一个由FHIR驱动的SENECA算法用于败血症亚型的Python实现
Andrew J King1, Christopher M Horvat1, David Schlessinger2
1University of Pittsburgh School of Medicine, Critical Care Medicine, Pittsburgh, Pennsylvania, United States.
Applied clinical informatics
|November 7, 2025
概括
HL7 快速医疗互操作性资源 (FHIR) 能够在卫生系统中进行败血症亚型化,以丰富临床试验. 数据提取的挑战和缺少的信息需要进一步关注多机构败血症研究.
科学领域:
- 生物医学信息学 生物医学信息学
- 临床研究 临床研究
- 关键护理医学 关键护理医学
背景情况:
- 败血症是一种复杂的综合征,死亡率高,需要有效的治疗策略.
- 败血症治疗的进展有限部分是由于缺乏可行的败血症亚型.
- 临床试验丰富需要可靠的方法来分层患者.
研究的目的:
- 评估使用HL7快速医疗互操作性资源 (FHIR) 在患者随机化之前用于败血症亚型的可行性.
- 通过标准化败血症亚型来支持多机构临床试验丰富.
- 用FHIR资源评估毒症亚型算法的技术实施情况.
主要方法:
- 分析了来自两个学术医疗中心的765例患者接触的数据.
- 从研究数据仓库和电子健康记录中提取FHIR资源.
- 开发了一个Sepsis Endotyping in Emergency Care (SENECA) 算法的Python实现,以处理FHIR数据.
主要成果:
- 在参与的两种卫生系统中,败血症亚型成功执行.
- 塞内卡算法的Python实现与原来的R实现显示一致.
- 研究数据仓库和EHR集成的FHIR API数据之间观察到差异,归因于查询限制.
- 缺失的数据普遍存在,受临床实践和FHIR API限制的影响.
结论:
- HL7 FHIR可以促进多机构的败血症亚型和临床试验丰富.
- 需要解决技术和数据治理方面的挑战,包括数据提取的限制和缺失的数据.
- 提供了建议,以克服实施基于FHIR的败血症亚型识别所面临的挑战.
