为未来的流行病做好准备:自动化重症监护电子健康记录数据提取以加快临床洞察力

科学领域:

• 密集护理医学 密集护理医学
• 医疗信息学 医疗信息学
• 临床研究方法论 临床研究方法论

背景情况:

• 从电子健康记录 (EHR) 中手动抽取数据用于重症监护研究是耗时且困难的,特别是在大流行期间.
• 自动数据提取提供了一个潜在的替代方案,但也引起了对数据质量的担忧.
• 这项研究评估了在COVID-19大流行期间用于重症监护研究的自动数据提取的可行性和可信性.

研究的目的:

• 评估用于重症监护研究的EHR自动数据提取的可行性和可信性.
• 将自动数据提取的结果与使用手动数据抽象的先前研究进行比较.
• 评估来自自动提取数据的通风指数的预后值.

主要方法:

• 从COVID-19的重症监护病人的日常收集的数据是从COVID-Predict荷兰数据仓库中提取的,使用自动化方法.
• 数据包括人口统计,药物,实验室结果和监测设备信息.
• 使用自动化数据计算通风指数 (例如,哈里斯 - 贝内迪克特死空间分数,通风比,PaCO2比),并将其预后值与使用手动抽象的先前研究进行比较.

主要成果:

• 使用自动提取数据复制之前的一项研究显示,通风指数及其与死亡率的关联具有类似的趋势.
• 哈里斯 - 贝尼迪克特死亡空间分数和呼吸器比率在未幸存者中较高,并与死亡率增加有关.
• 二氧化碳比率的潮末至动脉部分压力与死亡率相反相关.
• 在风险调整后,受损的通风标志物与28天死亡率没有显著关联.

结论:

• 从EHR中自动提取数据是密集护理研究的可行和可信方法.
• 手动数据抽象可能不必要,这表明自动提取是一种可靠和可扩展的解决方案.
• 自动数据提取可以加速临床见解,特别是在流行病等公共卫生危机期间.