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