COVID-19:一个新的AHRQ一下R21奖项将研究是否安全放电COVID-19从急诊病人
找到照顾现在
如果你正在经历一个医疗紧急情况,请致电911年或在急诊室求医。
在她的第一个联邦奖(AHRQ一下R21),杰西卡·e·Galarraga博士英里将研究,”一位EHR-Based筛查工具来支持安全排放COVID-19病人在急诊室”。本研究将开发一种检测工具和电子健康记录数据利用人工智能和机器学习技术来预测急诊科返回和相关的风险对COVID-19病人发病率或死亡率。通过开发一个卫生IT解决方案,结合了使用自然语言处理和决策支持工具,Galarraga博士试图将非结构化的临床数据转化为知识,可以应用于实践。
往往紧急临床医生必须凭借有限的信息做出快速的临床决策,由于COVID-19的挑战加剧。使用自然语言处理和机器学习的预测建模技术可以利用的数据丰富环境应急部门改善医疗服务的质量交付给COVID-19患者。本研究有三个目的:1)使用混合方法迭代地开发一个概念图作为本体的分类预测因素COVID-19急诊科返回并告知机器学习模型开发;2)开发和评估应急部门的机器学习算法预测返回COVID-19病人的风险;3)前瞻性验证COVID-19急诊科返回检测工具(CERST)使用实时数据。
本研究将生成结果为COVID-19提高护理质量的病人在急诊室。发现也将用于进一步优化机器学习模型,实施CERST作为EHR-integrated工具支持COVID-19急诊处置决定,并评估CERST对病人结果的表现。未来的研究还将使用混合方法来开发指南通过临床和护理干预措施过渡的工作人员使用该工具来防止COVID-19患者急诊的回报和不良结果。
研究团队推测,开发和实施提出COVID-19——急诊室返回筛选工具(CERST)可以帮助急诊科医生避免过早排放和从事循证与COVID-19病人讨论关于排放的计划。它也可以减少对医院的应变能力通过识别高风险病人安全的放电和保留资源COVID-19病人。
往往紧急临床医生必须凭借有限的信息做出快速的临床决策,由于COVID-19的挑战加剧。使用自然语言处理和机器学习的预测建模技术可以利用的数据丰富环境应急部门改善医疗服务的质量交付给COVID-19患者。本研究有三个目的:1)使用混合方法迭代地开发一个概念图作为本体的分类预测因素COVID-19急诊科返回并告知机器学习模型开发;2)开发和评估应急部门的机器学习算法预测返回COVID-19病人的风险;3)前瞻性验证COVID-19急诊科返回检测工具(CERST)使用实时数据。
本研究将生成结果为COVID-19提高护理质量的病人在急诊室。发现也将用于进一步优化机器学习模型,实施CERST作为EHR-integrated工具支持COVID-19急诊处置决定,并评估CERST对病人结果的表现。未来的研究还将使用混合方法来开发指南通过临床和护理干预措施过渡的工作人员使用该工具来防止COVID-19患者急诊的回报和不良结果。
研究团队推测,开发和实施提出COVID-19——急诊室返回筛选工具(CERST)可以帮助急诊科医生避免过早排放和从事循证与COVID-19病人讨论关于排放的计划。它也可以减少对医院的应变能力通过识别高风险病人安全的放电和保留资源COVID-19病人。
