基于互联网医院的川崎病在线诊疗平台的构建与应用

构建基于互联网医院的川崎病在线诊疗平台,在应用与推广中,为专科医师和专病患者提供一种儿科专病全周期规范管理模式。采用对象分析方法开展需求分析,明确川崎病在线诊疗平台的构建方案;以互联网医院为基础,融入多种数字医学技术,提供患者分类及注册管理、人工智能辅助、远程医疗协作、患者随访服务等功能。该平台在全国21个省、市、自治区127家医疗机构中开展应用,有效管理川崎病患者522例,增进交流,锻炼骨干,进一步促进了上海市儿童医院川崎病基础及转化研究成果对其他地区医疗单位在疾病诊治与专病管理中的指导与帮扶作用。基于互联网医院的在线诊疗平台对川崎病专病患者管控有效,有助于儿科专病精准诊治与远期管理体系构建,充分凸显数字医学“组合拳”效应。

基于标准数据集的川崎病相关静脉注射免疫球蛋白无应答预测模型研究

目的基于标准数据集,进一步验证川崎病(KD)相关静脉注射免疫球蛋白(IVIG)无应答预测模型的预测效能及其临床应用潜能。方法回顾性分析2020年1月—2023年3月在上海市儿童医院(上海交通大学医学院附属儿童医院)住院且发热≥3 d的906例患儿资料。依据诊断和纳排标准,共纳入687例患儿资料及其对应的98项检查指标作为研究对象。其中,经IVIG治疗且治疗时间≤48 h,仍发热但排除感染等因素,或7 d内再次出现发热或IVIG治疗次数≥2次的患儿诊断为KD相关IVIG无应答。基于logistic回归模型和决策树模型,构建KD相关IVIG无应答预测的特征向量空间模型及其预测流程,并对预测模型进行训练和分析。进一步对嵌套KD相关IVIG无应答预测模型的“川崎病免疫球蛋白治疗敏感性预测软件”的预测准确率进行验证,以验证模型的临床应用效果。结果549例(79.9%,549/687)患儿被随机分入训练集,其中KD相关IVIG无应答患儿79例,纳入IVIG无应答组,KD相关IVIG应答患儿470例,纳入IVIG应答组。138例(20.1%,138/687)患儿被随机分入测试集,其中KD相关IVIG无应答患儿23例,应答患儿115例。根据课题组前期构建的KD相关IVIG无应答预测模型进一步对687例患儿资料及其98项检查指标进行决策树分析,结果显示铁蛋白1(ferritin1)>248 ng/mL时,共发现76例样本,IVIG治疗应答48例,IVIG治疗无应答28例。ferritin1≤248 ng/mL、APTT>35.7 s、D二聚体>4.14 mg/L时,共发现10例样本,均为IVIG治疗应答患儿。应用数据集对IVIG无应答预测模型进行验证,结果显示IVIG无应答组AST、纤维蛋白降解产物、CRP和中性粒细胞与淋巴细胞比值均显著高于IVIG应答组,血清白蛋白显著低于IVIG应答组(P<0.001或0.01)。Pearson相关性分析结果显示,上述各检验指标间均无显著相关性(P值均<0.05)。logistic回归分析结果显示,KD相关IVIG无应答预测模型ROC的AUC为0.6300(95%CI为0.5709~0.7127),其灵敏度和特异度分别为0.72和0.88。将本研究纳入的687例患儿资料输入“川崎病免疫球蛋白治疗敏感性预测软件”,结果显示528例患儿预测结果与患儿病历资料中的症状、体征、治疗效果的描述一致,预测准确率为76.86%。结论基于标准数据集的KD相关IVIG无应答预测模型,为KD诊疗软件的开放和辅助临床治疗提供了数据基础,具有一定的临床应用潜能。但该模型及其衍生的软件或平台的预测效能有待进一步完善。

基于临床数据隐私与脱敏管理的川崎病专病库系统的构建与应用

川崎病(Kawasaki disease, KD)是一种好发于5岁以下儿童的急性自限性血管炎性疾病。为了降低KD患儿心脏疾病的发生率及病死率,临床科研聚焦在KD的诊断和治疗方面,以期提高KD的临床诊治和研究水平。为充分利用临床诊疗数据,在临床数据隐私和脱敏管理的基础上,构建了KD专病库系统。通过对数据进行分类、分级管理和不同的脱敏规则管理,根据数据分级的目录,匹配设置不同的脱敏规则,从而实现全维度的综合搜索以帮助建立KD研究队列。在建立KD专病库系统基础上结合数据处理、数据分析、模型训练等工具,实现KD专病的辅助决策等模型构建,为提高疾病的诊治水平提供了基于大数据的支撑与服务。目前,该专病系统已采集超过3 600例患者的专病数据,包含629项结构化指标和93项非结构化指标,有效支撑了KD辅助诊疗模型等科研的分析和应用。