Zobacz publikację - System Informatyczny Redukcji Szpitalnych
Transkrypt
Zobacz publikację - System Informatyczny Redukcji Szpitalnych
E-health : Systemy Informatyczne Redukcji Zakażeń- zakażenia szpitalne Andrzej Jarynowski ([email protected]) Uniwersytet Jagielloński w Krakowie / Instytut Badań Interdyscyplinarnych we Wrocławiu 1. Wstęp Na świecie pojawia się wiele nowych zastosowań, których tematem jest e-health („ezdrowie”) oraz m-health („zdrowie w telefonie”) w obecnej dobie cyfrowej. W literaturze oraz w praktyce epidemiologicznej niewiele miejsca wciąż jednak się poświęca narzędziom informatycznym pozwalającym na automatyczne szacowanie ryzyka zakażenia. Dodatkowo informatyzacja w służbie zdrowia w Polsce ogranicza się głównie do obsługi księgowofinansowej mimo ogromnych możliwości telemedycyny. Naszym celem jest stworzenie darmowych aplikacji komputerowych które pozwalałaby określać prawdopodobieństwa zakażenia. Aktualnie opracowujemy platformę dla: - zakażeń szpitalnych (http://www.sirsz.uj.edu.pl); Użytkownicy naszych programów będą mieli możliwość bezpłatnie i w dowolnym czasie oszacować szansę zakażenia na podstawie posiadanych informacji. Aplikacja „szpitalna” ma wspierać pracę epidemiologa w obszarze zakażeń szpitalnych. Rys. 2 Layout pilotażowej wersji oprogramowania Celem projektu jest stworzenie bezpłatnej aplikacji desktopowej (na licencji wolnej i otwartej) wspierającej pracę epidemiologa szpitalnego w obszarze zakażeń szpitalnych (bakteryjnych, wirusowych, grzybiczych i pasożytniczych). Docelowym przeznaczeniem modeli przez nas rozwijanych jest odtworzenie najbardziej prawdopodobnych ścieżek zakażeń HAI (ang. hospital acquired infections) oraz klasyfikacja jednostek do różnych grup ryzyka, czego rezultatem długoterminowym może być zmniejszenie liczby zakażeń szpitalnych. W ostatnich latach szpitale najbardziej poprawiły się pod względem informatyzacji i w niektórych placówkach informatyzacja jest mocno zaawansowana. Startujemy z naszym projektem akurat kiedy szpitale będą w stanie przyjąć nasze rozwiązanie i w ciągu 2 lat od zakończenia naszego projektu placówki pragnące być nazywane „bezpiecznym” czy „innowacyjnym” szpitalem, będą miały szanse wykazać to używając naszego (darmowego) narzędzia. Stosowanie naszego systemu kontroli zakażeń da szpitalom, obok oczywiście narzędzia ułatwiającego prewencję, korzyść w postaci skutecznej obrony prawnej w przypadku zarzutów lub roszczeń finansowych ze strony pacjentów czy personelu, jeżeli dojdzie do takiego zdarzenia, czy dodatkowych punktów w kontraktowaniu z ubezpieczycielem 2. Materiały i metody Algorytm szpitalny działa na podstawie danych z rejestru przyjęć i zwolnień pacjentów z poszczególnych jednostek podrzędnych szpitala (sale, kliniki itp.); układu topologicznego szpitala oraz rejestru personelu medycznego. Rozwój technik komputerowych ułatwiających gromadzenie i analizowanie dużych ilości danych, umożliwił dokładne zbadanie struktury sieci rzeczywistych kontaktów oraz procesów epidemiologicznych występujących na nich. Ponieważ główną drogą rozprzestrzeniania się chorób zakaźnych są kontakty interpersonalne, struktura sieci tych kontaktów ma istotny wpływ na dynamikę oraz rezultaty epidemii. Zakażenie szpitalne to takie zakażenie, które powstaje i rozwija się w trakcie pobytu chorego w szpitalu (lub po jego opuszczeniu), rozpoznane klinicznie i potwierdzone laboratoryjnie jest zakażeniem szpitalnym niezależnie od tego czy czynnika chorobotwórczy jest pochodzenia endogennego (autogennego) czy egzogennego. W środowisku szpitalnym mamy do czynienia z charakterystycznymi zjawiskami: - łatwość przenoszenia się patogenów (sale, oddziały, szpital, szpitale); - kolonizacja tymczasowa i permanentna personelu i chorych; - ciężki, często śmiertelny przebieg zakażenia u pacjentów z obniżoną odpornością (po interwencjach chirurgicznych, noworodki) - wieloodporność