"С увеличением ежегодных посещений U.S. отделения неотложной помощи, снижение пропускной способности привело к беспрецедентному уровню переполненности и, как следствие, задержек в оказании помощи ", — говорит Скотт Левин, доктор философии.D., доцент кафедры неотложной медицины Медицинского факультета Университета Джона Хопкинса. "Поэтому отделения неотложной помощи должны очень быстро оценить, нуждается ли пациент в действительно критическом и своевременном лечении, по сравнению с пациентом, которого можно безопасно ждать."
По всей стране медсестры и врачи обычно используют индекс степени тяжести неотложной помощи (ESI) во время сортировки, чтобы присвоить балл от Уровня 1 для пациентов, которые находятся в наиболее критическом состоянии, до Уровня 5 для пациентов, которые менее всего болеют. Уровень ESI пациента определяет, в какой части отделения неотложной помощи будет виден этот пациент, помещает пациента в очередь и влияет на принятие решения поставщиком на протяжении всего процесса оказания помощи пациенту. «Этот алгоритм полностью субъективен», — говорит Левин. "Медсестры и врачи делают быструю оценку того, может ли пациент ждать, исключительно на основе их клинической оценки."В большинстве случаев исследователи говорят, что пациентам отнесен к Уровню 3, а не к полной дифференциации. «Мы думали, что группа пациентов уровня 3 включает большое количество пациентов, которые серьезно болеют, и других, которые не болеют, и наша цель состояла в том, чтобы определить, можно ли отсортировать этих пациентов», — говорит Левин.
Чтобы помочь дифференцировать уровни сортировки пациентов, Левин и команда из отделения неотложной медицины разработали инструмент электронной сортировки. В недавно опубликованной статье в Annals of Emergency Medicine инструмент электронной сортировки показал равную или более точную идентификацию результатов для пациентов по сравнению с ESI на основе ретроспективного исследования, проведенного в нескольких местах, почти 173000 посещений отделений неотложной помощи. Исследование показало значительные различия в уровнях приоритета пациентов с использованием электронной сортировки и ESI. Например, из более чем 65 процентов посещений, отнесенных к уровню 3 ESI, электронная сортировка выявила около 10 процентов или более 14000 пациентов ESI уровня 3, которым, возможно, было выгодно переориентироваться на более важный приоритетный уровень. , например уровень 1 или 2. У этих пациентов как минимум в пять раз больше шансов получить критический исход, например смерть, поступление в отделение интенсивной терапии или неотложную операцию, и в два раза больше вероятность госпитализации.
Инструмент электронной сортировки также смог увеличить количество пациентов, подвергнутых сортировке до более низкого уровня приоритета, такого как уровень 4 или 5, чтобы помочь свести к минимуму пациентов с низкой степенью остроты зрения от ожидания и чрезмерного использования ограниченных ресурсов.
Инструмент электронной сортировки использует алгоритм для прогнозирования результатов для пациентов на основе подхода системной инженерии и передовых методов машинного обучения для определения взаимосвязей между прогнозируемыми данными и результатами для пациентов. «Когда приходит пациент, и мы собираем информацию о нем, инструмент электронной сортировки сравнивает этого пациента с сотнями других подобных пациентов, чтобы сделать прогноз относительно исхода пациента», — говорит Левин.
Эти методы распространены в других отраслях, таких как оборона, транспорт и финансы, но редко, если вообще, применяются в здравоохранении. «Машинное обучение в полной мере использует преимущества электронных медицинских карт и позволяет получить точные результаты, которые ранее не могли быть достигнуты», — говорит Габор Келен, M.D., директор Департамента неотложной медицины и профессор неотложной медицины Медицинской школы Университета Джона Хопкинса. "Это волна будущего здравоохранения, хотя некоторые поставщики могут колебаться.
Средства принятия решений, использующие машинное обучение, также легко настраиваются для удовлетворения потребностей пациентов отделения неотложной помощи и местных систем оказания медицинской помощи."
Инструмент электронной сортировки также разработан как инструмент поддержки принятия решений, помогающий врачам принимать более обоснованные решения по уходу за своими пациентами. «Теория, лежащая в основе этого инструмента и всех инструментов поддержки клинических решений, заключается в том, что инструмент в паре с клиницистом может делать более точные прогнозы или лучшие прогностические задачи, подобные этому, чем сам инструмент или только клиницист», — говорит Левин.
Лучшее дифференцирование уровней приоритета пациентов может, в свою очередь, помочь пациентам получить надлежащую помощь, в которой они нуждаются. «Конечная цель — пациенты должны меньше ждать в отделении неотложной помощи», — говорит Левин. "Эта технология предназначена для пациентов, которым грозит неотложная помощь, чтобы их лучше выявлять и быстрее осматривать. Для менее больных пациентов электронная сортировка должна выявлять этих пациентов и направлять их в ускоренный режим, чтобы им не приходилось ждать так долго."
Электронная сортировка в настоящее время используется в больнице Джона Хопкинса и больнице округа Ховард, которые входят в состав Johns Hopkins Medicine. По словам исследователей, инструмент продолжает проспективно оцениваться с предварительными результатами, которые предполагают улучшение выявления пациентов с критическими исходами и другие меры, связанные с переполненностью отделений неотложной помощи.