Из Википедии, бесплатной энциклопедии
  (Перенаправлен из отдела клинического наблюдения )
Перейти к навигации Перейти к поиску

Эпиднадзор за общественным здоровьем (также эпидемиологический надзор , клинический надзор или синдромальный надзор ), согласно Всемирной организации здравоохранения (ВОЗ), представляет собой «непрерывный систематический сбор, анализ и интерпретацию связанных со здоровьем данных, необходимых для планирования, реализации и оценки. в области общественного здравоохранения на практике «. [1] Наблюдение за общественным здоровьем может использоваться для отслеживания возникающих проблем, связанных со здоровьем, на ранней стадии и своевременного поиска активных решений. [1] Системы надзора обычно призваны предоставлять информацию о том, когда и где возникают проблемы со здоровьем и кто пострадал. [2]

Системы наблюдения за общественным здоровьем могут быть пассивными или активными. Пассивная система эпиднадзора состоит из регулярных и постоянных отчетов о заболеваниях и состояниях всеми медицинскими учреждениями на данной территории. Активная система эпиднадзора - это система, при которой посещаются медицинские учреждения и проверяются поставщики медицинских услуг и медицинские записи с целью выявления конкретного заболевания или состояния. [3] Пассивные системы эпиднадзора менее затратны по времени и менее затратны в эксплуатации, но при этом существует риск занижения сведений о некоторых заболеваниях. Системы активного эпиднадзора наиболее подходят для эпидемий или случаев, когда болезнь подлежит ликвидации. [3]

Методы наблюдения за общественным здоровьем использовались, в частности, для изучения инфекционных заболеваний . Многие крупные учреждения, такие как ВОЗ и Центры по контролю и профилактике заболеваний (CDC), создали базы данных и современные компьютерные системы ( информатика общественного здравоохранения ), которые могут отслеживать и контролировать возникающие вспышки болезней, таких как грипп , атипичная пневмония , ВИЧ и др. даже биотерроризм , такой как теракты сибирской язвы в США в 2001 году .

Во многих регионах и странах есть свои собственные регистры рака , которые отслеживают заболеваемость раком, чтобы определить распространенность и возможные причины этих заболеваний. [4]

Другие заболевания, такие как разовые явления, такие как инсульт, и хронические состояния, такие как диабет , а также социальные проблемы, такие как насилие в семье, все чаще включаются в эпидемиологические базы данных, называемые регистрами болезней. В этих реестрах проводится анализ затрат и выгод для определения государственного финансирования исследований и профилактики.

В настоящее время используются системы, которые могут автоматизировать процесс выявления побочных эффектов лекарственных препаратов, и сравниваются с традиционными письменными отчетами о таких событиях. [5] Эти системы пересекаются с областью медицинской информатики, быстро внедряются в больницах и одобряются учреждениями, контролирующими поставщиков медицинских услуг (например, JCAHO в США). Проблемы, связанные с улучшением здравоохранения, возникают вокруг надзора за ошибками при приеме лекарств в учреждениях. [6]

Синдромное наблюдение [ править ]

См. Также: Наблюдение за заболеваниями

Синдромный надзор - это анализ медицинских данных для обнаружения или предупреждения вспышек заболеваний . Согласно определению CDC, «термин« синдромный эпиднадзор »применяется к эпиднадзору с использованием данных, связанных со здоровьем, которые предшествуют диагностике и сигнализируют о достаточной вероятности случая или вспышки болезни, чтобы требовать дальнейших ответных мер общественного здравоохранения. Хотя исторически синдромный эпиднадзор использовался для целевое расследование потенциальных случаев, его полезность для обнаружения вспышек, связанных с биотерроризмом , все чаще исследуется представителями общественного здравоохранения ». [7]

Первыми признаками вспышки заболевания или биотеррористической атаки может быть не окончательный диагноз врача или лаборатории. [8]

Используя в качестве примера обычную вспышку гриппа, как только вспышка начинает поражать население, некоторые люди могут звонить по болезни на работу / в школу, другие могут посещать их аптеку и покупать лекарства без рецепта, другие посещают кабинет своего врача, а другие симптомы могут быть настолько серьезными, что они могут позвонить по номеру телефона экстренной помощи или обратиться в отделение неотложной помощи .

