La concession neuve de NIH a pu aider à développer l'outil nouvel pour analyser des caractéristiques non structurées dans les rapports sur la sécurité

Les signaler que les erreurs médicales sont la troisième principale cause du décès aux Etats-Unis ont abouti l'institut du médicament et plusieurs législatures d'État à proposer que les caractéristiques des systèmes de compte rendu patients d'événement de sécurité pourraient aider des fournisseurs de soins de santé mieux à comprendre des risques en matière de sécurité et, éventuel, pour améliorer des soins aux patients.

Les « dizaines de milliers de ces bases de données de rapport sur la sécurité fournissent un inducteur de texte libre qui ne contraint pas le journaliste à fixe, catégories de prédéfinis.

Srijan Sengupta, professeur adjoint des statistiques dans l'université de la Science et un membre de la faculté à l'analytique de découverte centrent

Sengupta a reçu un projet de recherche $815.218 Grant (R01) des instituts de la santé nationaux pour développer des méthodes statistiques nouvelles pour analyser de telles caractéristiques non structurées dans les rapports sur la sécurité.

Les « informations détaillées qui enjambent des catégories multiples peuvent être plus précieuses que recensant un événement en vérifiant juste hors d'une catégorie, » il a dit.

Par exemple, dans un domaine de texte libre il était rapporté qu'un patient ait été prémédication prescrite administrée avant un IRM programmé mais, à cause d'un malentendu au sujet de politique des transports, n'a pas été mis sur la table d'IRM jusqu'une pleine heure à plus tard. À ce moment là il était inconfortable et éprouvé pour sortir du balayeur. Le technicien a envoyé au patient de nouveau à sa chambre donnée les circonstances. Lors de se renseigner sur cette série d'événements, sa famille a exprimé leur conviction qui son comportement était dû au médicament s'étant usé hors circuit.

Dans un domaine structuré des textes, cette situation serait classifiée simplement comme événement de « diagnostic/représentation », Sengupta a dit, mais, en analysant le texte libre, il y a plusieurs autres facteurs de contribution, y compris le médicament et la transmission, qui auraient besoin également de l'amélioration pour plus d'effet favorable.

Le « recensement des tendances et des configurations temporelles dans des caractéristiques non structurées est particulièrement important pour améliorer la sécurité patiente et des soins aux patients, » Sengupta a dit. « Ce qui peut sembler comme un risque occasionnel à un hôpital peut faire partie d'une tendance nationale plus grande une fois vu en travers des systèmes de santé. Utilisant nos algorithmes analyser effectivement des documents des systèmes de compte rendu a le potentiel d'améliorer spectaculairement la sécurité et la qualité des soins en exposant des faiblesses possibles dans le procédé de soins. »

Sengupta a dit que des constructions financées de ce projet sur sa recherche existante sur l'analyse de réseau social, la surveillance de processus statistique, et le dépistage d'anomalie.

La concession a les moyens également une opportunité pour deux séniors au tech de la Virginie se spécialisant en analytique de modélisation numérique et de caractéristiques, Cameron Bissell et Raghav Sawhney, pour fonctionner avec Sengupta sur appliquer l'analytique et l'analyse des textes pour trouver des relations dans les caractéristiques données.

« Puisque je considère une carrière en science de caractéristiques et en médicament, je crois que cette recherche est un grand moyen pour que j'acquière l'expérience en science de caractéristiques et elle fournit également l'analyse précieuse dans l'inducteur médical, » a indiqué Bissell.

« Fonctionner avec professeur Sengupta sur ce projet me donne une opportunité d'appliquer les techniques d'apprentissage automatique que j'ai apprises dans le type aux applications de vie réelle et résolution des problèmes, » a dit Sawhney, qui planification pour poursuivre la recherche dans le domaine d'apprentissage automatique.

Pour le projet de trois ans, qui a commencé le 1er août 2019, Sengupta partnering avec Raj Ratwani, directeur du centre national de santé de MedStar pour des ergonomies dans la santé et professeur agrégé chez l'École de Médecine d'université de Georgetown, et l'Allan Fong, scientifique de recherches avec le centre.

Le centre des ergonomies de la santé de MedStar contribue ses compétences sur l'apprentissage automatique et le traitement du langage naturel et fournit la connaissance de domaine sur la sécurité patiente, sur les bases de données d'enregistrement qui peuvent être employées pour recenser des tendances et des configurations de sécurité, et sur la façon dont les fournisseurs de soins de santé peuvent employer les sorties de cette concession pour améliorer leur sécurité.

Ratwani a dit que les dizaines de milliers d'éditions de sécurité sont rapportées à la FDA mais la plupart des fournisseurs de soins de santé sont inconscients de elles parce qu'ils ne s'analysent pas et ne sont pas présentés d'une manière dont les fournisseurs de soins de santé peuvent employer dans la pratique. Comme résultat, les fournisseurs de soins de santé des États-Unis peuvent continuer à employer les technologies et les procédés qui ont déjà été rapportés à la FDA en tant qu'ayant des éditions potentielles qui pourraient donner droit tort d'hospitalisé.

« Cette recherche est critique à recenser des configurations dans les caractéristiques rapportées et des caractéristiques de rotation dans la connaissance que les fournisseurs de soins de santé peuvent alors employer pour évaluer la sécurité de leurs technologies et procédés et pour développer des actions et des interventions pour empêcher des patients d'être nui par les risques identifiés, » a dit Ratwani.

« Relâchant le logiciel open source qui activera d'autres praticiens en public et les systèmes de santé privés pour appliquer nos méthodes sur leurs propres ensembles de données de propriété industrielle seront l'un des résultats les plus importants de notre recherche, » a dit Sengupta.