基于随机森林算法的脓毒症患者院内死亡风险预测研究

目的基于脓毒症患者院内死亡预测中因机器学习样本类别不平衡导致敏感度过低的问题,构建一种新的基于平衡随机森林(Balanced Random Forest,BRF)算法的预测模型。方法从MIMIC-Ⅲ公开数据库中获取符合脓毒症(Sepsis-3.0)标准患者的17个时间序列变量数据,截取入住ICU后最初48 h的数据,计算出17个变量的714个统计特征,将其用于模型构建和性能评估。利用曲线下面积(Area Under Curve,AUC)和修正的几何平均值(Adjusted Geometric-Mean,AGM)进行超参调优。除BRF算法模型外,还与传统的逻辑回归和随机森林(Random Forest,RF)算法模型性能进行比较。结果最终筛选出10270例有ICU住院经历的脓毒症患者,院内总体死亡率为18.04%。各种模型性能测试结果表明,基于样本类别不平衡的机器学习模型的预测敏感度显著提高,其中RF-AGM模型最低,为0.1826(95%CI:0.1351~0.2322),BRF-AGM模型提高到0.7110(95%CI:0.6537~0.7677),利用新的预测模型,将会发现更多面临死亡的患者并及时给予救治。BRF-AGM模型的AUC、AGM和特异性分别达到了0.7994(95%CI:0.7696~0.8288)、0.7282(95%CI:0.7046~0.7519)和0.7349(95%CI:0.7101~0.7590)。结论BRF-AGM模型在ICU脓毒症患者死亡预测方面具有巨大应用潜力,可以避免临床医生延误治疗患者,这对改善患者预后具有重要意义,但BRF-AGM模型的临床效用还需要前瞻性多中心研究来进一步评估。

基于区块链技术的医院诚信服务体系应用讨论

目的:在"互联网+"时代,运用区块链技术加强医院诚信服务体系。方法:将区块链技术运用于医疗电子病历管理、疾病管理、诊疗过程支付管理、医疗耗材和药品供应链管理等多方面。结果:区块链技术的特点可从技术上保证网络数据的准确性,从而提高医院诚信度。结论:将区块链技术运用于医疗服务,能有效加强医院服务的诚信度。

推动信息闭环管理 提升患者安全水平

信息化技术正在给医疗机构带来创新性革命,数据驱动医疗管理也有了越来越多的实际应用场景。在患者安全管理方面,近年来,广东省广州市妇女儿童医疗中心通过数据驱动临床业务闭环管理,让医院患者安全水平得到了切实提升。提升患者安全要有信息化助力传统方式下,医疗机构对患者安全的管理,往往是事后发现问题,通过管理手段进行干预,再持续追踪。

基于医院信息平台的手术麻醉信息闭环管理

随着计算机网络技术在医疗卫生行业的深入应用，国内越来越多的医院在完成HIS、LIS、PACS等业务系统建设的基础上，开始构建并应用手术麻醉信息系统，以保障全院手术麻醉的质量和安全。麻醉、镇痛和手术干预是医院中常见而又复杂的医疗过程，需要全面综合地实施患者评估、整体治疗计划、持续的患者监测以及按照指征进行转诊。在现有的技术条件下，可以通过信息系统加以实现。但是到目前为止，很多医院虽有手术麻醉系统并与HIS、LIS系统进行患者数据共享，但仍然没有达到卫生部电子病历标准中对麻醉手术医疗信息闭环管理的要求。我中心在卫生部电子病历（EMR）六级标准建设实践中对手术麻醉信息加强了闭环管理，介绍如下。