Системы синдромного наблюдения отслеживают данные из журналов пропусков школьных занятий, систем экстренного вызова, записей о продаже лекарств в больницах, поисков в Интернете и других источников данных для выявления необычных закономерностей. Когда наблюдается всплеск активности в любой из отслеживаемых систем, эпидемиологов болезней и специалистов общественного здравоохранения предупреждают о возможной проблеме.

Ранняя осведомленность о биотеррористической атаке и реакция на нее могут спасти множество жизней и потенциально остановить или замедлить распространение вспышки. Наиболее эффективные системы синдромного наблюдения автоматически контролируют эти системы в режиме реального времени, не требуют, чтобы люди вводили отдельную информацию (ввод вторичных данных), включают расширенные аналитические инструменты, объединяют данные из нескольких систем через геополитические границы и включают автоматическое оповещение. процесс. [9]

Система синдромального наблюдения, основанная на поисковых запросах, была впервые предложена Гюнтером Айзенбахом , который начал работу над такой системой в 2004 году. [10] Вдохновленный этим ранним обнадеживающим опытом, Google запустил Google Flu Trends [11] в 2008 году. похожие поисковые запросы используются, чтобы указать на более высокую активность гриппа. Результаты, опубликованные в Nature , полностью совпадают с данными CDC и опережают их на 1-2 недели. [12] Однако было показано, что исходный подход, лежащий в основе Google Flu Trends, имел различные недостатки моделирования, приводящие к значительным ошибкам в его оценках. [13]Совсем недавно был предложен ряд более продвинутых линейных и нелинейных подходов к моделированию гриппа на основе поисковых запросов Google. [14] Расширяя работу Google, исследователи из Лаборатории интеллектуальных систем ( Бристольский университет , Великобритания) создали детектор гриппа; [15] онлайн-инструмент, основанный на методах поиска информации и статистического анализа, использует контент Twitter для прогнозирования текущих показателей заболеваемости гриппом в Великобритании. [16]

Цифровые методы [ править ]

Цифровое наблюдение за общественным здравоохранением в значительной степени основывается на трех методах: поисковые тенденции на таких сайтах, как Google и Википедия, публикации в социальных сетях на таких платформах, как Facebook и Twitter, и сайты совместного наблюдения, такие как Flu Near You и Influenzanet. Тенденции поиска предоставляют косвенные данные о здоровье населения, в то время как два последних метода предоставляют прямые данные. [17]

Поисковые агрегаты [ править ]

Поисковые агрегаты наиболее часто использовались для отслеживания и моделирования гриппа. Популярным примером является Google Flu Trends , который был впервые выпущен в 2008 году. [17] Также использовалась Википедия, хотя она потенциально подвержена «шуму», поскольку это популярный источник информации о здоровье, независимо от того, болен пользователь или нет. . [18] Во время пандемии COVID-19 была разработана новая методология моделирования распространенности COVID-19 на основе поисковой активности в Интернете. [19] Эта методология также использовалась Службой общественного здравоохранения Англии в Соединенном Королевстве в качестве одной из конечных точек синдромного эпиднадзора.

Социальные сети [ править ]

Примеры наблюдения за общественным здоровьем в социальных сетях включают HealthTweets, которые собирают данные из Twitter. [18] Данные Twitter считаются очень полезными для исследований в области общественного здравоохранения, поскольку его политика в отношении данных разрешает открытый доступ к 1% образцов сырых твитов. Твиты также могут быть привязаны к геолокации, что может использоваться для моделирования распространения заразной болезни. Это наиболее часто используемая платформа социальных сетей для наблюдения за общественным здоровьем. [17] Во время пандемии COVID-19 Facebook использовал агрегированные анонимные данные, собранные с его платформ, для предоставления информации о передвижениях людей моделям болезней. Он также предлагал пользователям возможность принять участие в обследовании симптомов заболевания в Университете Карнеги-Меллона . [20]

Сайты видеонаблюдения [ править ]

