Elektroniczna dokumentacja medyczna w monitorowaniu sepsy

Wiarygodne śledzenie częstości występowania i wyników leczenia sepsy stanowi kluczowe wyzwanie dla współczesnej medycyny i zdrowia publicznego. Sepsa, będąc heterogenicznym zespołem klinicznym bez patologicznego złotego standardu, pozwala na subiektywność i szeroką swobodę w przypisywaniu diagnoz1. Ta subiektywność komplikuje interpretację trendów sepsy, ponieważ nie jest jasne, czy wzrosty wynikają z prawdziwego wzrostu przypadków sepsy, czy z większej liczby pacjentów diagnozowanych i kodowanych pod kątem sepsy2.

Ograniczenia tradycyjnych metod nadzoru

Do niedawna nadzór nad sepsą był prowadzony głównie przy użyciu kodów diagnozy wypisowej ze szpitala. Badania epidemiologiczne wykorzystujące te dane konsekwentnie wykazały dramatyczne wzrosty częstości występowania sepsy i spadki wskaźników śmiertelności w ciągu ostatnich kilku dekad3. Jednak ta metoda jest poważnie wadliwa, ponieważ wymaga od lekarzy rozpoznania sepsy poprzez identyfikację obecności zakażenia odpowiedzialnego za dysfunkcję narządów, udokumentowania sepsy w dokumentacji medycznej oraz od koderów szpitalnych odpowiedniego zidentyfikowania tej dokumentacji i przypisania sepsy jako diagnozy pierwotnej lub wtórnej3.

Dane administracyjne mają istotne ograniczenia związane z trwającymi zmianami w sposobie, w jaki lekarze przeprowadzają badania przesiewowe, testują, diagnozują i rozliczają sepsę4. Większość badań epidemiologicznych dotyczących sepsy opierała się na danych z roszczeń administracyjnych, ale ta metoda jest ograniczona przez ciągłe zmiany w sposobie, w jaki lekarze przeprowadzają badania przesiewowe, testują, diagnozują i rozliczają sepsę4.

Kluczowy problem: Wiele inicjatyw wysokiego szczebla zwiększa świadomość sepsy wśród lekarzy, administratorów i pacjentów, w tym Kampania Surviving Sepsis, wskaźnik CMS SEP-1, trwające inicjatywy edukacyjne oraz wprowadzenie protokołów przesiewowych i leczenia sepsy w większości szpitali. Rosnąca skłonność lekarzy do rozpoznawania, diagnozowania i kodowania sepsy komplikuje interpretację badań opartych na danych administracyjnych5.

Definicja Adult Sepsis Event (ASE)

Potrzeba bardziej obiektywnego, spójnego i skalowalnego podejścia do nadzoru nad sepsą doprowadziła ostatnio niektórych badaczy i decydentów do zwrócenia się ku bezpośrednim wskaźnikom klinicznym sepsy, które można pozyskać z systemów elektronicznej dokumentacji medycznej (EHR)6. Wybitnym przykładem tego podejścia jest definicja Adult Sepsis Event (ASE) stworzona przez amerykańskie Centra Kontroli i Prewencji Chorób w 2018 roku6.

Definicja ASE stanowiła początek ważnej zmiany paradygmatu w kierunku nadzoru nad sepsą na poziomie populacyjnym z wykorzystaniem danych EHR6. Nadzór nad sepsą wykorzystujący dane kliniczne z elektronicznej dokumentacji medycznej, taki jak strategia nadzoru CDC Adult Sepsis Event, jest obiektywny, możliwy do zastosowania w dużych populacjach i może oferować lepsze charakterystyki testów klinicznych w porównaniu z danymi administracyjnymi4.

Porównanie skuteczności metod nadzoru

Badania porównujące różne metody nadzoru nad sepsą wykazały znaczące różnice w ich skuteczności. Definicja nadzoru klinicznego oparta na danych z elektronicznej dokumentacji medycznej miała stabilną i wysoką czułość w czasie (77% w latach 2003-2009 vs 80% w 2012 roku), podczas gdy czułość metod opartych na roszczeniach wzrosła (52% w latach 2003-2009 vs 67% w 2012 roku)7.

W okresie od 2003 do 2012 roku częstość występowania ciężkiej sepsy wyliczona na podstawie roszczeń wzrosła o 72%, a śmiertelność bezwzględna spadła o 5,4%. W przeciwieństwie do tego, częstość występowania przy użyciu definicji nadzoru klinicznego wzrosła o 7,7%, a śmiertelność spadła o 1,7%7. Nadzór nad sepsą przy użyciu danych klinicznych jest bardziej czuły i bardziej stabilny w czasie w porównaniu z roszczeniami i może być wykonywany elektronicznie, co może umożliwić bardziej wiarygodne szacunki obciążenia sepsą i trendów7.

Dane porównawcze: Metoda oparta na elektronicznej dokumentacji medycznej wykazała stabilną czułość 77-80% przez prawie dekadę, podczas gdy metody administracyjne miały rosnącą, ale niższą czułość 52-67%. Różnica w szacowanych trendach była dramatyczna – wzrost częstości o 72% vs 7,7% i spadek śmiertelności o 5,4% vs 1,7%7.

