满亿国际|Home - Welcome!

Chinese English
公司新聞 媒體報道 專家觀點
案例分享｜基於雲服務的新冠疫情防控系統
2020-02-01 分享：

案例背景



新冠疫情爆發給全世界醫療衛生系統帶來巨大壓力。利用疫情監控系統追蹤密切接觸者和感染者，以支持臨床決策是一種有效的疫情防控方法。但是，傳統的防控系統受時間、空間和靈活性限制，同時來自這些系統的報告往往是區域性的，來自社區和市級層面的信息缺乏關於疾病的充分信息，這會導致疫情防控措施低效。

對於湖北新冠疫情防控形勢來說，病歷眾多和人群分群挑戰着傳統的人工報告和追蹤方法。為應對這一重大挑戰，满亿国际與洪湖市聯合防控指揮部開發了新冠疫情防控系統（HHS）：HHS在72小時內搭建完成，主要應用於湖北洪湖市（距離武漢145km,常駐人口超過90萬）的疫情防控。

HHS整合了傳統來源數據（例如病例報告系統和診斷實驗室）以及非傳統來源數據（包括結構化電子病歷和移動設備上的社交數據），實時數據採集和高效數據分析，提供了有關症狀，心理狀況，接觸史，社會行為和物理環境的詳細信息。

案例內容



01
 基於雲服務的硬件方案



在疫情爆發期，由於交通管制、隔離措施，使得採購部署硬件設施並不現實；同時數據處理及數據分析團隊分散各地，疫情當地技術支持不足；數據來源不同平台、機構甚至地域，難以實現數據匯集；需求快速疊代，硬件要隨時準備功能拓展和性能提升。基於雲服務的硬件方案提供了有效的解決方案。


02
 數據採集



9家定點醫院每日結構化的電子病歷數據；微信上報系統收集的居民個人實時健康信息；來自第三方PCR實驗室，第三方抗體實驗室和公共衛生信息系統的每日診斷報告。


利用九家醫院內部現有的健康信息系統，並利用微信平台開發了一個小程序，用於症狀報告和空間數據收集。


03
數據處理



對收集數據進行清洗整理，通過交叉驗證等方法剔除重複、錯誤的信息，然後將相關的信息進行標準化。其中疾病診斷使用的是SNOMED-CT和ICD10、檢查檢驗使用LONIC、手術使用ICD9等，在清洗過程中，對於非結構化的文本信息，通過自然語言（NLP）技術進行結構化。數據清洗整理好後，存入通用的數據模型（CDM）。數據模型元素和COVID-19的推薦同義詞來自54位中國專家，包括臨床醫生，研究人員，公共衛生專業人員和信息專家。


04
倫理審查，私隱保護和數據安全



南方醫院倫理委員會批准了此項研究。疫情防控系統內所有用戶都同意共享使用此系統所需的信息。整個系統部署中，特彆強調數據安全和私隱保護問題。

實施了標準的安全設置和軟件（例如，防火牆，數據加密）。虛擬專用網絡用於遠程技術支持和數據分析。

為保護患者的私隱，對數據設置了不同的訪問級別。匯總報告是數據共享的主要形式。洪湖市新冠疫情防控指揮部的專家團隊擁有豐富的數據訪問權限。他們使用數據對患者進行分類，協調社區中的社會工作者，並分配醫療資源。遠程分析團隊無法訪問患者的身份。項目之初，數據安全和私隱保護專家（均獲得HIPAA法案認證）設計和設置了此項數據訪問權限機制。

獨立審核員負責監視任何違反規則的情況，並報告和更正規則。回顧性收集數據，入組前先要獲取住院患者書面知情同意。

最重要的是，所有授權人員都接受了有關數據安全性和私隱保護的培訓，另外，還簽署了具有法律約束力的承諾函。此外，該團隊與雲計算服務提供商緊密合作，將敏感數據與其餘數據區分開。

應用效果



01
基於手機社交媒體平台，實施人群的綜合監控。



從1月26日洪湖確診第一例到2020年3月16日，所有確診COVID-19的患者均已出院，總共383例COVID-19病例，不幸的是其中死亡13例。在巨大的壓力下，HHS於2月14日啟動，並在72小時內成功部署。到3月16日，自行報告的累計數量達到1750萬，每日活動報告可達90萬人次。

