stringtranslate.com

Надзор за общественным здравоохранением

Надзор за общественным здравоохранением (также эпидемиологический надзор , клинический надзор или синдромный надзор ) — это, по мнению Всемирной организации здравоохранения (ВОЗ), «непрерывный, систематический сбор, анализ и интерпретация связанных со здоровьем данных, необходимых для планирования, реализации и оценки практики общественного здравоохранения ». [1] Наблюдение за общественным здравоохранением может использоваться для отслеживания возникающих проблем, связанных со здоровьем, на ранней стадии и своевременного поиска активных решений. [1] Системы наблюдения обычно призваны предоставлять информацию о том, когда и где возникают проблемы со здоровьем и кто от них страдает. [2]

Системы надзора за общественным здравоохранением могут быть пассивными или активными. Система пассивного надзора состоит из регулярной и постоянной отчетности о заболеваниях и состояниях всеми медицинскими учреждениями на определенной территории. Система активного надзора – это система, при которой медицинские учреждения посещаются, а поставщики медицинских услуг и медицинские записи проверяются с целью выявления конкретного заболевания или состояния. [3] Пассивные системы эпиднадзора требуют меньше времени и средств, но при этом существует риск занижения данных о некоторых заболеваниях. Системы активного надзора наиболее подходят для эпидемий или случаев, когда болезнь планируется уничтожить. [3]

Методы надзора за общественным здравоохранением использовались, в частности, для изучения инфекционных заболеваний . Многие крупные учреждения, такие как ВОЗ и Центры по контролю и профилактике заболеваний (CDC), создали базы данных и современные компьютерные системы ( информатика общественного здравоохранения ), которые могут отслеживать и контролировать возникающие вспышки таких заболеваний, как грипп , атипичная пневмония , ВИЧ и вирусы. даже биотерроризм , такой как атаки сибирской язвы в Соединенных Штатах в 2001 году. [ нужна цитата ]

Во многих регионах и странах существует собственный канцер-регистр , который отслеживает заболеваемость раком, чтобы определить распространенность и возможные причины этих заболеваний. [4]

Другие заболевания, такие как разовые случаи, такие как инсульт и хронические заболевания, такие как диабет , а также социальные проблемы, такие как домашнее насилие, все чаще интегрируются в эпидемиологические базы данных, называемые реестрами заболеваний. В этих реестрах проводится анализ затрат и выгод для определения государственного финансирования исследований и профилактики .

В настоящее время используются системы, которые могут автоматизировать процесс выявления побочных эффектов от приема лекарств, и их сравнивают с традиционными письменными отчетами о таких событиях. [5] Эти системы пересекаются с областью медицинской информатики, быстро внедряются в больницах и одобряются учреждениями, контролирующими поставщиков медицинских услуг (такими как JCAHO в США). Проблемы совершенствования здравоохранения возникают вокруг надзора за ошибками в лечении в медицинских учреждениях. [6]

Синдромальный надзор

Синдромальный надзор – это анализ медицинских данных с целью обнаружения или прогнозирования вспышек заболеваний . Согласно определению CDC, «термин «синдромальный надзор» применяется к надзору с использованием медицинских данных, которые предшествуют диагностике и сигнализируют о достаточной вероятности случая или вспышки, чтобы гарантировать дальнейшие ответные меры общественного здравоохранения. Хотя исторически синдромный надзор использовался для целенаправленное расследование потенциальных случаев, его полезность для выявления вспышек, связанных с биотерроризмом, все чаще изучается должностными лицами общественного здравоохранения». [7]

Первые признаки вспышки заболевания или биотеррористической атаки не могут быть окончательным диагнозом врача или лаборатории. [8]

Если взять в качестве примера обычную вспышку гриппа , то как только вспышка начнет затрагивать население, некоторые люди могут позвонить больным на работу/в школу, другие могут пойти в аптеку и купить лекарства без рецепта, третьи посетят кабинет своего врача и других. симптомы могут быть настолько серьезными, что они могут позвонить по телефону службы экстренной помощи или обратиться в отделение неотложной помощи . [ нужна цитата ]

Системы синдромного наблюдения отслеживают данные из журналов прогулов в школе, систем экстренного вызова, больничных записей о безрецептурных продажах лекарств, поиска в Интернете и других источников данных для выявления необычных закономерностей. Когда в какой-либо из контролируемых систем наблюдается всплеск активности, эпидемиологи заболеваний и специалисты общественного здравоохранения предупреждаются о возможной проблеме. [ нужна цитата ]

