Το Mount Sinai αναπτύσσει βάση δεδομένων ανίχνευσης επαφών για την υγεία των εργαζομένων για να μειώσει την εξάπλωση του COVID-19 και να αυξήσει την ασφάλεια

Newswise – Τίτλος άρθρου: Ανάπτυξη και εφαρμογή μιας κεντρικής βάσης δεδομένων ανίχνευσης επαφών για την υγεία των εργαζομένων που βασίζεται σε σύννεφο και πλαισίου προγνωστικής μοντελοποίησης στην πανδημία COVID-19.

Περιοδικό: The Lancet Digital Health, Νοέμβριος 2022

συγγραφείς:

  • Κρίστιαν Β. Rabiei, MS, CIC, Υπεύθυνος Ελέγχου Λοιμώξεων, Πρόγραμμα Πρόληψης και Ελέγχου Λοιμώξεων στο Mount Sinai Beth Israel και Νέα Υόρκη
  • Waleed Javid, MD, FACP, FIDSA, FSHEA, επιδημιολόγος και διευθυντής πρόληψης και ελέγχου λοιμώξεων στο Mount Sinai Center
  • Ismail Nabil, MD, MPH, MS, FACOEM, Αναπληρωτής Ιατρικός Διευθυντής Υγείας, Ασφάλειας και Υγείας των Εργαζομένων για το Σύστημα Υγείας Mount Sinai

συμπέρασμα: Την εποχή της εμφάνισης του Covid-19, τον Μάρτιο του 2020, η Νέα Υόρκη ήταν το επίκεντρο της επιδημίας, με περισσότερες από 6.000 καθημερινές μολύνσεις και περισσότερους από 1.000 θανάτους την ημέρα. Εν μέσω του αυξανόμενου αριθμού κρουσμάτων COVID-19, τα συστήματα υγείας και τα νοσοκομεία της Νέας Υόρκης αντιμετωπίζουν αυξανόμενες απαιτήσεις σε προσωπικό και πόρους. Για να αντιμετωπίσουν την ανάγκη για ευέλικτες έρευνες ανίχνευσης επαφών και έκθεσης για τη μείωση της εξάπλωσης του COVID-19 μεταξύ των εργαζομένων στα νοσοκομεία, οι ερευνητές του Mount Sinai δημιούργησαν το Employee Health COVID-19 REDCap Registry—ένα ψηφιακό πλαίσιο που βασίζεται σε σύννεφο χρησιμοποιώντας την εφαρμογή Web Research Electronic Data Capture . – Παρακολούθηση και μείωση της εξάπλωσης του ιού σε όλο το σύστημα υγείας του Όρους Σινά, συμπεριλαμβανομένων 8 νοσοκομείων και περισσότερων από 400 θεραπειών εξωτερικών ασθενών.

Η βάση δεδομένων είναι χτισμένη με ένα μοντέλο “βασισμένο σε συμβάντα”, όπου κάθε συνάντηση ή “συμβάν” καταγράφεται μοναδικά χωρίς να συνδέεται σκόπιμα με προηγούμενα συμβάντα για το ίδιο άτομο ή τμήμα. Αυτή η ικανότητα επέτρεψε στο όρος Σινά να συσχετίσει συγκεκριμένα γεγονότα όπου η έρευνα σε ομάδες είναι απαραίτητη για τον εντοπισμό του μοτίβου εξάπλωσης της νόσου. Αυτή η συγκεκριμένη σχεδιαστική επιλογή για το ψηφιακό πλαίσιο φιλοξένησε και ανταποκρίθηκε σε σημαντικές αλλαγές στη νόσο COVID-19 με την εξάπλωση των παραλλαγών Delta και Omicron.