基於手機社交媒體平台，實施了針對不同人群的綜合監控。其中包括一般人群，住院和出院患者，感染風險較高的人（即：有去武漢的旅行經歷、確診病例的接觸史或在隔離地點接受醫學觀察的人）以及衛生保健專業人員（即醫生、護士、公共衛生專家和社會工作者）。

參考文本框1有關居家隔離的普通人群的問卷調查的詳細信息。該問卷由南方醫院傳染病專家提出，經討論會議修改，當地政府工作人員，當地臨床醫生，公共衛生專業人員和信息專家參加了討論會議。3月2日，政府評估開放洪湖的工作和生產限制時，有關求職支持的項目添加到調查表中。

Demographiccharacteristics

• Name

• ID number

• Gender

• Address (semi-structured)

• Phone number (free text)

Spatial information

• Current location (structured)

Epidemiological exposure

• Have you visited or stayed in communities with confirmed cases inthe last 14 days? (Yes/No)

• Have you been in contact with confirmed cases in the last 14 days？ (Yes/No)

• Have you been in contact with residents from Wuhan City or fromthe community with case reports or who have had respiratory symptoms in thelast 14 days? (Yes/No)

• Have you participated in small-scale gatherings with more than 2cases reported in the last 14 days? (Yes/No)

Physical conditions

• Today's physical condition: good/cough/runny nose/chesttightness/diarrhea/muscle soreness? (multiple choices)

• Today's body temperature?

Psychological conditions

• Did you feel nervous, fearful or anxious today? (Yes/No)

Community support

• Are there public health officials to visit you for investigation?(Yes/No)

• Were there any social workers who called you or came to your hometo help solve the reported problems? (Yes/No)

Job-seeking support

• Are you willing to work locally? (free text)

• Are you willing to participate in free skill training? (free text)


文本框1：微信實時問卷

社區工作者通過電話或上門拜訪跟蹤了10,000多個陽性報告（例如，「我的體溫超過37.3°C」或「今天我咳嗽得很厲害」）。協助30多人到發燒門診進一步篩查，然後隔離。這是由城市居民通過新的信息渠道發起的一種主動監視機制，並有效地進行了COVID-19篩查。高覆蓋率（超過95％的居民）和每日活躍報告（超過60萬人次）證明了在COVID-19流行期間進行密集監測的可行性。

陽性報告病歷（日超50萬人次報告0.10％-0.12％的概率）提供了有力的證據，表明防控措施已經有效地阻止了疫情的擴散。


02
政策制定決策支持



監測數據的波動和趨勢分析可支持與政策相關的決策。由於人口眾多，趨勢的穩定性和波動性為地方當局評估疾病管理的有效性並作出相應的及時調整提供了有力的證據。空間分析也發揮了關鍵作用。由患者集中度表示的社區內密切接觸者的聚集（圖2），說明了當地疫情爆發的高風險，這將自動觸發社區工作者的家訪工作。

640 (1).png

圖2：洪湖衛生報告熱圖




03
臨床決策支持和資源優先級



基於住院患者死亡率預測系統建立的臨床決策支持系統，用於改善COVID-19患者臨床護理，降低死亡風險並優先分配有限的醫療資源。

基於多葉浸潤，低淋巴細胞增多症，細菌合併感染，吸煙史，高血壓史和年齡（MuLBSTA）評分系統，實際上這是一個針對COVID-19住院患者死亡率預測系統，383個病歷中有36個患者被劃分為高死亡風險人群（MuLBSTA評分≥12）,他們被收治在重症監護區域或更頻繁地進行重要生化標記篩選。據作者所知，這是針對COVID-19患者的死亡風險預測系統的實際應用。


04
出院患者的隨訪



我們使用社交媒體平台對出院患者進行登記註冊，並要求患者在出院後的兩個月內每天報告其症狀。隨訪系統啟動後，在3天內達到了100％的覆蓋率。系統上報病歷如高燒等症狀的復發，社區工作者將通過家訪工作直至安排再次入院。


知識產權聲明：以上案例內容由满亿国际科技股份有限公司提供，詳細內容可查閱(J Med Internet Res 2020;22(4):e18948) doi: 10.2196/18948



TOP