na stosowane antybiotyki i chemioterapeutyki (przenoszenie genów oporności) Czego negatywnym efektem jest: - wydłużony pobyt pacjenta w szpitalu; wysokie koszty leczenia -odszkodowania, które szpital powinien płacić. Rys. 2 Topografia szpitala ze ścieżkami pacjentów Projekt to przyjazna dla użytkownika aplikacja do wyznaczania najbardziej prawdopodobnych ścieżek zakażeń (na podstawie agentowego algorytmu procesów Markowa – Monte - Carlo MCMC wykorzystujący analizę sieci społecznych SNA), klasyfikacja grup ryzyka, identyfikacja ognisk (miejsc i osób). Wieloaspektowość ludzkich zachowań utrudnia zastosowanie modeli explicite. Istnieją jednak tak zwane „instytucje totalne”, takie jak szpitale, zakłady zamknięte itp., gdzie kontrolowana jest znaczna część aktywności społecznych, które właśnie odpowiadają za szerzenie się chorób. Rys. 3. Modelowe kontakty szpitalne Rys. 4. Empiryczne łańcuchy zakażeń (najbardziej prawdopodobne) na postawie kontaktów 3. Wyniki badań Obie aplikacje są na etapie testów. W projekcie szpitalnym poszukujemy obecnie polskich szpitali do wdrożenia, a do tej pory opracowaliśmy algorytm wzorcowy na danych szwedzkich. Algorytm działa na podstawie danych z rejestru przyjęć i zwolnień pacjentów z poszczególnych jednostek podrzędnych szpitala (sale, kliniki itp.) oraz rejestru pracowników służby zdrowia. Dane są wprowadzone ręcznie przez pracownika szpitala, bądź importowane z systemu informatycznego służby zdrowia, a następnie wyniki działania algorytmów zostają zaprezentowane szpitalnemu epidemiologowi, bądź osobie pełniącej tą funkcję w celu interpretacji oraz wykorzystaniu w kontroli prewencji. W celu zapewnienia bezpieczeństwa danych aplikacja będzie miała charakter dekstopowy. Zostanie ona napisana w Javie (będzie niezależna od systemu operacyjnego i zadziała pod Windowsem, Linuxem, czy Macintoshem), bądź C# (pod Windows) w zależności od preferencji epidemiologów. Na kolejnym poziomie struktury sieciowej wprowadzone zostały modele epidemiologiczne (połączenie na sieci między ludźmi może stanowić drogę przeniesienia patogenu, jeżeli jedna z osób była zarażone). W naszym algorytmie wykorzystamy wstępne rejestry zawierające informacje o wszystkich wizytach pacjentów w Hrabstwie Sztokholmskim w czasie epidemii (1999-2006) kiedy zdiagnozowano ponad 1300 przypadków HAI (MRSA). Wyznaczyliśmy macierze potencjalnej transmisji patogenu wśród pacjentów. Za główne czynniki ryzyka przyjęliśmy: przebywanie w tej samej sali z innym zarażonym (zakażenia bezpośrednie) oraz kontakt z potencjalnie skolonizowanymi pracownikami medycznymi (zakażenia pośrednie). Epidemia została również podzielona na mniejsze okna czasowe w celu użycia metody MCqMC (Markov Chain quasi Monte Carlo) pomagającej nam zrozumieć rzeczywiste i zasymulowane ścieżki zakażeń. Właśnie poprzez symulacje komputerowe (np. model Isinga z algorytmem Metropolisa), możemy obserwować ewolucję epidemii w czasie, jak również uzyskać najbardziej prawdopodobne ścieżki zakażeń (w rozumieniu odległości Hamminga). Docelowy model pozwali określić prawdopodobieństwo poszczególnych elementów ścieżki, uzyskane ścieżki jednak rzadko w sposób jednoznaczny wskazują na jedyną możliwą realizacje procesu epidemicznego. Rys. 5. Empiryczne łańcuchy zakażeń (wszystkie możliwe) na postawie kontaktów Rys. 6. Koncepcja aplikacji szpitalnej Realizacja projektu wpłynie na poprawę jakości życia polskiego społeczeństwa poprzez poprawę jakości opieki szpitalnej (miliony pacjentów rocznie będzie bezpieczniejszych). Realizacja projektu umożliwi dzięki wykorzystaniu innowacyjnego narzędzia wyeliminowanie powstania części zakażeń szpitalnych poprzez wczesną identyfikację ich źródeł. Ze względu na otwarty typ licencji aplikacja SIRS-Z przyczyni się do podejmowania nowych inicjatyw społecznych głównie o charakterze naukowym, ponieważ będzie stanowiła fundament, do którego, poprzez dobudowywanie