Flu Near You и Influenzanet - два примера краудсорсинговых цифровых систем наблюдения. Оба сайта привлекают пользователей для участия в опросах о симптомах гриппа. Influenzanet была основана в 2009 году и работает в десяти странах Европы. Его предшественником была Grote Griepmeting, голландско-бельгийская платформа, запущенная в 2003 и 2004 годах. Flu Near You используется в США. Другой пример сайтов наблюдения - Dengue na Web, используемый для обследования на лихорадку денге в Баии , Бразилия. [17]

Лабораторное наблюдение [ править ]

Некоторые состояния, особенно хронические заболевания, такие как сахарный диабет , необходимо регулярно лечить с помощью частых лабораторных измерений. Поскольку многие лабораторные результаты, по крайней мере, в Европе и США, автоматически обрабатываются компьютеризированными лабораторными информационными системами, результаты сравнительно легко сопоставить с недорого в специальных базах данных или реестрах заболеваний. В отличие от большинства систем синдромного эпиднадзора, в которых предполагается, что каждая запись независима от других, лабораторные данные по хроническим состояниям теоретически могут быть связаны друг с другом на уровне отдельного пациента. Если идентификаторы пациентов могут быть сопоставлены, хронологическая запись лабораторных результатов каждого пациента может быть проанализирована, а также агрегирована на уровне популяции.

Лабораторные регистры позволяют анализировать частоту и распространенность целевого состояния, а также тенденции в уровне контроля. Например, финансируемая Национальным институтом здравоохранения программа под названием Vermedx Diabetes Information System [21] вела регистр лабораторных показателей взрослых с диабетом в Вермонте и северном штате Нью-Йорк в США с результатами лабораторных исследований тысяч пациентов за несколько лет. [22] Данные включали измерения уровня сахара в крови ( гликозолированный гемоглобин A1C ), холестерина и функции почек ( креатинин сыворотки и белок мочи.) и использовались для мониторинга качества помощи на уровне пациентов, практики и населения. Поскольку данные содержали имя и адрес каждого пациента, система также использовалась для прямой связи с пациентами, когда лабораторные данные указывали на необходимость внимания. Из-за неконтролируемых результатов теста пациенту было отправлено письмо, в котором предлагалось принять меры вместе со своим врачом. Просроченные тесты генерировали напоминания о проведении тестирования. Система также генерировала напоминания и предупреждения с рекомендациями на основе рекомендаций для практики, а также периодический список пациентов каждого поставщика и табель успеваемости, обобщающий состояние здоровья населения. Клинические и экономические оценки системы, включая большое рандомизированное клиническое исследование, продемонстрировали улучшения в соблюдении практических рекомендаций и сокращение потребности в отделениях неотложной помощи и больничных услуг, а также общих затрат на пациента. [23] [24] [25] Система была коммерциализирована и распространена среди врачей, страховых компаний, работодателей и других лиц, ответственных за лечение хронических больных. В настоящее время его распространяют на другие состояния, такие как хроническая болезнь почек .

Аналогичная система, The New York City A1C Registry, [26] используется для мониторинга примерно 600 000 пациентов с диабетом в Нью-Йорке , хотя, в отличие от Информационной системы диабета штата Вермонт, нет никаких положений, позволяющих пациентам исключать их данные из реестра. База данных Нью-Йорка. NYC Департамент здравоохранения и психической гигиены связала дополнительные услуги пациента в реестре , таких как медико - санитарной информации и улучшения доступа к медицинскому обслуживанию. По состоянию на начало 2012 года в реестре содержится более 10 миллионов результатов тестирования 3,6 миллиона человек. Несмотря на то, что оно предназначено для улучшения показателей здоровья и снижения частоты осложнений диабета [27], официальная оценка еще не проводилась.

В мае 2008 года городской совет Сан-Антонио, штат Техас, одобрил развертывание реестра A1C для округа Бексар . Уполномоченный законодательным собранием Техаса и Департаментом здравоохранения штата, муниципальный округ Сан-Антонио [28] ввел регистр, который собирал результаты из всех основных клинических лабораторий Сан-Антонио. Программа была прекращена в 2010 году из-за нехватки средств.

