匹茲堡，2021年11 月 17 日——通過將機器學習與全基因組測序相結合，匹茲堡大學醫(yī)學院和卡內基梅隆大學的科學家們大大改進了醫(yī)院環(huán)境中傳染病爆發(fā)的快速檢測，而不是傳統(tǒng)的爆發(fā)跟蹤方法。
今天發(fā)表在《臨床傳染病》雜志上的結果表明，衛(wèi)生系統(tǒng)可以通過一種方式識別并阻止基于醫(yī)院的傳染病爆發(fā)，從而降低成本并挽救生命。
“醫(yī)院目前用于發(fā)現(xiàn)和阻止患者之間傳染病傳播的方法已經過時。這些做法都沒有顯著在一個多世紀以來改變了，”資深作家李·哈里森，醫(yī)學博士，教授說，在醫(yī)學皮特的學校傳染病和流行病學在公共衛(wèi)生皮特的研究生院。“我們的流程會檢測到重要的，否則這些可能會被傳統(tǒng)感染預防監(jiān)測所忽視。”
醫(yī)療保健相關傳輸?shù)脑鰪姍z測系統(tǒng) (EDS-HAT) 將最近開發(fā)的經濟實惠的基因組測序與連接到電子健康記錄中大量數(shù)據(jù)的計算機算法相結合。當測序檢測到醫(yī)院中任意兩名或更多患者感染幾乎相同的菌株時，機器學習會快速挖掘這些患者的電子健康記錄以尋找共性——無論是靠近病床，還是使用相同設備的程序或共享醫(yī)療保健提供者——提醒感染預防專家調查并阻止進一步傳播。
通常，這個過程需要臨床醫(yī)生注意到兩個或更多患者有類似的感染，并提醒他們的感染預防團隊，然后他們可以查看患者記錄以試圖找出感染是如何傳播的。
主要作者、公共衛(wèi)生碩士、CIC、FAPIC、臨床研究協(xié)調員和 Pitt Public 的博士生 Alexander Sundermann 說：“這是一個令人難以置信的勞動密集型過程，通常依賴于忙碌的醫(yī)護人員注意到患者之間的共同感染。”健康。“如果患者在醫(yī)院的同一病房，這可能會奏效，但如果這些患者在不同病房，擁有不同的醫(yī)療團隊，并且唯一共享的鏈接是訪問手術室，那么在其他病房之前發(fā)現(xiàn)爆發(fā)的機會患者被感染的人數(shù)急劇下降。”
從 2016 年 11 月到 2018 年 11 月，UPMC 長老會醫(yī)院針對一些通常與全國范圍內的醫(yī)療保健獲得性感染相關的精選傳染性病原體運行了 6 個月的 EDS-HAT，同時繼續(xù)采用實時的傳統(tǒng)感染預防方法。該團隊隨后調查了 EDS-HAT 的性能如何。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！