Раннее информирование и реагирование на биотеррористическую атаку могут спасти множество жизней и потенциально остановить или замедлить распространение вспышки. Наиболее эффективные системы синдромного наблюдения автоматически контролируют эти системы в режиме реального времени, не требуют от людей ввода отдельной информации (ввод вторичных данных), включают в себя передовые аналитические инструменты, агрегируют данные из нескольких систем, преодолевая геополитические границы, и включают автоматическое оповещение. процесс. [9]

Система синдромного наблюдения, основанная на поисковых запросах, была впервые предложена Гюнтером Эйзенбахом , который начал работу над такой системой в 2004 году. [10] Вдохновленный этим ранним обнадеживающим опытом, Google запустил Google Flu Trends [11] в 2008 году. соответствующие поисковые запросы используются для указания на более высокую активность гриппа. Результаты, опубликованные в журнале Nature , близко соответствовали данным CDC и опережали их на 1–2 недели. [12] Однако было показано, что первоначальный подход, лежащий в основе Google Flu Trends, имел различные недостатки моделирования, приводящие к значительным ошибкам в его оценках. [13] Совсем недавно была предложена серия более продвинутых линейных и нелинейных подходов к моделированию гриппа на основе поисковых запросов Google. [14] Продолжая работу Google, исследователи из Лаборатории интеллектуальных систем ( Бристольский университет , Великобритания) создали Flu Detector; [15] онлайн-инструмент, который на основе методов поиска информации и статистического анализа использует контент Twitter для прогнозирования уровня заболеваемости гриппом в Великобритании. [16]

Цифровые методы

Цифровой надзор за общественным здравоохранением во многом опирается на ряд методов. Наиболее важными из них являются использование поисковых тенденций на таких сайтах, как Google и Wikipedia, публикации в социальных сетях на таких платформах, как Facebook и Twitter, а также веб-сайты коллективного наблюдения, такие как Flu Near You и Influenzanet. Однако диапазон потенциальных источников данных, подходящих для эпиднадзора за болезнями, увеличился по мере того, как различные области были оцифрованы; сегодня данные о посещаемости школ, данные о госпитализации в экстренных случаях и даже данные о продажах могут использоваться в целях синдромного надзора. Тенденции поиска предоставляют косвенные данные о состоянии общественного здравоохранения, тогда как последние два метода предоставляют прямые данные. [17]

Поисковые агрегаты

Поисковые агрегаты чаще всего использовались для отслеживания и моделирования гриппа. Популярным примером является Google Flu Trends , [18] который был впервые выпущен в 2008 году. [17] Также использовалась Википедия, хотя она потенциально подвержена «шуму», поскольку является популярным источником медицинской информации независимо от того, является ли пользователь болен или нет. [19] Во время пандемии COVID-19 была разработана новая методология для моделирования распространенности COVID-19 на основе поисковой активности в Интернете. [20] Эта методология также использовалась Службой общественного здравоохранения Англии в Соединенном Королевстве в качестве одной из конечных точек синдромного наблюдения. [ нужна цитата ]

Социальные медиа

Примеры наблюдения за общественным здравоохранением в социальных сетях включают HealthTweets, которая собирает данные из Twitter. [19] Данные Твиттера считаются весьма полезными для исследований в области общественного здравоохранения, поскольку его политика в отношении данных разрешает публичный доступ к 1% образцов необработанных твитов. Твиты также могут быть геолокированы, что можно использовать для моделирования распространения заразных заболеваний. Это наиболее используемая платформа социальных сетей для наблюдения за общественным здравоохранением. [17] Во время пандемии COVID-19 Facebook использовал агрегированные анонимные данные, собранные со своих платформ, для предоставления информации о перемещениях людей для моделей заболеваний. Он также предложил пользователям возможность принять участие в опросе симптомов заболевания, проводимом Университетом Карнеги-Меллона . [21]

Сайты наблюдения

Flu Near You и Influenzanet — два примера краудсорсинговых цифровых систем наблюдения. Оба сайта вербуют пользователей для участия в опросах о симптомах гриппа. Influenzanet была основана в 2009 году и работает в десяти странах Европы. Его предшественником была Grote Griepmeting, голландско-бельгийская платформа, запущенная в 2003 и 2004 годах. Flu Near You используется в США. Другим примером сайта наблюдения является Dengue na Web, который используется для исследования лихорадки денге в Баии , Бразилия. [17]

