大数据有助于预防误诊

为了减少病人误诊和相关病人从缺乏及时的治疗结果,约翰霍普金斯研究所阿姆斯特朗病人安全和质量研究有助于医院率先提供一个新方法来量化和监控诊断错误的质量改进工作。这种方法被称为诊断错误的症状-疾病对分析,简称SPADE。

照片
诊断错误(SPADE)症状-疾病对分析的概念模型。
资料来源:约翰·霍普金斯医学院

各种研究表明,每年估计有1200万美国人受到诊断错误的影响,其中三分之一的错误导致病人严重受伤,包括残疾或死亡。“我们知道诊断错误是一个大问题,但我们目前没有操作测量的方法,”大卫·纽曼-托克医学博士说,他是阿姆斯特朗研究所卓越诊断中心的主任。虽然之前他和其他小组做了一些较小规模的研究,Newman-Toker说:“这是对一种方法的首次真正描述,这种方法可以广泛应用于一系列条件下,测量诊断错误和相关的不良后果,这样我们就可以跟踪我们的表现,看看我们的干预措施是否起到了作用。”

目前许多测量诊断错误的方法依赖于医院工作人员的劳动密集型病历审查。SPADE方法挖掘大量现成的数据库,数据库中有成千上万的就诊患者,使用特定的算法寻找促使就诊的常见症状,然后将它们与在这些临床环境中可能被误诊的一种或多种疾病配对。该方法使用统计分析来确定衡量诊断错误率的关键模式,并可纳入诊断性能仪表板。“使用SPADE,我们可以测量有多少次患者因为头晕来到医院,被错误地告知这是一种良性的耳朵疾病,被送回家,回来时又严重中风。我们还可以测量一个发烧的病人来诊所,被告知是病毒感染,但后来因细菌败血症入院的频率,”纽曼-托克说,他也是约翰霍普金斯大学医学院的神经学教授。“能够利用大数据实现这一点,是诊断质量和安全方面的一项重要创新。”

纽曼-托克还认为,反过来,SPADE也会改善患者的预后。“许多质量指标关注的是医院的流程,而不是患者的结果。但这不是为了治疗图表,而是为了治疗病人。在约翰霍普金斯大学,我们专注于跟踪严重的不良后果,如中风或心脏病发作。这些措施对病人很重要。”

对于可能在6个月至1年内发生误诊导致住院、残疾或死亡的急性和亚急性疾病,铁锹治疗效果最好。需要进一步的研究来验证SPADE在更广泛的症状和疾病中的有效性。这种方法可能不会最终适用于所有疾病,尤其是慢性疾病,但纽曼-托克预计它将适用于他所称的“三大”诊断错误导致残疾和死亡的原因:血管事件、感染和癌症。

展望未来,纽曼-托克明白,医生和医院领导“同意”跟踪诊断错误可能需要时间。然而,他认为SPADE最终可能会成为医院公开报告的措施之一。“患者将第一次有机会看到他们的医院在诊断方面的表现,并问自己,‘我想选择一家误诊导致的死亡人数较少的医院吗?’”Newman-Toker说。“这是向患者授权诊断迈出的前所未有的一步。”

订阅我们的通讯

相关文章

云与边缘计算:重新思考医疗保健基础设施

云与边缘计算:重新思考医疗保健基础设施

在医疗保健行业,边缘计算等较新的概念经常与云一起讨论,似乎它们都是基础设施的专用方法。然而,使用其中一种并不会消除使用另一种的能力。

范式转向以病人为中心的医疗保健

范式转向以病人为中心的医疗保健

区块链的使用将改变以病人为中心的医疗保健模式。

交易、信任和令牌-用于医疗保健的区块链

交易、信任和令牌-用于医疗保健的区块链

卫生信息可追溯基金会主席Eberhard Scheuer博士说:“区块链的一个中心支柱是信任,因为数据是不可更改的。”

大数据为医疗保健领域打开了一扇大门

大数据为医疗保健领域打开了一扇大门

阿尔伯塔大学(University of Alberta)的卫生科学家们正在帮助实现大数据带来的变革,从预防到诊断再到治疗。

个性化医疗的数字双胞胎

个性化医疗的数字双胞胎

作为“MED²ICIN”灯塔项目的一部分,7家弗劳恩霍夫研究所正在展示首个数字患者模型的原型。

一个改变生物医学研究的密码学游戏规则

一个改变生物医学研究的密码学游戏规则

对数据隐私和安全的担忧阻碍了大规模的研究。研究人员已经开发出一种可能的解决方案。

在不牺牲隐私的前提下实现人工智能驱动的进步

在不牺牲隐私的前提下实现人工智能驱动的进步

Secure AI Labs正在扩大对加密医疗数据的访问,以推进该领域的人工智能驱动创新。

区块链如何帮助无家可归的人

区块链如何帮助无家可归的人

研究人员说,新的技术解决方案,如区块链可以用来保持流浪者重要的医疗保健信息的安全和可携性。

联邦学习允许医院私下共享数据

联邦学习允许医院私下共享数据

研究人员已经证明,联合学习在脑成像方面是成功的,因为它能够分析脑肿瘤患者的核磁共振扫描,并区分出健康的脑组织和癌变区域。

受欢迎的文章

订阅简报
Baidu