Лабораторный надзор отличается от надзора в масштабах всего населения, потому что он может контролировать только пациентов, которые уже получают лечение и, следовательно, проходят лабораторные тесты. По этой причине он не идентифицирует пациентов, которые никогда не проходили тестирование. Следовательно, он больше подходит для управления качеством и улучшения ухода, чем для эпидемиологического мониторинга всего населения или зоны обслуживания.

См. Также [ править ]

  • Отслеживание контактов
  • Геймификация # Здоровье

Ссылки [ править ]

  1. ^ a b Надзор за общественным здоровьем , Всемирная организация здравоохранения (по состоянию на 14 января 2016 г.).
  2. ^ Пещеры RW (2004). Энциклопедия города . Рутледж. С.  548 . ISBN 9780415252256.
  3. ^ a b Всемирная организация здравоохранения. «Надзор за болезнями, предупреждаемыми с помощью вакцин» . Всемирная организация здравоохранения: иммунизация, вакцины и биологические препараты . Проверено 19 октября +2016 .
  4. ^ Белый, Мэри С .; Бэбкок, Фрэнсис; Hayes, Nikki S .; Мариотто, Анджела Б.; Wong, Faye L .; Kohler, Betsy A .; Вейр, Ханна К. (15 декабря 2017 г.). «История и использование данных реестра рака в программах общественного здравоохранения по борьбе с раком в Соединенных Штатах» . Рак . 123 (Дополнение 24): 4969–4976. DOI : 10.1002 / cncr.30905 . ISSN 0008-543X . PMC 5846186 . PMID 29205307 .   
  5. ^ Kilbridge PM, Campbell UC, Cozart HB, Mojarrad MG (июль-август 2006). «Автоматизированное наблюдение за побочными эффектами лекарств в общественной больнице и академическом медицинском центре» . Журнал Американской ассоциации медицинской информатики . 13 (4): 372–7. DOI : 10.1197 / jamia.M2069 . PMC 1513675 . PMID 16622159 .  
  6. ^ disa.mil [ мертвая ссылка ] PDF
  7. ^ "webcitation.org" . webcitation.org. Архивировано 24 июня 2003 года . Проверено 18 апреля 2014 .CS1 maint: неподходящий URL ( ссылка )
  8. ↑ Хеннинг KJ (сентябрь 2004 г.). «Что такое синдромный надзор?» . Дополнения к MMWR . 53 : 5–11. PMID 15714620 . 
  9. ^ «Синдромное наблюдение: прикладной подход к обнаружению вспышек» . Центры США по контролю и профилактике заболеваний. 13 января 2006 Архивировано из оригинала 20 января 2007 года.
  10. ^ Айзенбах G (2006). «Инфодемиология: отслеживание поисков в сети, связанных с гриппом, для синдромного эпиднадзора» . AMIA ... Материалы ежегодного симпозиума. Симпозиум AMIA . 2006 : 244–8. PMC 1839505 . PMID 17238340 .  
  11. ^ "Google Flu Trends" . Google.org . Проверено 18 апреля 2014 .
  12. ^ Гинсберг J, Mohebbi MH, Patel RS, Brammer L, Smolinski MS, Brilliant L (февраль 2009). «Выявление эпидемий гриппа с использованием данных поисковых запросов». Природа . 457 (7232): 1012–4. Bibcode : 2009Natur.457.1012G . DOI : 10,1038 / природа07634 . PMID 19020500 . S2CID 125775 .  
  13. Перейти ↑ Lazer D, Kennedy R, King G, Vespignani A (2014). «Притча о гриппе Google: ловушки в анализе больших данных» . Наука . 343 (6176): 1203–1205. Bibcode : 2014Sci ... 343.1203L . DOI : 10.1126 / science.1248506 . PMID 24626916 . S2CID 206553739 .  
  14. ^ Lampos В, переменный ток Миллера, Кроссан S, Stefansen С (августа 2015 г.). «Достижения в прогнозировании заболеваемости, похожей на грипп, с использованием журналов поисковых запросов» . Научные отчеты . 5 (12760): 12760. Bibcode : 2015NatSR ... 512760L . DOI : 10.1038 / srep12760 . PMC 4522652 . PMID 26234783 .  
