南昌大学一附院:迈入疫情防控大数据时代

作者:南昌大学一附院 发布时间:2021-02-04
浏览次数:

“您所负责的张*林存在发热呼吸道症候,具体情况为体温38.1℃,同时存在咳嗽症状,请确认传染性疾病风险”。手机上收到提示后,南昌大学第一附属医院(以下简称为“南昌大学一附院”)呼吸科许医生迅速登陆系统,查看该患者的病原体检测结果,确认患者是普通的呼吸道感染后才放下心来。许医生在系统内快速完成预警消息的处理,预警解除。而在另一侧,监控平台的统计数据也实时更新。


这段时间以来,来自医院感控处的向医生也会在早上9:00定时收到来自微信的预警消息汇总,例如,他会收到以下信息:“与去年同期相比,近七日发热门诊就诊人次数量同比上升16.7%,已达到警戒值15%,请确认是否有传染性疾病发生风险”。向医生打开预警监控平台,近期的发热门诊人次数、住院患者发热人数及变化趋势等信息,也会实时显示在上面。“实时更新的数据统计及大数据分析预警工具为我们研判传染病疫情的发生发展提供了有力的支持”,向医生如是说。



疫情发生以来,为了提高对突发传染性疾病的应对水平,提升早期预警监控能力,南昌大学一附医建立了大数据疫情防控平台。而前面提到的两个例子,就是该平台实际应用的场景之一。


该平台的功能主要分为三个部分。首先,对疫情防控重点指标的实时监控和展示。针对疫情相关的核心分析指标,例如发热人群的数量变化、各类病例的空间分布情况、重点科室人员情况等进行实时数据统计,并以监控大屏的形式进行可视化展示。


第二,医疗物资的监控系统助力资源分配。在突发疫情条件下,大部分医院的医疗物资供给,如口罩、手套、防护服等,都出现了短缺现象。如果医院的物资管理系统提供的数据足够准确,领导层就可以根据医疗资源的供给情况调整医疗服务的开展规模,同时根据各部门的工作量分配有限的医疗资源。因此监控平台也接入了关键医疗物资的实时库存及动态分析,确保资源合理配置,辅助科学决策。


第三,基于大数据的智能预警分析。以新冠疫情为例,此类新发疾病由于缺乏相关背景资料,传统的被动上报方式往往难以及时预警。因此监控平台纳入了基于大数据的分析模型,基于患者以往的就诊数据及当前的症状、体征信息进行多维度建模,自动识别符合发热呼吸道症候群特征的患者,在入院时及进行主动预警,并以企业微信消息的方式通知主管医生及感控处,做到早发现、早预警、早处置,推动“关口前移”。



目前在疫情常态化防控的背景下,建立主动监测防控体系是重要的手段。由于多数疫情的发现首先是在临床,因此疾病症状监测比传统的公共卫生监测更能及时地监测到突发公共卫生事件。南昌大学一附院所构建的疫情防控平台将患者的症状体征信息纳入进行分析,初步实现了针对发热呼吸道症候群的主动监测。


据悉,在目前疫情可能存在反复的情况下,南昌大学一附院逐步将预警范围扩展到五大症候群监测,同时把预警范围扩展到医联体医院,并持续优化算法,探索智慧化预警。


(本文由南昌大学一附院信息处供稿)