sakit King’s College NHS Foundation Trust dalam waktu yang hampir bersamaan. Ini berarti kami dapat mengantisipasi kemungkinan peningkatan tekanan pada sistem sebelum menerima informasi seperti hasil tes, memberikan waktu kepada tim klinis untuk bereaksi dan bersiap sebelumnya. “

###


Diposting Oleh : https://singaporeprize.co/

About the author