A concessão nova de NIH podia ajudar a desenvolver a ferramenta nova para analisar dados não organizados em relatórios de segurança

Os relatórios que os erros médicos são a terceira causa de morte principal nos Estados Unidos conduziram o instituto da medicina e diversos legisladores estaduais sugerir que os dados dos sistemas de relatórios pacientes do evento da segurança poderiam ajudar fornecedores de serviços de saúde melhor a compreender perigos de segurança e, para melhorar finalmente o assistência ao paciente.

Os “dez dos milhares destas bases de dados da relatório de segurança fornecem um campo do texto livre que não force o repórter às categorias fixas, predefinidas.

Srijan Sengupta, professor adjunto das estatísticas na faculdade da ciência e um membro da faculdade na analítica da descoberta centra-se

Sengupta recebeu $815.218 um projecto de investigação Grant (R01) dos institutos de saúde nacionais desenvolver métodos estatísticos novos para analisar tais dados não organizados em relatórios de segurança.

“Informações detalhadas que mede categorias múltiplas pode ser mais valiosa do que identificando um evento apenas verificando fora de uma categoria,” disse.

Por exemplo, em um campo do texto livre relatou-se que um paciente era premedication prescrito administrado antes de um MRI programado mas, devido a um miscommunication sobre a política de transporte, não era posto sobre a tabela de MRI até uma hora completa mais tarde. Nesse ponto era incômoda e experimentada sair do varredor. O técnico enviou o paciente de volta a sua sala dada as circunstâncias. Em cima da aprendizagem sobre esta corrente de eventos, sua família expressou sua opinião que seu comportamento era devido à medicamentação que veste fora.

Em um campo estruturado do texto, esta situação seria classificada simplesmente como do “um evento diagnóstico/imagem lactente”, Sengupta disse, mas, em analisar o texto livre, há diversos outros factores de contribuição, incluindo a medicamentação e a comunicação, que igualmente precisariam a melhoria para um resultado mais favorável.

“Identificar tendências e testes padrões temporais em dados não organizados é particularmente importante para o melhoramento da segurança paciente e assistência ao paciente,” Sengupta disse. “O que pode parecer como um perigo raro em um hospital pode ser a parte de uma tendência nacional mais larga quando vista através dos sistemas de saúde. Usar nossos algoritmos para analisar eficazmente originais dos sistemas de relatórios tem o potencial melhorar dramàtica a segurança e a qualidade do cuidado expor fraquezas possíveis no processo do cuidado.”

Sengupta disse que construções financiadas deste projecto em sua pesquisa existente sobre a análise de rede social, a monitoração de processo estatística, e a detecção da anomalia.

A concessão igualmente está tendo recursos para uma oportunidade para dois séniores na tecnologia de Virgínia que majoring na analítica computacional da modelagem e dos dados, no Cameron Bissell e no Raghav Sawhney, a trabalhar com o Sengupta em aplicar a analítica e a análise do texto para encontrar relacionamentos nos dados dados.

“Desde que eu estou considerando uma carreira na ciência dos dados e na medicina, eu acredito que esta pesquisa é uma grande maneira para que eu ganhe a experiência na ciência dos dados e igualmente fornece a introspecção valiosa no campo médico,” disse Bissell.

“Trabalhar com professor Sengupta neste projecto está dando-me uma oportunidade de aplicar as técnicas que de aprendizagem da máquina eu aprendi na classe às aplicações da vida real e resolução de problemas,” disse Sawhney, que está planeando continuar com pesquisa no campo da aprendizagem de máquina.

Para o projecto de três anos, que começou o 1º de agosto de 2019, Sengupta partnering com Raj Ratwani, director do centro nacional da saúde de MedStar para factores humanos nos cuidados médicos e professor adjunto na Faculdade de Medicina da universidade de Georgetown, e no Allan Fong, cientista da pesquisa com o centro.

O centro dos factores humanos da saúde de MedStar está contribuindo sua experiência na aprendizagem de máquina e o conhecimento de processamento e de fornecimento de linguagem natural do domínio na segurança paciente, nas bases de dados do relatório que podem ser usadas para identificar tendências e testes padrões da segurança, e em como os fornecedores de serviços de saúde podem usar as saídas desta concessão para melhorar sua segurança.

Ratwani disse que os dez dos milhares de edições de segurança estão relatados ao FDA mas a maioria de fornecedores de serviços de saúde são inconscientes delas porque não são analisados e não são apresentados em uma maneira que os fornecedores de serviços de saúde pudessem usar na prática. Em conseqüência, os fornecedores de serviços de saúde dos E.U. podem continuar a usar as tecnologias e os processos que têm sido relatados já ao FDA como tendo as edições potenciais que poderiam resultar dentro - dano paciente.

“Esta pesquisa é crítica a identificar testes padrões nos dados relatados e dados de giro no conhecimento que o fornecedor de serviços de saúde pode então usar para avaliar a segurança de seus tecnologias e processos e para desenvolver acções e intervenções para impedir que os pacientes estejam prejudicados por perigos reconhecidos,” disse Ratwani.

“Liberando o software livre que permitirá outros médicos em público e os sistemas de saúde privados para executar nossos métodos em seus próprios conjunto de dados proprietários serão um dos resultados os mais importantes de nossa pesquisa,” disse Sengupta.