Volume 6, No. 1 • February 2023   Issue PDF

Использование данных для повышения безопасности и качества

Холли Б Энде (Holly B. Ende), врач, Джонатан П. Уондерер (Jonathan P. Wanderer), врач, магистр философии.

Использование данных для повышения безопасности и качестваОбеспечение безопасной и эффективной анестезии основано на научных принципах повышения качества, которые опираются на точное и своевременное сообщение о результатах лечения пациентов. В эпоху электронных медицинских карт (ЭМК) и растущих национальных баз данных продолжает накапливаться огромное количество данных, относящихся к пациентам и уходу за ними, и эти данные могут послужить основой для реализации инициатив по обеспечению безопасности пациентов в настоящее время и в будущем. Без интенсивного обучения в области науки о данных и информатики врачи-анестезиологи, работающие непосредственно c пациентами, могут столкнуться с трудностями при доступе, интерпретации и использовании данных из ЭМК и других источников для поддержки инициатив, касающихся безопасности пациентов и качества оказываемой им помощи. Чтобы эти данные имели практический смысл в улучшении медицинской помощи, они должны быть организованы, структурированы, а также иметь контекст и значение. Одним из способов трансформации данных в информацию и знания является создание моделей данных.1 Модели данных могут быть полезным инструментом для структурирования, упрощения и применения данных в реальной жизни.

Модели данных — это инструмент для стандартизации и добавления смысла в данные, что, в свою очередь, способствует общему пониманию и простому извлечению и использованию информации. Благодаря негласному картированию ключевых точек данных и последующей валидации пользователи могут значительно упростить доступ к важным данным.2,3 Например, если бы директор по качеству хотел разработать автоматизированные электронные письма для получения данных ЭМК по послеоперационных исходам и еженедельно распространять их среди врачей, он или она мог бы использовать модель данных для определения и идентификации этих исходов.

В нашем учреждении Архив данных по периоперационному периоду (PDW) — это собственное хранилище данных, в котором собирают и хранят данные из различных источников, что обеспечивает легкий доступ к инициативам, касающихся операций, исследований и качества. Источники данных для этих типов хранилищ могут включать данные электронных медицинских карт (ЭМК), данные, сообщаемые пациентами (например, опросы пациентов), и данные, не связанные с ЭМК и полученные от медицинских работников (например, сообщения о нежелательных явлениях). Сбор и объединение данных из этих различных источников в единое хранилище— это эффективный способ инвестировать в предварительные затраты и усилия, чтобы обеспечить легкий, эффективный и прямой доступ к данным для врачей всех специальностей и с разным опытом применения технологий. В предыдущем примере каждый исход, представляющий интерес (острая почечная недостаточность, послеоперационная тошнота и рвота, повторная интубация и т. д.), уже был определен, зафиксирован и валидирован в рамках PDW, что позволило упростить и ускорить использование этих данных (например, организация автоматизированной еженедельной рассылки электронных писем врачам).

Кроме того, специалисты по улучшению качества и исследователи могут легко получить доступ к этим данным ретроспективно для выполнения оценки эффективности инициатив по улучшению практики. Например, после внедрения электронной системы напоминаний с целью побудить врачей проверять уровень глюкозы во время операции у пациентов с сахарным диабетом, исследователи в нашем учреждении смогли легко контролировать приверженность этой рекомендации и, в конечном итоге, опубликовать данные, показывающие не только повышенную частоту мониторинга уровня глюкозы, но и снижение частоты эпизодов гипергликемии и инфекций в области хирургического вмешательства.4 В рамках другой инициативы по обеспечению качества в предродовом и родильном отделении исследователи отметили, что применение стандартизированного подхода к применению эпидуральной анестезии при появлении резкой боли в родах впоследствии привело к замене большего количества катетеров в течение 30 минут после первого введения препарата, что отражает более быстрое выявление нефункционирующих катетеров.

Модели данных могут быть разработаны внутри учреждения или приобретены у сторонних поставщиков, но они также доступны через многие коммерческие ЭМК, которые используют модели данных для создания функциональных возможностей для доступа конечных пользователей к клиническим данным и информации по качеству без необходимости прохождения интенсивного или трудоемкого обучения. Например, Oracle Cerner (Остин, шт. Техас) и Epic Systems (Верона, шт. Висконсин), которые являются наиболее часто применяемыми ЭМК в национальных системах здравоохранения, используют несколько удобных интерфейсов, позволяющих врачам получать доступ к данным пациентов (таблица 1).

