La nuova concessione di NIH ha potuto contribuire a sviluppare lo strumento novello per analizzare i dati non strutturati nelle relazioni sulla sicurezza

I rapporti che gli errori medici sono la terza causa della morte principale negli Stati Uniti piombo l'istituto di medicina e parecchie legislature statali suggerire che i dati dai sistemi di segnalazione pazienti di evento della sicurezza potrebbero aiutare meglio i fornitori di cure mediche a capire i rischi per la sicurezza e, infine, per migliorare la cura paziente.

“Decine di migliaia di questi database di relazione sulla sicurezza forniscono un campo del testo che non costringe il reporter alle categorie fisse e predefinite.

Srijan Sengupta, assistente universitario delle statistiche nell'istituto universitario di scienza e un docente all'analisi dei dati di scoperta concentra

Sengupta ha ricevuto un progetto di ricerca $815.218 Grant (R01) dagli istituti della sanità nazionali per mettere a punto i metodi statistici novelli per analizzare tali dati non strutturati nelle relazioni sulla sicurezza.

“Informazione dettagliata che misura le categorie multiple può essere più apprezzata del identificando un evento appena contrassegnando una categoria,„ ha detto.

Per esempio, in un campo del testo è stato riferito che un paziente era premedicazione prescritta amministrata prima di un MRI preveduto ma, a causa di un miscommunication circa politica dei trasporti, non è stato messo sulla tabella di MRI fino un'ora completa a più successivamente. A quel punto era scomoda e provata uscire dello scanner. Il tecnico ha inviato il paziente di nuovo alla sua stanza data le circostanze. Sopra l'apprendimento circa questa catena degli eventi, la sua famiglia ha espresso la loro credenza che il suo comportamento era dovuto il farmaco che si logora.

In un giacimento strutturato del testo, questa situazione sarebbe classificata semplicemente come “evento rappresentazione/di diagnosi„, Sengupta ha detto, ma, nell'analizzare il testo, ci sono parecchi altri fattori di contributo, compreso il farmaco e la comunicazione, che egualmente avrebbero bisogno del miglioramento per un risultato più favorevole.

“Identificare le tendenze relative ed i reticoli temporali ai dati non strutturati è particolarmente importante a migliorare la sicurezza paziente e cura paziente,„ Sengupta ha detto. “Che cosa può sembrare come un rischio raro ad un ospedale può fa parte di più vasta tendenza nazionale una volta osservato attraverso i sistemi sanitari. Facendo uso dei nostri algoritmi efficacemente analizzare i documenti dai sistemi di segnalazione ha il potenziale di migliorare drammaticamente la sicurezza e la qualità dell'assistenza esponendo le debolezze possibili nel trattamento di cura.„

Sengupta ha detto che configurazioni costituite un fondo per di questo progetto sulla sua ricerca attuale sull'analisi di rete sociale, sul video trattato statistico e sulla rilevazione di anomalia.

La concessione egualmente sta permettendo un'opportunità per due anziani a tecnologia della Virginia che majoring nell'analisi dei dati di calcolo di dati e di modellistica, in Cameron Bissell e in Raghav Sawhney, da lavorare con Sengupta sull'applicazione l'analisi dei dati e dell'analisi del testo per trovare le relazioni nei dati dati.

“Poiché sto considerando una carriera nella scienza di dati e nella medicina, credo che questa ricerca sia un grande modo affinchè me acquisisca l'esperienza di scienza di dati ed egualmente fornisce la comprensione apprezzata nel campo medico,„ ha detto Bissell.

“Lavorare con il professor Sengupta su questo progetto sta dandomi un'opportunità di applicare le tecniche che di apprendimento automatico ho imparato nella classe alle applicazioni di vita reale e soluzione dei problemi,„ ha detto Sawhney, che pianificazione continuare con la ricerca nel campo di apprendimento automatico.

Per il progetto triennale, che ha cominciato il 1° agosto 2019, Sengupta partnering con Raj Ratwani, Direttore del centro nazionale di salubrità di MedStar per i fattori umani nella sanità e professore associato alla scuola di medicina di Georgetown University ed a Allan Fong, ricercatore con il centro.

Il centro dei fattori umani della salubrità di MedStar sta contribuendo la sua competenza sull'apprendimento automatico e sul trattamento del linguaggio naturale e sta fornendo la conoscenza del dominio sulla sicurezza paziente, sui database di segnalazione che possono essere usati per identificare le tendenze ed i reticoli della sicurezza e su come i fornitori di cure mediche possono usare gli output da questa concessione per migliorare la loro sicurezza.

Ratwani ha detto che decine di migliaia di problemi di sicurezza sono riferiti a FDA ma la maggior parte dei fornitori di cure mediche sono ignari di loro perché non sono analizzati e non presentati in un modo che i fornitori di cure mediche possono usare in pratica. Di conseguenza, i fornitori di cure mediche degli Stati Uniti possono continuare ad usare le tecnologie ed i trattamenti che già sono stati riferiti a FDA come avendo emissioni potenziali che potrebbero risultare danno del ricoverato.

“Questa ricerca è critica ad identificare i reticoli nei dati riferiti e dati di giro in conoscenza che il fornitore di cure mediche può poi usare per valutare la sicurezza delle loro tecnologie e trattamenti e per sviluppare gli atti e gli interventi impedire ai pazienti di essere danneggiato dai rischi riconosciuti,„ ha detto Ratwani.

“Rilasciando software libero che permetterà ad altri professionisti in pubblico ed i sistemi sanitari privati per applicare i nostri metodi sui loro propri gruppi di dati privati saranno uno dei risultati più importanti della nostra ricerca,„ ha detto Sengupta.