Το Μητρώο Υγείας Εργαζομένων του REDCap παρουσιάζει το COVID-19: Συλλέξτε δεδομένα για την υγεία των εργαζομένων χρησιμοποιώντας ασφαλείς και φιλικές προς τον χρήστη διαδικτυακές φόρμες. πληροφορίες παρακολούθησης επαφών για το προσωπικό παρακολούθησης ροής εργασιών· ποιοτική ανάλυση συνεντεύξεων εργαζομένων. ανάλυση και ενσωμάτωση γονιδιωματικών αλληλουχιών. και τις δυνατότητες της μηχανικής μάθησης σε μελλοντική έρευνα σχετικά με τις εκθέσεις.

Μέχρι σήμερα, έχουν πραγματοποιηθεί περισσότερες από 50.000 συνεντεύξεις εργαζομένων και περισσότερες από 500 ανασκοπήσεις πλαισίων. Ο εξελισσόμενος σχεδιασμός της πλατφόρμας έχει δημιουργήσει δυναμική ευελιξία ώστε να ενσωματώνει εξελισσόμενη γνώση και τεχνογνωσία σχετικά με τη μετάδοση του ιού, συμβάλλοντας στη διευκόλυνση των αλλαγών στις κλινικές συμβουλές σχετικά με τον COVID-19.

Πως: Το REDCap COVID-19 Employee Health Registry ήταν προσβάσιμο μέσω συσκευών με δυνατότητα Internet, όπως φορητές συσκευές και επιτραπέζιοι υπολογιστές, με απομακρυσμένη πρόσβαση που επιτρέπει την ενσωμάτωση σε όλα τα νοσοκομεία και κλινικές του συστήματος υγείας Mount Sinai. Οι φόρμες Ιστού καθιστούν δυνατή τη γρήγορη παρακολούθηση της υγειονομικής περίθαλψης των εργαζομένων, επειδή μπορεί να συμπληρωθεί σε προσωπικές συσκευές και να υποβληθεί αμέσως. Η διεπαφή εντοπισμού επαφών των υπηρεσιών υγείας των εργαζομένων έλαβε πληροφορίες σχετικά με τα δημογραφικά στοιχεία των εργαζομένων, τη διάρκεια της καραντίνας, τον εξοπλισμό ατομικής προστασίας που χρησιμοποιήθηκε και τις πρόσφατες δοκιμές Covid-19. Οι υπηρεσίες υγείας των εργαζομένων ανέπτυξαν μια μήτρα έκθεσης για να αξιολογήσουν τον κίνδυνο της αναφερόμενης έκθεσης (χαμηλή, μέτρια ή υψηλή). Ο πίνακας καθορίζει βαθμολογίες κινδύνου με βάση τον τύπο της έκθεσης. Το προσωπικό κωδικοποίησε την έκθεση σύμφωνα με την κλίμακα. Σύμφωνα με τους ερευνητές, αυτή η μέθοδος βαθμολόγησης μπορεί τελικά να χρησιμεύσει ως μοντέλο ταξινόμησης για την εποπτευόμενη μηχανική μάθηση για την πρόβλεψη των αποτελεσμάτων της έκθεσης.

Αποτελέσματα: Με το μητρώο υπαλλήλων REDCap COVID-19, η Mount Sinai Employee Health Services μπόρεσε να μειώσει τον χρόνο παρακολούθησης της υπόθεσης από ημέρες σε ώρες. Για παράδειγμα, αφού ένας υπάλληλος ανέφερε συμπτώματα COVID-19 στον προϊστάμενό του, οι υπηρεσίες υγείας των εργαζομένων μπόρεσαν: να παρακολουθήσουν τον διευθυντή του υπαλλήλου, να πραγματοποιήσουν μια αρχική συνέντευξη εντοπισμού επαφής και να στείλουν τον εργαζόμενο στο σπίτι για απομόνωση εντός τριών ωρών. Η παρακολούθηση επαφών αυτού του κρούσματος οδήγησε στον εντοπισμό μιας αναδυόμενης συστάδας στον τομέα και η κατεύθυνση μετάδοσης καθορίστηκε με συνδυασμό δεδομένων γονιδιωματικής αλληλουχίας που παρέχονται από το Mount Sinai Genomics Laboratory.