Walidacja automatycznych algorytmów nadzoru

Badania walidacyjne automatycznych algorytmów nadzoru nad sepsą opartych na kryteriach Sepsis-3 wykazały obiecujące rezultaty. W jednym z badań w populacji szpitalnej poza oddziałami intensywnej terapii, w pełni zautomatyzowany algorytm nadzoru oparty na Sepsis-3 z wykorzystaniem danych EHR wykazał dobrą skuteczność w porównaniu z przeglądem dokumentacji medycznej przez lekarza8.

Algorytm nadzoru zidentyfikował 8599 epizodów sepsy (10,4% wszystkich przyjęć do szpitala), z których 7493 (87,1%) to sepsa nabyta w społeczności, a 1106 (12,9%) to sepsa nabyta w szpitalu9. Na podstawie danych z EHR możliwe jest automatyczne monitorowanie częstości występowania sepsy z dobrą trafnością w porównaniu z przeglądem dokumentacji medycznej przez lekarza w oddziałach poza intensywną terapią, wykorzystując kryteria Sepsis-3 jako definicję nadzoru9.

Zastosowanie w różnych systemach zdrowotnych

Metody nadzoru oparte na obiektywnych danych klinicznych zostały z powodzeniem zastosowane w różnych systemach zdrowotnych na świecie. W Hongkongu opracowano metodę nadzoru nad sepsą wykorzystującą obiektywne dane kliniczne z populacyjnej elektronicznej dokumentacji medycznej, która okazała się bardziej dokładna niż administracyjne metody nadzoru, takie jak metody Angusa i Martina10.

Badanie w Hongkongu było pierwszym, które wykazało, że takie podejście jest możliwe do realizacji w azjatyckim środowisku opieki zdrowotnej i populacji, dostarczając dokładnych i spójnych danych epidemiologicznych dotyczących sepsy11. W Azji krajowe elektroniczne systemy zdrowotne Singapuru, systemy informacyjne szpitali w Tajlandii i system informacyjny szpitala w Chinach Zachodnich to duże bazy danych EHR, które zawierają wyniki testów laboratoryjnych, zapisy procedur i diagnozy ponad 11 milionów pacjentów łącznie11.

Sztuczna inteligencja w nadzorze nad sepsą

Nowoczesne technologie, w tym sztuczna inteligencja, oferują nowe możliwości w nadzorze nad sepsą. Badania wykazały, że wykorzystanie unikalnego algorytmu AI, który monitoruje kilka zmiennych pacjenta, takich jak parametry życiowe i wyniki badań laboratoryjnych, może wykrywać sepsę przed wystąpieniem objawów12. Algorytm AI o nazwie COMPOSER spowodował 17% redukcję śmiertelności12.

Model COMPOSER wykorzystuje dane w czasie rzeczywistym w celu przewidywania sepsy przed oczywistymi manifestacjami klinicznymi. Działa cicho i bezpiecznie w tle, stale nadzorując każdego pacjenta pod kątem oznak możliwej sepsy12. Integracja technologii AI w elektronicznej dokumentacji medycznej pomaga w realizacji obietnicy zdrowia cyfrowego13.

Przyszłość nadzoru epidemiologicznego

Obiektywny nadzór nad sepsą przy użyciu danych EHR ma potencjał, aby pomóc lekarzom, specjalistom ds. jakości, decydentom i urzędnikom zdrowia publicznego w lepszym monitorowaniu wpływu inicjatyw poprawy jakości i polityki, identyfikacji dodatkowych czynników ryzyka i celów prewencji oraz kierowaniu nowymi programami i inwestycjami badawczymi14. Dalsze walidacje i porównania algorytmów opartych na Sepsis-3 z ASE i innymi definicjami opartymi na EHR w różnorodnych populacjach i systemach EHR są potrzebne, aby umożliwić szpitalom, decydentom i badaczom zdecydowanie, jak najlepiej śledzić częstość występowania sepsy i wyniki oraz dostosować podejścia nadzorcze do ich szczególnych potrzeb6.

Pytania i odpowiedzi

Czym różni się nadzór oparty na EHR od tradycyjnych metod?

Nadzór oparty na elektronicznej dokumentacji medycznej wykorzystuje obiektywne wskaźniki kliniczne zamiast kodów rozliczeniowych, oferując stabilną czułość 77-80% w porównaniu z rosnącą, ale niższą czułością metod administracyjnych (52-67%).

Co to jest definicja Adult Sepsis Event?

Adult Sepsis Event (ASE) to definicja stworzona przez CDC w 2018 roku, która wykorzystuje obiektywne wskaźniki kliniczne sepsy pozyskiwane z systemów elektronicznej dokumentacji medycznej zamiast kodów diagnostycznych.

Dlaczego tradycyjne kody rozliczeniowe są nieprecyzyjne?

Kody rozliczeniowe są subiektywne i podatne na zmiany w praktykach diagnostycznych oraz kodowania. Rosnąca świadomość sepsy wśród lekarzy prowadzi do częstszego diagnozowania i kodowania, co zniekształca rzeczywiste trendy epidemiologiczne.

Jak sztuczna inteligencja pomaga w nadzorze nad sepsą?

Algorytmy AI, takie jak COMPOSER, analizują dane w czasie rzeczywistym (parametry życiowe, wyniki laboratoryjne) i mogą wykrywać sepsę przed wystąpieniem oczywistych objawów, co prowadzi do redukcji śmiertelności o 17%.

Reklama
Reklama