En ny måde at beregne global dødelighedsrisiko på intensivafdelinger

En mand med en historie med hjertearytmi er indlagt på en skadestue i Virginia, med symptomer på brystsmerter og uregelmæssig hjerterytme. Baseret på faktorer som alder, respirationsfrekvens, blodtryk, og blodpladetal, læger er i stand til at bestemme sandsynligheden for, at han overlever under intensiv behandling. De gør dette ved hjælp af en intensivafdeling (ICU) score for sværhedsgrad af sygdom, det mest almindelige er APACHE-systemet. APACHE—Acute Physiology and Chronic Health Evaluation—blev oprindeligt designet i begyndelsen af ​​1980'erne som et værktøj til at forudsige, derefter præsenterer dødelighedsrisikoen i kritisk pleje i et forenklet format.

Med vitale tegn og serumniveauer kontrolleret, manden skønnes at have en risiko på 7 procent, hvilket tyder på en relativt lav sandsynlighed for at dø under sit intensivophold. Hospitalet vil bruge denne score til senere at vurdere sin egen præstation, og sammenligne lignende patienters resultater med andre hospitalers resultater.

Men havde patienten været australsk og bragt til en intensivafdeling i Perth, den USA-centrerede APACHE-score kunne have vist sig mindre nyttig, med hans chancer for at overleve en mere kompleks sag, siger Jesse Raffa, en forsker ved Institute for Medical Engineering and Science (IMES) og hovedudvikler af et nyt scoringssystem kendt som Global Open Source Severity of Illness Score, eller GOSSIS.

"Det ville være svært at sige, om en model udviklet på amerikanske patienter er relevant for en sådan patient i Australien, " siger Raffa. "Det, vi prøver at gøre, er at finde på noget mere internationalt passende."

Med GOSSIS, Raffa og en gruppe samarbejdspartnere søger at indsamle og integrere hospitalsdata fra en række lande, dermed skabe en virkelig universel ICU-sværhedsgrad-af-sygdom score, der kan bruges i en række forskellige indstillinger. Raff og gruppen — medforskere Alistair Johnson, Tom Pollard, David Pilcher, og Omar Badawi, rådgivet af hovedforsker Leo Anthony Celi og en del af Laboratory for Computational Physiology, ledet af professor Roger Mark ved IMES, som sammen med de deltagende hospitaler er kollektivt benævnt GOSSIS Consortium - har også til formål at levere et bedre kalibreret system end ældre modeller. Den oprindelige finansiering til GOSSIS blev leveret af Philips Healthcare og National Institutes of Health.

"APACHEs primære anvendelse er for hospitaler til at overvåge, hvor godt de klarer sig, " siger Raffa. "Og kalibrering er vigtig for benchmarking, eller sammenligne overlevelsesstatistikker med statistikker fra andre hospitaler, og derefter vurdere den relative præstation."

Mens hospitaler generelt har en idé om deres egen patientdødelighed, Raffa siger, velkalibrerede forudsigelsesmodeller mangler ofte, gør det vanskeligt at sammenligne med deres jævnaldrende. "Når du har en systematisk tilgang - en valideret algoritme - fører dette til mere præcis benchmarking af dit center."

Næsten 45 amerikanske hospitaler bidrager i øjeblikket med data til APACHE IV, en nylig iteration af APACHE. I modsætning, fra begyndelsen af ​​2019, GOSSIS-klare datasæt findes til intensivafdelinger i Argentina, Australien, New Zealand, Bangladesh, Indien, Nepal, Sri Lanka, Brasilien, og 205 amerikanske hospitaler. Kombineret med de internationale konsortiummedlemmer, GOSSIS-systemet leverer data fra i alt mere end 1, 000 medicinske faciliteter.

En yderligere foreslået fordel ved GOSSIS:dens omkostningseffektivitet. I modsætning til dyre APACHE-score, ofte udfordrende at få til hospitaler med færre ressourcer, og som ikke kan betragtes som fuldt ud analoge med rapporter fra andre lande, GOSSIS kan tilgås, samt tilføjet, gratis – en potentiel velsignelse for systemet, som med øget og mere aktiv deltagelse, selve algoritmen har den unikke mulighed for at blive opdateret jævnligt, og forbedret.

"GOSSIS er et vigtigt initiativ af mange årsager, " siger Celi. "Fremst er dens open source-natur, som giver mulighed for løbende evaluering og rekalibrering af algoritmen. Dette er svært med proprietære scoringssystemer og vil typisk være ledsaget af, at leverandørerne opkræver mere for disse tjenester. Den anden grund er deltagelse af et meget større antal lande, som traditionelt er udeladt fra udvikling af sådanne score. Ved at lade disse lande bidrage med data til at træne algoritmen, det er mere sandsynligt, at algoritmen vil fungere godt på deres befolkning."

Selvom GOSSIS vil være tilgængelig for ethvert hospital, der søger adgang, forskerne tilskynder til så mange intensivafdelinger som muligt, i hele verden, at uploade deres data.

"Ved at bidrage med deres egne kritiske plejedata, hospitaler sikrer, at de er godt repræsenteret i algoritmen. Ofte indsamler hospitaler alligevel hele eller dele af disse dataelementer, især hvis de bruger et andet scoringssystem, " siger Raffa.

Han tilføjer, at homogenitet ikke vil være en forudsætning for at uploade data. "Vi erkender, at ikke alle vil have perfekte data, og vi valgte den tilgang, vi brugte med dette i tankerne."

Badawi, leder af Health Data Science og AI hos Philips Patient Care Analytics, håber, at systemet vil have en stor indflydelse. "Om 10 år, vi kunne forestille os et stort konsortium af data bidraget fra alle regioner rundt om i verden, hvilket ville gøre det muligt for en række open source-risikomodeller at være tilgængelige på tværs af lande."

I sine indledende stadier af vedtagelse, GOSSIS får allerede bred opmærksomhed fra det medicinske samfund. Den 19. februar Raffa og hans kolleger blev tildelt sølvmedaljeprisen for deres arbejde af Society of Critical Care Medicine i San Diego. Reflektere over prisen, Raffa siger han blev beæret, især som dataforsker, skal anerkendes af en organisation af medicinske fagfolk.

"At få holdet anerkendt med denne pris er en ære, og jeg synes, det illustrerer godt, at datavidenskab, især når det sker i samarbejde med klinikere, vil spille en vigtig rolle i fremtiden for klinisk forskning, " siger Raffa.

Denne historie er genudgivet med tilladelse fra MIT News (web.mit.edu/newsoffice/), et populært websted, der dækker nyheder om MIT-forskning, innovation og undervisning.