Лабораторный надзор

Некоторые состояния, особенно хронические заболевания, такие как сахарный диабет , должны регулярно контролироваться с помощью частых лабораторных измерений. Поскольку многие лабораторные результаты, по крайней мере в Европе и США, автоматически обрабатываются компьютеризированными лабораторными информационными системами, результаты относительно легко и недорого сопоставить в базах данных специального назначения или реестрах заболеваний. В отличие от большинства систем синдромного надзора, в которых предполагается, что каждая запись независима от других, лабораторные данные при хронических состояниях теоретически могут быть связаны друг с другом на уровне отдельного пациента. Если идентификаторы пациентов можно сопоставить, можно проанализировать хронологическую запись результатов лабораторных исследований каждого пациента, а также агрегировать их на уровне популяции. [ нужна цитата ]

Лабораторные регистры позволяют анализировать заболеваемость и распространенность целевого состояния, а также тенденции уровня контроля. Например, финансируемая НИЗ программа под названием Vermedx Diabetes Information System [22] вела реестр лабораторных показателей взрослых больных диабетом в Вермонте и северном штате Нью-Йорк в США с результатами лабораторных исследований тысяч пациентов за несколько лет. [23] Данные включали показатели контроля уровня сахара в крови ( гликированный гемоглобин A1c ), холестерина и функции почек (сывороточный креатинин и белок мочи ) и использовались для мониторинга качества медицинской помощи на уровне пациентов, практики и населения. Поскольку данные содержали имя и адрес каждого пациента, система также использовалась для прямого общения с пациентами, когда лабораторные данные указывали на необходимость внимания. Результаты теста, вышедшего из-под контроля, привели к тому, что пациенту было отправлено письмо с предложением принять меры вместе со своим врачом. Просроченные тесты генерировали напоминания о необходимости проведения тестирования. Система также генерировала напоминания и оповещения с рекомендациями для практики, основанными на руководящих принципах, а также периодический список пациентов каждого поставщика услуг и карточку успеваемости, в которой обобщается состояние здоровья населения. Клинические и экономические оценки системы, включая крупное рандомизированное клиническое исследование , продемонстрировали улучшение соблюдения практических рекомендаций и снижение потребности в услугах отделений неотложной помощи и больниц, а также общих затрат на одного пациента. [24] [25] [26] Система была коммерциализирована и распространена среди врачей, страховщиков, работодателей и других лиц, ответственных за уход за хронически больными пациентами. В настоящее время оно распространяется на другие состояния, такие как хроническая болезнь почек . [ нужна цитата ]

Аналогичная система, The New York City A1C Registry, [27] используется для наблюдения примерно за 600 000 пациентов с диабетом в Нью-Йорке , хотя, в отличие от Вермонтской информационной системы по диабету, не существует положений, позволяющих пациентам исключать свои данные из базы данных. База данных Нью-Йорка. Департамент здравоохранения и психической гигиены Нью-Йорка связал с реестром дополнительные услуги для пациентов, такие как медицинская информация и улучшенный доступ к медицинским услугам. По состоянию на начало 2012 года реестр содержит более 10 миллионов результатов тестов 3,6 миллиона человек. Несмотря на то, что оно предназначено для улучшения показателей здоровья и снижения частоты осложнений диабета [28] , официальная оценка еще не проводилась.

В мае 2008 года городской совет Сан-Антонио, штат Техас, одобрил развертывание реестра A1C для округа Бексар . С разрешения законодательного собрания Техаса и Департамента здравоохранения штата столичный медицинский округ Сан-Антонио [29] внедрил реестр, в котором были собраны результаты всех основных клинических лабораторий Сан-Антонио. Программа была прекращена в 2010 году из-за отсутствия средств. [ нужна цитата ]

Лабораторный надзор отличается от надзора за населением, поскольку он может контролировать только тех пациентов, которые уже получают лечение и, следовательно, проходят лабораторные анализы. По этой причине он не выявляет пациентов, которые никогда не проходили тестирование. Следовательно, он больше подходит для управления качеством и улучшения ухода, чем для эпидемиологического мониторинга всего населения или территории обслуживания. [ нужна цитата ]

