[F20_Telehealth] HW#1 醫健一 509220062 黃文麗

Group content visibility: 
Use group defaults

主題: 以電腦輔助醫療相關感染監測與感染管制之實例探討

 

前言: 

以電腦輔助醫療相關感染監測與感染管制的各國實例,並將各系統提供輔助的方法,藉由資訊系統省下來的時間,讓感染管制人員能著力於單位查核等項目,以提升醫療品質與病患就醫的安全性。

 

方法:

1)整合相關病理資料,呈現在友善的介面中,以利醫護人員檢視是否符合醫療相關感染個案標準,簡化判斷作業流程

2)建立醫療相關感染的電腦化規則,美日自動且即時的將符合條件的個案挑出

3)提供流行病學資料供抗生素選用之參考,減少不當使用抗生素

4)運用資料探勘技術,預測感染發生的風險

5)提供感染資料查詢和統計分析

 

說明:

1)整合相關病理資料

感染管制和監測的難題在於有許多特殊案例,利用使用者方便操作的畫面,同時顯示所有需要的資料,幫助感染監測人員做最正確且最有效率的判斷,如設計將可以同時顯示此病人目前疾病的所有併發症、胸部 x 光影像畫面、微生物檢驗結果、抗生素使用狀況以及是否已經判定為其他感染等資料的介面,配合增加備註以及新增感染資料等功能,協助感染監測人員快速的收集及判別感染案例。

 

2)建立電腦化的規則

許多醫院希望建立統一的判別規則,降低可能因經驗及訓練不同造成案例的判別差異,達到品管規院統一的效果。現今電腦化的感染管制系統希望能朝向基於網路 (Web-based) 的系統,或是將規則編寫進入可交流的規則描述語言中,試圖邁向跨平台、跨醫院甚至是跨國家的系統。

故,臺大醫院即基於美國國家疾病管制局規則,並將其做更進一步的定義與解釋,配合電子病歷的推行進度,訂定操作型定義,並將操作型定義程式化,以幫助醫護人員即時掌握最新的感染數據。

 

3)醫用資料探勘技術

資料探勘 (Data mining) 技術是經由自動或半自動的方法探勘及分析大量的資料,以建立有效的模型及規則。

在感染控制的領域中,大都使用在一般感染的預測及感染症的群突發,Shannon CW 等人使用了自迴歸(autoregressive)、迂迴法 (serfling)、trimmed seasonal、wavelet-based 以及廣義線性模式 (generalized linear) 等五種方法,分析 12 年間急診部門有呼吸道感染症狀的掛號病患資料,並另外開發了 expectation-variance model,同時考慮掛號病患的期望值即變異數, 分析預測感染症的群突發。此研究將感染症的群突發分為平緩 (flat)、線性(linear) 以及突發 (spike) 三種爆發定義,使用上述六種預測模型,ROC 曲線 下 面 積 (ROC area) 可 達 到0.86~0.95) ,偵測延遲時間則是1.93~2.43 天不等,可看出此系統提供快速且準確的感染症的群突發預測。

另外在 Heckerling PS 等人的研究中,使用類神經網路 (artificial neural networks) 和基因演算法 (genetic algorithm) 從門診篩出可能是尿路感染的病患資料,作者分析兩年的資料發現,判定是否為尿路感染的重要參數有是否頻尿、尿液是否有臭味、尿液分析中是否有白血球酯酵素 (leukocyte esterase),尿液分析中是否有上皮細胞(epithelial cells) 以及是否有細菌被培養出來等,而這五個參數與尿路感染陽性的可能性 (likelihood ratios) 分布在0.846~1.468 間,判定結果的 ROC 曲線下面積 (ROC area) 則是在 0.79~0.85 間。

 

4)用藥建議與提醒

1986 年 Evans RS 等人使用電腦協助選出不適當的抗生素使用決策,將符合 (1) 帶有敏感菌株卻無使用抗生素;(2) 對已有抗藥性的菌株使用該種抗生素;(3) 可以使用更便宜的抗生素;以及 (4) 使用預防性抗生素過久等四種條件的病人挑出並對醫護人員發出提醒。

在比利時 Ghent 大學以及其附設醫院的研究當中,設計了一套用藥指示系統供加護病房使用,系統提供了數種用藥提醒與提示,包括 (1) 對使用抗生素超過一周的病人發出提醒;(2) 每 24 小時傳送一次抗生素用藥修改紀錄列表給醫護人員;(3) 對符合從靜脈注射抗生素轉換至口服抗生素條件的病人發出提醒;(4) 抗生素感受性試驗結果比較,以及 (5) 利用肌酸酐廓清率 (creatinine clearance)、體重、是否有腹瀉症狀等資料,即時計算抗生素使用劑量等,希望能夠透過這些功能協助抗生素的使用決策,提供醫護人員做參考依據,以減少抗生素的不當使用。

 

5)感染相關資料統計分析

因電子病歷的推行,讓資料的取得與分析都能經由資料庫做進一步的統計分析,醫療相關感染管制輔助系統的好處是,將醫療相關感染案例的詳細資料存在資料庫中,使用簡單的結構化查詢語言 (structured query language, SQL) 就能將資料依照感染日期、感染類別、感染菌株以及感染單位等參數將資料整理出來,配合microsoft excel 、 serial attached SCSI (SAS) 或 是 statistical package for the social sciences (SPSS) 等統計軟體,即可獲得感染控制所需要的統計資料。

除此之外,在臺大醫院使用的感染管制系統中,配合醫院現存基於網路(web-based) 的醫療資訊系統,使用直覺且友善的網頁查詢介面以及microsoft chart control 呈現統計圖表; 使用此系統除瀏覽器外,不需安裝其他分析軟體,醫護人員也不必再將資料做其他處理即可得到所需的數據, 更方便快速的資料統計功能。

 

結論:

感染群突發或醫療相關之異常事件發現機制包括每日監看微生物資料庫,檢驗或檢查單位發現報告,單位同仁自主健康管理,以及單位同仁的主動回報,而資訊系統可協助監看微生物資料庫。實際作業上,最靈敏而迅速的機制經常是單位同仁的臨床觀察,而單位如何有警覺且即時反應給感控單位,乃建立在感管同仁平日定期訪查單位,藉由協助單位進行品管、協助處理群突發事件等,塑立感控專業形象,單位同仁因此知道當懷疑有人、時、地群聚現象,可向感控同仁求助。如此綿密的關係依賴人際間互動及專業訓練,是資訊系統未能取代的。

資訊系統的導入協助感染管制監測作業的時效和精確度,雖然各家醫院的醫療資訊系統有不同的限制與規定,但仍可經由各方面切入並協助醫護人員,譬如前端資料整理、中層的資料篩選以及後端的結果統計等,輔助感控人員做更正確及快速的決策。並將省下來的時間,讓感管人員能著力於同仁的教育,實地稽核及協助單位品管活動等,以提升醫療品質與病患就醫的安全性。