  15. ^ «Детектор гриппа - Отслеживание эпидемий в Твиттере» . GeoPatterns.enm.bris.ac.uk . Проверено 18 апреля 2014 .
  16. ^ Lampos В, Де Бие Т, Cristianini Н (2010). Детектор гриппа - отслеживание эпидемий в Твиттере . ECML PKDD. С. 599–602. DOI : 10.1007 / 978-3-642-15939-8_42 .
  17. ^ a b c d Айелло А.Е., Ренсон А., Зивич П.Н. (апрель 2020 г.). «Эпиднадзор за заболеваниями в социальных сетях и Интернете для общественного здравоохранения» . Ежегодный обзор общественного здравоохранения . 41 : 101–118. DOI : 10,1146 / annurev-publhealth-040119-094402 . PMID 31905322 . 
  18. ^ a b Шарп Дж. Д., Хопкинс Р. С., Кук Р. Л., Стрили С. В. (октябрь 2016 г.). «Оценка Google, Twitter и Википедии как инструментов для надзора за гриппом с использованием байесовского анализа точек изменения: сравнительный анализ» . JMIR Общественное здравоохранение и наблюдение . 2 (2): e161. DOI : 10,2196 / publichealth.5901 . PMC 5095368 . PMID 27765731 .  
  19. ^ Lampos V, Majumder MS, Yom-Tov E, et al. (2021 год). «Отслеживание COVID-19 с помощью онлайн-поиска» . NPJ Цифровая медицина . 4 (17): 17. DOI : 10.1038 / s41746-021-00384-ш . PMC 7870878 . PMID 33558607 .  
  20. ↑ Newton C (6 апреля 2020 г.). «Facebook начинает делиться большим количеством данных о местоположении с исследователями COVID-19 и просит пользователей сообщать о симптомах самостоятельно» . Грань . Дата обращения 2 сентября 2020 .
  21. ^ "Информационная система диабета Vermedx" . vermedx.com. Архивировано из оригинала на 2011-02-02 . Проверено 18 апреля 2014 .
  22. ^ Маклин CD, Littenberg B, Gagnon M (апрель 2006). «Поддержка принятия решения о диабете: начальный опыт работы с информационной системой по диабету штата Вермонт» . Американский журнал общественного здравоохранения . Ajph.org. 96 (4): 593–5. DOI : 10.2105 / AJPH.2005.065391 . PMC 1470550 . PMID 16507723 .  
  23. ^ Littenberg B, Маклин CD, Zygarowski K, Drapola BH, Duncan JA, Frank CR (март 2009). «Информационная система по диабету Vermedx снижает использование медицинских услуг» . Американский журнал управляемой помощи . 15 (3): 166–70. PMID 19298097 . 
  24. ^ Маклин CD, Gagnon M, P Каллас, Littenberg B (декабрь 2009). «Информационная система диабета штата Вермонт: кластерное рандомизированное испытание системы поддержки принятия решений на уровне населения» . Журнал общей внутренней медицины . 24 (12): 1303–10. DOI : 10.1007 / s11606-009-1147-х . PMC 2787948 . PMID 19862578 .  
  25. ^ Хан S, Маклин CD, Littenberg B (июль 2010). «Влияние Информационной системы по диабету штата Вермонт на использование стационаров и отделений неотложной помощи: результаты рандомизированного исследования» . Исследования результатов здоровья в медицине . 1 (1): e61 – e66. DOI : 10.1016 / j.ehrm.2010.03.002 . PMC 2958673 . PMID 20975923 .  
  26. ^ «Профилактика и контроль диабета» . Реестр A1C города Нью-Йорка . Город Нью-Йорк. Архивировано из оригинала на 9 июня 2007 года .
  27. ^ Frieden TR (сентябрь 2008 г.). «Система сообщений о диабете в Нью-Йорке помогает пациентам и врачам» . Американский журнал общественного здравоохранения . Ajph.aphapublications.org. 98 (9): 1543–4, ответ автора 1544. doi : 10.2105 / AJPH.2008.142026 . PMC 2509589 . PMID 18633070 .  
  28. ^ "Столичный округ здравоохранения" . Sanantonio.gov . Проверено 18 апреля 2014 .