Implementatie van een real-time psychose risicodetectie en waarschuwingssysteem op basis van elektronische medische dossiers met behulp van CogStack

De impact van psychosepreventie wordt beperkt door hoe effectief we risicopersonen kunnen detecteren. Dit protocol presenteert een nieuwe aanpak voor de implementatie van een psychose risicodetectie en waarschuwingsdienst in een echte wereld elektronische gezondheidsdossier systeem. Het belangrijkste voordeel van deze klinisch gebaseerde geïndividualiseerde risicocalculator is dat het mogelijk maakt voor de automatische detectie van personen die risico lopen op psychose op grote schaal met behulp van elektronische medische dossiers over verschillende mentale omstandigheden en in real time.

De huidige methoden voor het opsporen van mensen die risico lopen op psychose zijn relatief inefficiënt met slechts 5-12% van de eerste episode psychose gevallen gedetecteerd. Dit systeem zorgt voor een betere detectie van mensen met een risico en verbeterde communicatie met clinici. Het ontwikkelde platform kan worden aangepast voor andere risicovoorspellingsmodellering en detectiesysteem in de psychiatrie en dit kan de implementatie van precisiegeneeskunde in de klinische zorg ondersteunen ten behoeve van patiënten.

We willen deze nieuwe methode verspreiden onder de bredere gemeenschap en in gesprek gaan met andere onderzoekers, clinici, patiënten, verzorgers en belanghebbenden om de implementatie van precisiegeneeskunde in de psychiatrie te bevorderen. We hopen dat deze video zal de verwezenlijking van dit doel te vergemakkelijken. Hoewel het script, dat is gebruikt om dit systeem en de methode te implementeren, in detail worden beschreven in de studie.

Ons onderzoeksteam zal graag toekomstige onderzoekers helpen die een soortgelijke aanpak willen implementeren op hun klinische omgeving. Begin met het downloaden of klonen van de code repository van GitHub. Als u CogStack-pijplijn wilt configureren voor gegevensopname, opent u de cogstack_deploy/cogstack/directory en wijzigt u psychose.

eigenschappen en wijzig de instellingen van de sectie bron:dbconfiguratie op basis van de instellingen voor de instellingen van de elektronische statusrecorddatabase, inclusief het opgeven van het IP-adres van de databaseserver, databasenaam, databasegebruikersnaam en wachtwoord. Open een webbrowser en krijg toegang tot de Kibana-gebruikersinterface. Voor het eerst toegang tot Kibana, klik op het tabblad Beheer en Indexpatronen om een elastische zoekindex van belang op te geven en psychosis_base in te voeren in het veld indexpatroon.

Klik op Volgende stap en selecteer ETL_updated_dttm voor de naam van het tijdfilterveld. Klik vervolgens op Indexpatroon maken om het psychosis_base-indexpatroon voor Kibana toe te voegen. Zodra Kibana is verbonden met de elastische zoekindex, zoekt en bladert u interactief door de brongegevens via de discover-pagina.

Open een nieuw terminalvenster en open de psychosemap om toegang te krijgen tot de risicocalculator. Voer de juiste opdracht in terminal in om alle vereiste Python-pakketten te installeren die in de risicocalculator worden gebruikt en voer de psychoserisicocalculator uit. Als het proces met succes is voltooid, worden logboeken van de risicoberekening afgedrukt in de terminal en worden de risicoresultaten opgeslagen in een nieuwe elastische zoekindex genaamd psychosis_risk binnen het CogStack-platform.

Als u de risicoresultaten in de Kibana-interface wilt controleren, voegt u een nieuw indexpatroon toe psychosis_risk kibana te verbinden met de psychosis_risk-index en de risicoresultaten te verkennen via de ontdekpagina. Als u visualisaties en dashboards wilt maken om een overzicht te krijgen van de kenmerken voor de hele populatie risicopatiënten, klikt u op Visualiseren en klikt u op Nieuwe visualisatie maken. Selecteer het visualisatietype en selecteer psychosis_risk als de te visualiseren index.

Zodra afzonderlijke visualisaties zijn gemaakt, klikt u op Dashboard om een dashboard te maken dat een reeks gerelateerde visualisaties samen weergeeft. Klik op Management en Watcher om alert te zijn op clinici wanneer patiënten risico lopen op psychose. Als u een nieuwe watcher wilt instellen, klikt u op Geavanceerd horloge maken en voert u de id en naam in.

Als u een waarschuwingsmail naar het adres van een arts wilt verzenden, verwijdert u de inhoud van de sectie JSON bekijken en kopieert u de inhoud in de watcher. json bestand met de psychose directory naar het horloge JSON sectie. Voordat u de watcher opslaat, klikt u op Simuleren om de uitvoering van de watcher te testen.

Als de watcher is ingesteld, wordt de simulatie-uitvoer weergegeven. In dit representatieve cijfer kan het aantal records dat in de loop van de tijd in CogStack is opgenomen, in chronologische volgorde worden waargenomen op basis van de laatste updatedatum van een record. Bij vergelijking van de aantallen en inhoud van de records in de database in de elastische zoekindex werden geen ontbrekende en discrepant gegevens gedetecteerd die de betrouwbaarheid van de CogStack-pijplijn en gegevensopname in synchronisatie bevestigen.

Zoals deze cijfers illustreren, kunnen de kenmerken voor patiënten die risico lopen op psychose, waaronder patiënt etniciteiten, geslachten, leeftijden en categorieën diagnoses, worden gevisualiseerd. Hier kan de interface voor het instellen van een risicowaarschuwingsservice worden waargenomen door het horlogeonderdeel in Kibana te gebruiken zoals aangetoond. Zodra deze service is geconfigureerd met succes, gebruikers ontvangen een e-mail melding als er een of meer patiënten waarvan het risico van psychose in twee jaar hoger is dan 5%Het is belangrijk om cross-validatie te doen om ervoor te zorgen dat de juiste informatie wordt gewonnen uit de lokale elektronische gezondheid record systeem.

We kunnen een verfijnde versie van deze risicocalculator en dit protocol integreren om de voorspelling van de resultaten verder te verbeteren. We kunnen verder integreren een dynamische versie van deze risico calculator die het mogelijk zou maken voor real-time bijwerken van de resultaten als symptomen van de patiënt veranderen, dus het geven van meer betrouwbare voorspellingen die beter weerspiegelen klinische route van een patiënt. Dit protocol kan opnieuw worden geconfigureerd om waarschuwingen voor monitoring en levering mogelijk te maken voor andere risicovoorspellingsmodellen, zodat clinici tijdig beslissingen kunnen nemen om de patiëntenzorg, veiligheid en ervaring te verbeteren.