Смотрите также

Рекомендации

  1. ^ ab Надзор за общественным здравоохранением, Всемирная организация здравоохранения (по состоянию на 14 января 2016 г.).
  2. ^ Пещеры RW (2004). Энциклопедия города . Рутледж. стр. 548. ISBN. 9780415252256.
  3. ^ ab Всемирная организация здравоохранения. «Надзор за болезнями, предупреждаемыми с помощью вакцин». Всемирная организация здравоохранения: Иммунизация, вакцины и биологические препараты . Архивировано из оригинала 1 апреля 2014 года . Проверено 19 октября 2016 г.
  4. ^ Уайт, Мэри С.; Бэбкок, Фрэнсис; Хейс, Никки С.; Мариотто, Анджела Б.; Вонг, Фэй Л.; Колер, Бетси А.; Вейр, Ханна К. (15 декабря 2017 г.). «История и использование данных реестра рака программами общественного здравоохранения по борьбе с раком в Соединенных Штатах». Рак . 123 (Приложение 24): 4969–4976. дои : 10.1002/cncr.30905. ISSN  0008-543X. ПМК 5846186 . ПМИД  29205307. 
  5. ^ Килбридж П.М., Кэмпбелл, Калифорнийский университет, Козарт Х.Б., Мохаррад М.Г. (июль – август 2006 г.). «Автоматизированное наблюдение за нежелательными явлениями, связанными с приемом лекарств, в общественной больнице и академическом медицинском центре». Журнал Американской ассоциации медицинской информатики . 13 (4): 372–7. дои : 10.1197/jamia.M2069. ПМК 1513675 . ПМИД  16622159. 
  6. ^ disa.mil [ неработающая ссылка ] PDF
  7. ^ "webcitation.org". www.webcitation.org. Архивировано из оригинала 24 июня 2003 года . Проверено 18 апреля 2014 г.{{cite web}}: CS1 maint: неподходящий URL ( ссылка )
  8. ^ Хеннинг KJ (сентябрь 2004 г.). «Что такое синдромальный надзор?». Дополнения MMWR . 53 : 5–11. ПМИД  15714620.
  9. ^ «Синдромный надзор: прикладной подход к обнаружению вспышек». Центры США по контролю и профилактике заболеваний. 13 января 2006 г. Архивировано из оригинала 20 января 2007 г.
  10. ^ Эйзенбах Г. (2006). «Инфодемиология: отслеживание поисковых запросов в Интернете, связанных с гриппом, для синдромного наблюдения». AMIA ... Материалы ежегодного симпозиума. Симпозиум АМИА . 2006 : 244–8. ПМК 1839505 . ПМИД  17238340. 
  11. ^ "Тенденции Google по гриппу" . Гугл.орг . Проверено 18 апреля 2014 г.
  12. ^ Гинзберг Дж., Мохебби М.Х., Патель Р.С., Браммер Л., Смолински М.С., Бриллиант Л. (февраль 2009 г.). «Обнаружение эпидемий гриппа с использованием данных поисковых запросов». Природа . 457 (7232): 1012–4. Бибкод : 2009Natur.457.1012G. дои : 10.1038/nature07634 . PMID  19020500. S2CID  125775.
  13. ^ Лазер Д., Кеннеди Р., Кинг Дж., Веспиньяни А. (2014). «Притча о Google Flu: ловушки в анализе больших данных». Наука . 343 (6176): 1203–1205. Бибкод : 2014Sci...343.1203L. дои : 10.1126/science.1248506. PMID  24626916. S2CID  206553739.
  14. ^ Лампос В., Миллер AC, Кроссан С., Стефансен С. (август 2015 г.). «Достижения в прогнозировании показателей заболеваемости гриппоподобными заболеваниями с использованием журналов поисковых запросов». Научные отчеты . 5 (12760): 12760. Бибкод : 2015NatSR...512760L. дои : 10.1038/srep12760. ПМЦ 4522652 . ПМИД  26234783. 
  15. ^ «Детектор гриппа – отслеживание эпидемий в Твиттере» . GeoPatterns.enm.bris.ac.uk . Проверено 18 апреля 2014 г.
  16. ^ Лампос В., Де Би Т., Кристианини Н. (2010). Детектор гриппа – отслеживание эпидемий в Твиттере . ЭКМЛ ПКДД. стр. 599–602. дои : 10.1007/978-3-642-15939-8_42 .