dodatkowych modułów, specjaliści będą mogli uzyskać nowe możliwości badawcze. Co w efekcie przyczyni się do wzrostu liczby wdrożeń innowacyjnych rozwiązań technicznych. W związku ze nadużywalnością antybiotyków, procesami demograficznymi (wydłużeniem długości życia), zmniejszeniem umieralności podczas operacji podstawowych, zakażenia szpitalne stały jednym z najpoważniejszych wyzwań współczesnej służby zdrowia. Zakażeń nie da się całkowicie wyeliminować, ale można znacznie zminimalizować ich występowanie. Proponowana aplikacja ma wyjść na spotkanie tym zmianom społeczno–demograficzno technologicznym i uzbroić „Innowacyjny Szpital” w nowoczesne, wspierane komputerowo narzędzia epidemiologiczne bazując na zaawansowanym naukowo modelowaniu matematycznym. Do tego celu wykorzystana zostanie innowacyjna metoda sieci społecznych. Analiza sieci społecznych to nowoczesne i zyskujące na popularności narzędzie pozwalające badać skomplikowane relacje pomiędzy pacjentami i personelem. Na empirycznej sieci kontaktów mają miejsce dynamiczne procesy rozprzestrzeniania się patogenów. Na podstawie nowoczesnych rozwiązań modelowania epidemiologicznego efektem są wyniki pomagające w kontroli i prewencji zakażeń szpitalnych. Cyfrowa epidemiologia (technika rozwijana w tym projekcie) to również nauka przyszłości, ponieważ możliwość analizy ogromnej liczby danych (Big Data) niskim kosztem pozwala na optymalizacje procesów medycznych. Żyjemy w społeczeństwie informacyjnym, gdzie indywidualne dane medyczne mogą zostać wykorzystane w celu poprawy bezpieczeństwa epidemiologicznego, jak to postulujemy we wniosku. W tej sytuacji wspomaganie podejmowania decyzji w zakresie zarządzania procesem terapeutycznym hospitalizowanych pacjentów staje się niemal koniecznością. W dobie rozwoju technologii informatycznych wspomaganie tych procesów przez inteligentne systemy komputerowe wyposażone w bazy wiedzy dziedzinowej wydają się najlepszym rozwiązaniem tego problemu. Może się to np. wiązać z wyznaczaniem przez te systemy preferowanych lub wręcz zalecanych procedur postępowania w konkretnych przypadkach i sytuacjach (standaryzacja procedur medycznych i organizacyjnych), czasem utożsamiane z zarządzaniem wiedzą. 4. Dyskusja Proponowane narzędzia bazują na dorobku naukowym w tej dziedzinie i wykorzystujemy parametry dotychczas opracowane jako konsekwencja medycyny opartej na faktach. (Zastosowanie modeli epidemiologicznych w zarządzaniu zdrowiem publicznym już od końca drugiej wojny światowej ma wpływ na decyzje najważniejsze (jak objęcie programem szczepień określonej części populacji) oraz te codzienne (jak wybór sposobu leczenia pojedynczego pacjenta). Jednak nowy obszar stosowania tych modeli został otwarty wraz z powstaniem nowej dziedziny nauki jaką są sieci złożone. Wypracowane teoretycznie schematy wraz z dokładnymi danymi na poziomie indywidualnych pacjentów (nie tylko medycznymi) pozwalają na naświetlenie wielu nieznanych dotąd aspektów roznoszenia się chorób zakaźnych. Przełom w opisie epidemii nastąpił przy badaniu zwierząt hodowlanych, ze względu na dostęp do wszelkich danych dotyczących tych zwierząt (co u ludzi jest praktycznie niewykonalne) oraz możliwość prowadzenia eksperymentów w postaci kontrolowanych epidemii (nie do powtórzenia w przypadku ludzi). Wieloaspektowość ludzkich zachowań utrudnia zastosowanie tych modeli explicite. Istnieją jednak tak zwane „instytucje totalne”, takie jak więzienia, szpitale, zakłady zamknięte itp., gdzie kontrolowana jest znaczna część aktywności społecznych, które właśnie odpowiadają za szerzenie się chorób. Naszym polem badań są właśnie szpitale, ze względu na zamkniętą sieć kontaktów międzyludzkich oraz występowaniem patogenów (HAI, czyli szpitalne zakażenia) specyficznych tylko dla tego typu miejsc. Ze względu na drogę wykorzystamy w naszym badaniu najważniejsze sieci kontaktów społecznych: pacjent-pacjent; pacjent – personel; pacjent – personel – pacjent, personel – pacjent; oraz dodatkowo w postaci poza zewnętrznego uwzględnimy środowisko – pacjent. Wszystkie patogeny przenoszone tymi ścieżkami kontaktu mogą być badane proponowanym oprogramowaniem i należą do nich takie czynniki etiologiczne (najważniejsze zostały wyróżnione) jak: • bakterie - należące do flory fizjologicznej, szczepy szpitalne oporne na antybiotyki – MRSA, VRE, gram-ujemne wytwarzające beta-laktamazy, ESBL(+), Pseudomonas, Acinetobactet ... • wirusy - przenoszone drogą krwi: HBV, HCV, HIV, jelitowo-pokarmowe: HAV, Rotavirus, Norwalk, oddechowe: Influenza, RSV ... • grzyby – Candida, Aspergillus, Rhizopus ... • pasożyty – Pneumocystis carini, Toxoplasma gondii, Cryptosporidium, Giardia lamblia, wszy, pchły, roztocza (świerzb) ... Rys. 7. Wynik działania aplikacji szpitalnej – ścieżki przechodzące przez danego pacjenta jako ryzyko jego zakażenie oraz jego zarażania (siewca) 4. Wnioski Ze wstępnych analiz udało się już na podstawie zagranicznych danych szpitalnych opracować algorytmy klasyfikujące pacjentów do grup ryzyka, co może pomóc w aktywnej profilaktyce zakażeń szpitalnych. Obecnie wyzwania nauk medycznych, gdzie poprzez dostępność i ogrom cyfrowych danych dotyczących działań, np. w Internecie, powstała przestrzeń do zastosowań innowacyjnych dla nauk o zdrowiu technik. Mowa tu o metodach ekstrakcji informacji jak analiza hierarchiczna, analiza sieci społecznych, czy przetwarzanie języka naturalnego, które wydają się być technologiami przyszłości. Własne badania dotyczące chorób przenoszonych drogą płciową właśnie pasują do tego typu analiz (m.in. pokazujemy aplikację webową pozwalającą określić prawdopodobieństwo zakażenia). Tak samo własne badania dotyczące zakażeń szpitalnych też dotyczą rozwiązywania problemów przyszłości (m.in. poprzez aplikację desktopową pozwalającą zakwalifikować pacjentów do grup ryzyka). Modelowanie matematyczne w epidemiologii chorób zakaźnych jest interdyscyplinarną nauką wspierająca instytucje zdrowia publicznego, które wedle obowiązujących procedur, mogą podejmować praktyczne interwencje [1]. Niestety brakuje w tym momencie w Polsce systemowych modeli matematycznych wspomagających epidemiologów, a wspierana komputerowo (cyfrowo) epidemiologia dopiero raczkuje. Niestety dzieje się tak często bez wsparcia Państwowego Zakładu Higieny, czy Państwowej Inspekcji Sanitarnej. Co ciekawe, pierwszy matematyczny model epidemiologiczny jaki powstał w historii, opisywał umieralność na czarną ospę we Wrocławiu. Prezentujący swoje wyniki dotyczące tego modelu w 1766 roku w Paryżu, jeden z największych matematyków w dziejach ludzkości Daniel Bernoulli, powiedział : „Po prostu wierzę, że w materii jakości życia ludzkiego, żadna decyzja nie zostanie podjęta, bez wszelkiej wiedzy, którą obliczenia i analizy mogą dostarczyć”. Celem niniejszej pracy było pokazanie naszych przykładów matematycznego modelowania w zdrowiu publicznym w kontekście wykorzystania wyników w polskiej epidemiologii. (Na podstawie wstępnej analizy danych szwedzkich okazało się, że znalezienie ścieżek zakażeń jest nie optymalne i zdegenerowane [2]. W wyniku długotrwałych rozmów z przedstawicielami szpitali okazało się, że ścieżki zakażeń, są bardzo trudne w interpretacji. Z drugiej strony klasyfikacja do grup ryzyka daje jednoznaczny wynik, który daje się zinterpretować i dostosować działania prewencyjno-terapeutyczne na tej podstawie. W związku z tym postanowiliśmy większy nacisk postawić na klasyfikacje do grup ryzyka (co jest bardziej zrozumiałym konstruktem dla epidemiologów). 5. Wykaz piśmiennictwa [1] Jarynowski A, Grabowski A, Modelowanie epidemiologiczne dedykowane Polsce, "Portal CZM" (Centrum Zastosowań Matematyki), 2015, ISBN 978-83-942807-9-6 [2] Jarynowski A, & Liljeros, F. Contact networks and the spread of MRSA in Stockholm hospitals. “IEEE:ENIC”, 2015, pp. 150-154