Таблица 1. Удобный интерфейс для доступа к данным пациента

PowerInsight Explorer Инструмент Cerner Millennium® для бизнес-аналитики, позволяющий создавать в режиме реального времени отчеты об операциях, клинические и производственные отчеты.
Reporting Workbench Инструмент Epic, который позволяет пользователям создавать пользовательские отчеты с помощью специальных шаблонов с критериями, которые определяют интересующие популяции и элементы данных (например, местоположение операционной, основной диагноз и т. д.)
Slicer Dicer Инструмент Epic, который позволяет исследовать данные с помощью настраиваемого поиска, который поддерживает несколько моделей данных, включая модель данных об анестезии

Наконец, те, кто заинтересован в понимании национальных тенденций в области данных по качеству и безопасности, могут обратиться к крупным национальным источникам данных, таким как Национальный реестр клинических исходов анестезии (NACOR), Многоцентровая группа периоперационных исходов (MPOG) или Национальная программа улучшения качества хирургической помощи (NSQIP). Каждый из этих источников данных имеет свои сильные стороны и ограничения, и те, кто заинтересован в использовании этих ресурсов для ответов на вопросы, связанные с качеством, должны понимать эти ограничения. Например, NACOR, который поддерживается Американским обществом анестезиологов и включает данные с описанием миллионов случаев из тысяч клиник со всей территории США, обеспечивает надежный сбор элементов данных, связанных с выставлением счетов, но неоднородный сбор элементов данных об исходах. Принимая во внимание ограничения доступа и анализа данных из этих крупных национальных источников данных, врачи могут надлежащим образом использовать их для ответов на вопросы, связанные с безопасностью, требующие долгосрочных данных, информации из различных типов клиник и о большом количестве анестетиков. Такая методология уже использовалась для оценки вопросов, например, связанных с эффектами перекрывающихся хирургических вмешательств, факторами риска развития гипогликемии во время операции у детей, а также послеоперационной боль и схемой применения опиоидов.6-8

Для повышения эффективности инициатив, направленных на улучшение качества лечения, и для повышения безопасности пациентов во время анестезии крайне важно иметь доступ к периоперационным данным и уметь работать с этими данными. Хотя работа с первичными необработанными данными может быть сложной задачей, в ЭМК есть множество инструментов, облегчающих анализ данных. Использование модели данных может облегчить составление отчетов и извлечение данных, но это требует предварительных усилий либо для разработки локальной модели данных, либо для выполнения сопоставления и валидации, необходимых для использования модели данных от поставщика ЭМК. В конечном итоге, эти подходы могут взаимно дополнять друг друга для обеспечения всестороннего представления о периоперационном периоде и результатах анестезии, трансформируя данные в практические знания, которые анестезиологи могут использовать для внедрения улучшений в клинической практике.

 

Холли Энде (Holly Ende), врач, доцент кафедры анестезиологии в медицинском центре при Университете Вандербильта, Нэшвилл, шт. Теннесси, США.

Джонатан Уондерер (Jonathan Wanderer), врач, магистр философии, профессор кафедры анестезиологии и биомедицинской информатики в медицинском центре при Университете Вандербильта, Нэшвилл, шт. Теннеси, США.

У авторов нет конфликта интересов.

Список литературы

  1. Hofer IS, Gabel E, Pfeffer M, et al. A systematic approach to creation of a perioperative data warehouse. Anesth Analg. 2016;122:1880–1884. PMID: 27195633.
  2. Epstein RH, Dexter F. Database quality and access issues relevant to research using anesthesia information management system data. Anesth Analg. 2018;127:105–114. PMID: 29596094.
  3. Epstein RH, Hofer IS, Salari V, Gabel E. Successful implementation of a perioperative data warehouse using another hospital’s published specification from Epic’s electronic health record system. Anesth Analg. 2021;132:465–474. PMID: 32332291.
  4. Ehrenfeld JM, Wanderer JP, Terekhov M, et a. A perioperative systems design to improve intraoperative glucose monitoring is associated with a reduction in surgical site infections in a diabetic patient population. Anesthesiology. 2017;126:431–440. PMID: 28106608.
  5. Ende HB, Tran B, Thampy M, et al. Standardization of epidural top-ups for breakthrough labor pain results in a higher proportion of catheter replacements within 30min of the first bolus dose. Int J Obstet Anesth. 2021;47:103161. PMID: 33931311.
  6. Sun E, Mello MM, Rishel CA, et al. Association of overlapping surgery with perioperative outcomes. JAMA. 2019;321:762–772. PMID: 30806696.
  7. Riegger LQ, Leis AM, Golmirzaie KH, Malviya S. Risk factors for intraoperative hypoglycemia in children: a multicenter retrospective cohort study. Anesth Analg. 2021;132:1075–1083. PMID: 32639390.
  8. Stuart AR, Kuck K, Naik BI, et al. Multicenter perioperative outcomes group enhanced observation study postoperative pain profiles, analgesic use, and transition to chronic pain and excessive and prolonged opioid use patterns methodology. Anesth Analg. 2020;130:1702–1708. PMID: 31986126.