  17. ^ abcd Aiello AE, Ренсон А, Зивич ПН (апрель 2020 г.). «Наблюдение за заболеваниями в социальных сетях и Интернете в целях общественного здравоохранения». Ежегодный обзор общественного здравоохранения . 41 : 101–118. doi : 10.1146/annurev-publhealth-040119-094402 . ПМЦ 7959655 . ПМИД  31905322. 
  18. ^ Браунштейн, Джон С.; Фрейфельд, Кларк С.; Мэдофф, Лоуренс К. (21 мая 2009 г.). «Цифровое обнаружение заболеваний — использование Интернета для надзора за общественным здравоохранением». Медицинский журнал Новой Англии . 360 (21): 2153–2157. doi : 10.1056/NEJMp0900702. ISSN  0028-4793. ПМК 2917042 . ПМИД  19423867. 
  19. ^ аб Шарп Дж.Д., Хопкинс Р.С., Кук Р.Л., Страйли CW (октябрь 2016 г.). «Оценка Google, Twitter и Википедии как инструментов эпиднадзора за гриппом с использованием байесовского анализа точки изменения: сравнительный анализ». JMIR Общественное здравоохранение и надзор . 2 (2): е161. дои : 10.2196/publichealth.5901 . ПМК 5095368 . ПМИД  27765731. 
  20. ^ Лампос В., Маджумдер М.С., Йом-Тов Э. и др. (2021). «Отслеживание COVID-19 с помощью онлайн-поиска». npj Цифровая медицина . 4 (17): 17. arXiv : 2003.08086 . дои : 10.1038/s41746-021-00384-w . ПМЦ 7870878 . ПМИД  33558607. 
  21. ↑ Ньютон С (6 апреля 2020 г.). «Facebook начинает делиться дополнительными данными о местоположении с исследователями COVID-19 и просит пользователей самостоятельно сообщать о симптомах». Грань . Проверено 2 сентября 2020 г.
  22. ^ "Информационная система Vermedx по диабету" . vermedx.com. Архивировано из оригинала 2 февраля 2011 г. Проверено 18 апреля 2014 г.
  23. ^ MacLean CD, Литтенберг Б., Ганьон М. (апрель 2006 г.). «Поддержка принятия решений по диабету: первоначальный опыт работы с информационной системой диабета Вермонта». Американский журнал общественного здравоохранения . 96 (4). Ajph.org: 593–5. дои : 10.2105/AJPH.2005.065391. ПМК 1470550 . ПМИД  16507723. 
  24. ^ Литтенберг Б., Маклин С.Д., Зигаровский К., Драпола Б.Х., Дункан Дж.А., Фрэнк Ч.Р. (март 2009 г.). «Информационная система Vermedx по диабету снижает использование медицинских услуг». Американский журнал управляемого медицинского обслуживания . 15 (3): 166–70. ПМИД  19298097.
  25. ^ Маклин CD, Ганьон М., Каллас П., Литтенберг Б. (декабрь 2009 г.). «Информационная система по диабету Вермонта: кластерное рандомизированное исследование популяционной системы поддержки принятия решений». Журнал общей внутренней медицины . 24 (12): 1303–10. дои : 10.1007/s11606-009-1147-x. ПМЦ 2787948 . ПМИД  19862578. 
  26. ^ Хан С., Маклин CD, Литтенберг Б (июль 2010 г.). «Влияние Информационной системы по диабету Вермонта на использование стационаров и отделений неотложной помощи: результаты рандомизированного исследования». Исследование результатов здоровья в медицине . 1 (1): е61–е66. doi :10.1016/j.ehrm.2010.03.002. ПМЦ 2958673 . ПМИД  20975923. 
  27. ^ «Профилактика и контроль диабета». Реестр A1C города Нью-Йорка . Город Нью-Йорк. Архивировано из оригинала 9 июня 2007 года.
  28. ^ Фриден Т.Р. (сентябрь 2008 г.). «Система отчетности о диабете в Нью-Йорке помогает пациентам и врачам». Американский журнал общественного здравоохранения . 98 (9). Ajph.aphapublications.org: 1543–4, ответ автора 1544. doi : 10.2105/AJPH.2008.142026. ПМК 2509589 . ПМИД  18633070. 
  29. ^ "Столичный медицинский округ" . Sanantonio.gov . Проверено 18 апреля 2014 г.