Hogyan Lehet Intenzív Kezelésre Szoruló Betegeket Osztályozni
Hogyan Lehet Intenzív Kezelésre Szoruló Betegeket Osztályozni

Videó: Hogyan Lehet Intenzív Kezelésre Szoruló Betegeket Osztályozni

Отличия серверных жестких дисков от десктопных
Videó: SE AITK: korai mobilizáció 2023, Január
Anonim

Egy új számítógépes modell elemzi, hogy mikor fogadják be az embereket az intenzív osztályokba, és mikor kell őket elköltöztetni, ami segíthet az orvosoknak a koronavírus-túlfeszültség kezelésében.

Hogyan lehet intenzív kezelésre szoruló betegeket osztályozni
Hogyan lehet intenzív kezelésre szoruló betegeket osztályozni

A COVID-19-ben szenvedő betegek elárasztották Olaszországban a kórházakat, és arra kényszerítették az orvosokat, hogy kínzó döntéseket hozzanak arról, hogy kinek kell életmentő ellátást kapniuk. A betegek túlfeszültségei hamarosan szorongató döntéseket követelhetnek az Egyesült Államok intenzív osztályaiban is. Csütörtökig több mint 13 000 megerősített eset történt az Egyesült Államokban, és az országos halottak száma 175-re nőtt.

Februárban az Operations Research egyik tanulmánya matematikai modellezéssel határozta meg, hogy milyen típusú triage-politika hasznos lehet egy intenzív osztályon egy ilyen hullámzás idején. A tanulmány elemezte azokat a körülményeket, amikor a betegeket korlátozott ágyú hipotetikus intenzív osztályra való felvétel céljából sorba lehet állítani, vagy állapotuk megváltozásával általános osztályra vihetik át őket. A cél az volt, hogy olyan heurisztikus vagy ökölszabályt találjanak a klinikusok számára, amelyek minimalizálják az összes beteg átlagos halálozási arányát az idő múlásával, ami a triagia célja a való világban.

"Sokszor az egészségügyi szakemberek valóban arra koncentrálnak, hogy ezt az egy döntést hozzák meg az előttük álló páciens számára" - mondja Laura Albert, a Wisconsini Egyetem Madison rendszermérnöke, aki nem vett részt a vizsgálatban.. „Nagyon nehéz, amikor meg kell kérniük a beteget, hogy várjon, mert ez még sok életet ment meg a rendszerben. Ezek a heurisztikák valóban értékesek a szolgáltatók számára, mert különben olyan nehéz nekik felhívniuk ezt a hívást pillanatnyilag.”.

Számítógépes szimulációk segítségével a kutatók heurisztikát alkalmaztak, amely meghatározta, hogy ki kerüljön be az ICU ágyába, megbecsülve, hogy az egyes betegek túlélési esélyei mennyivel nőttek az ottlét mellett, majd elosztva a számot annak a napnak a számával, amelynek az adott személynek valószínűleg szüksége lesz a tartózkodásra. Azokat a személyeket részesítettük előnyben, akik aránya a legmagasabb volt. A kutatók azt is megvizsgálták, hogy a heurisztika hogyan működött, amikor további beteg-egészségügyi feltételeket adtak hozzá.

A tanulmány összehasonlította a heuristic kollektív halálozási arányát a lehetséges triage forgatókönyvekével. Az egyik szabály biztosította az ágyakat az érkezési sorrendben. Egy másik olyan beteget bocsátott ki, akinek a legkevésbé valószínű, hogy az általános osztályon rosszabbul jár, hogy helyet biztosítson újaknak. A harmadik megközelítés véletlenszerűen bocsátott ki embereket az intenzív osztályról, amikor új betegek érkeztek.

Összességében a heurisztikus arány azokat a betegeket tekintette prioritásnak, akik várhatóan a legnagyobb ellátást kapták minden nap, amikor ICU ágyat foglaltak el. A tanulmány társszerzője, Nilay Argon, a Chapel Hill észak-karolinai egyetemének operációkutatója szerint különösen értékes volt, ha az egyén állapota javult vagy súlyosbodott tartózkodása alatt. "Amint megváltoztatják az állapotot, a triagiát újra alkalmazni kell" - mondja Argon. Az intenzív osztályokon végzett triage-döntések korábbi működési modelljei nem tekintették a páciens állapotának eltérővé válását - teszi hozzá.

Lehet, hogy az első sorban járó megközelítés, amelyet a kínai Wuhan egyik kórházában alkalmaztak, amikor a koronavírus terjedni kezdett, nem volt a legjobb stratégia. Shu-Yuan Xiao, a Chicagói Egyetem patológusa ekkor Wuhanban tartózkodott, és látta, hogyan reagálnak az egészségügyi dolgozók. Még asszisztált is nekik. "A kórházak túlterheltek" - mondja Xiao. Egyszerűen nem volt ennyi ICU-juk, és az ICU-knak az elején jött az első, az első szolgálat politikája, ami hozzájárulhatott a város kezdeti magas halálozási arányához.