Γιατί είναι ενδιαφέρουσα η έρευνα;: Η ανάπτυξη αυτού του εργαλείου παρείχε μια ισχυρή υποδομή για την έρευνα για τον COVID-19. Αυτό βοήθησε να εγγραφούν οι εργαζόμενοι στα αρχικά στάδια της πανδημίας για να δωρίσουν ανοσογόνο πλάσμα και επέτρεψε στο Όρος Σινά να προσδιορίσει επαγγελματικούς και μη επαγγελματικούς παράγοντες κινδύνου για την εξάπλωση του COVID-19. Το Employee Health COVID-19 REDCap Registry παρέχει ένα εύκολα αναπτυγμένο πλαίσιο για ιδρύματα σε όλο τον κόσμο για τη διαχείριση μιας θανατηφόρας ασθένειας κατά τη διάρκεια μιας πανδημίας, σε μια πλατφόρμα που είναι διαθέσιμη παντού σε όλο τον κόσμο.

Η Christine B. Rabiei του Mount Sinai είπε για την έρευνα: Στόχος μας ήταν να αναδείξουμε τη δημιουργικότητα των ομάδων στο Mount Sinai Health System και να δείξουμε ότι κάθε οργανισμός μπορεί να χρησιμοποιήσει αυτά τα εργαλεία. Μπορέσαμε να χρησιμοποιήσουμε τις πληροφορίες που συλλέχθηκαν για να συμβαδίσουμε με τον COVID-19, χρησιμοποιώντας πλατφόρμες που δεν είναι αποκλειστικές ή δεν βρίσκονται σε ηλεκτρονικά αρχεία υγείας. Τα εργαλεία που είχαμε στη διάθεσή μας στην αρχή της πανδημίας δεν ανταποκρίνονταν στις ανάγκες μας, έτσι οι διαφορετικές ομάδες μας συνεργάστηκαν για να δημιουργήσουν νέα εργαλεία.

Ο Δρ Walid Javad από το Όρος Σινά είπε σχετικά με αυτήν την έρευνα: Αυτό το άρθρο περιγράφει την ηγεσία του Mount Sinai στην ταχεία ανάπτυξη μιας βάσης δεδομένων που βασίζεται σε σύννεφο που βοήθησε στον περιορισμό της εξάπλωσης του COVID μεταξύ του προσωπικού και των ασθενών μας. Θέλουμε να μοιραστούμε τη γνώση και τη μεθοδολογία μας με όλους, ώστε άλλα ιδρύματα υγειονομικής περίθαλψης να μπορούν να εφαρμόσουν παρόμοιες βάσεις δεδομένων με δυνατότητα κοινής χρήσης για να κρατήσουν τις κοινότητές μας ασφαλείς από επικίνδυνες πανδημίες.

Ο Δρ Ismail Nabil Koh Sina είπε σχετικά με την έρευνα: Έχουμε δημιουργήσει επαναληπτικά και σχολαστικά ένα ευέλικτο και ανταποκρινόμενο σύστημα που έχει διατηρηθεί καθώς οι εξελισσόμενες παραλλαγές του ιού COVID-19 προκαλούν όλεθρο σε όλες τις κοινότητες. Οι προσπάθειές μας μάς οδήγησαν στη δημιουργία ενός αξιόπιστου, επεκτάσιμου και εξελισσόμενου εργαλείου κατά του COVID-19 που μπορεί να μοιραστεί σε όλο τον κόσμο για να προστατεύσει τους πολύ ιδιαίτερους ήρωες της υγειονομικής περίθαλψης στην πρώτη γραμμή και όχι μόνο.

###

Δείτε ολόκληρο το άρθρο Εδώ.

Leave a Comment