"Az egészségügyi ellátás csak olyan jó, mint a rendelkezésünkre álló erőforrások, és az [egy beteg számára] rendelkezésre álló források valójában annak függvénye, hogy miként kezel más betegeket" - mondja Albert. „Nem mindig hozhatja ezeket a kezelési döntéseket elszigetelten. És ezt akkor látjuk igazán, amikor nagy a beteg-hullám.”.

Edieal Pinker, a Yale Egyetem operációkutatója szerint egy ágy lefoglalása a súlyos kritikus betegek számára - az alapjáratnak nevezett gyakorlat - amikor a kevésbé kritikus egyének várnak, még egy összetettségi réteget eredményez. "Miután bekötötte azt az ágyat, elzár valakit" - mondja. - Nehéz döntés, mert azt mondod egy páciensnek, aki most előtted van [hogy] ezt nem kaphatja meg. Ezt az emberek nehezen tudják megtenni, ezért útmutatásokra és fegyelemre van szükséged. " Az új tanulmány csak a nem zökkenőmentes politikákkal foglalkozott.

Hasonlóan az új modell jelzéséhez, amikor egy alacsony gyógyulási eséllyel rendelkező beteg sok napig köti az ICU ágyát, és több más beteg is stabilizálódhat ebben az ágyban, mondja Pinker, a klinikusoknak meg kell hozniuk a döntést a költözésről hogy a beteg a palliatív ellátásra. "A fertőző COVID-19 beteg áthelyezésekor az a veszély áll fenn, hogy olyan helyre van szüksége, ahová áthelyezheti őket, ahol végül nem fogja tovább terjedni a vírust" - teszi hozzá.

A modellek nem feltétlenül a végső válaszok - mondja Jennifer Horney, a Delaware Egyetem Katasztrófakutató Központjának epidemiológusa. Figyelmeztet arra, hogy a beépített feltételezések nem valósulhatnak meg valós forgatókönyvként. "Úgy gondolom, hogy a [modelleket] egy tervezési eszköz részének tekinthetjük" - mondja. De "fontos, hogy ésszerű legyünk, amikor a modellezésből származó adatokat felhasználva megpróbáljuk megjósolni, mi fog történni egy valós helyzetben." Horney szerint az esemény utáni tanulmányok, amelyek egy valódi járvány, például a 2009-es H1N1-járvány után az egészségügyi intézményektől gyűjtenek adatokat, és amelyek segítségével megjósolják, mi fog történni egy hasonló eseményben, előnyösebbek lehetnek azoknál a modelleknél, amelyek feltételezéseket tesznek arra, hogy lehet, hogy nem játszik.

Valójában túl korai lehet, hogy a kórházak alkalmazzák az új tanulmány heurisztikáját a COVID-19 beteg túlfeszültségére. Az egyik nehézség a betegség túlélhetőségére vonatkozó adatok hiánya - mondja Scott Levin, a Johns Hopkins Orvostudományi Egyetem orvosbiológiai mérnöke, aki elektronikus egészségügyi osztályozási rendszert tervezett Johns Hopkins számára, az egészséget használó gépi tanulási program számára. rögzítsen adatokat, hogy segítsen besorolni a sürgősségi betegeket. "Valójában nincs sok történelmi adatunk arról, hogy ki részesülhet az intenzív osztályon" - mondja. Ahogy az adatok halmozódnak, Levin szerint a frissített modellek olyan triage-ajánlásokat hozhatnak létre, amelyek jobban illeszkednek a COVID-19-hez kapcsolódó eseményekhez.

Hatékony túlélési adatok nélkül a rugalmasság kulcsfontosságú lesz a koronavírusos betegek túlfeszültségének kezelésében - mondja Pinar Keskinocak, a georgiai technológiai intézet rendszermérnöke. Szerinte fontos, hogy az egészségügyi rendszerek rendszergazdái és a döntéshozók a dobozon kívül gondolkodjanak el arról, hogyan lehet módosítani a munkafolyamatot és a folyamatokat.

Az egyik példa Demetrios Kyriacou, az Északnyugati Emlékkórház sürgősségi osztályának orvosától származik - a triagia első sora, amely körülbelül 100 ággyal rendelkezik. Kyriacou szerint a kórház katasztrófavédelmi bizottsága megvitatta a triagia területének a létesítmény más részeire történő kiterjesztését, még egy mentőállomást is beleértve, ha erre szükség lenne. "Ha korábban beavatkoztunk volna a beteg emberek elszigetelésére, azt hiszem, sokkal kevésbé problémás járványunk lenne ebben az országban" - mondja.

A koronavírus kitöréséről itt olvashat bővebben.

A téma által népszerű