原始论文
摘要
背景:生命体征被广泛应用于院内心脏骤停(IHCA)评估,在住院患者病情恶化的检测中发挥着重要作用。随着预警系统和人工智能应用数量的增加,医疗保健信息交换和互操作性变得越来越复杂和困难。尽管Health Level 7快速医疗互操作性资源(FHIR)已经开发了一个生命体征概要文件,但它还不足以支持IHCA应用程序或基于机器学习的模型。
摘要目的:在本文中,对于具有生命体征的IHCA实例,我们定义了一个新的实现指南,其中包括数据映射、系统架构、工作流和FHIR应用程序。
方法:我们采访了10位关于医疗保健系统集成的专家,并制定了实施指南。然后,我们开发了FHIR提取转换负载以将数据映射到FHIR资源。我们还集成了早期预警系统和机器学习管道。
结果:研究数据集包括曾到访恩竹岗医院的成人住院病人的电子健康档案。医务人员在白天、晚上和清晨定期测量这些生命体征至少2 - 3次。我们用假名来保护病人的隐私。然后,我们使用FHIR Extract Transform Load应用程序将生命体征转换为JSON格式的FHIR观察值。测量的生命体征包括收缩压、舒张压、心率、呼吸频率和体温。根据临床需求,我们还提取了电子病历信息到FHIR服务器。最后,我们使用FHIR RESTful应用程序编程接口集成了一个预警系统和机器学习管道。
结论:我们成功地演示了一个过程,该过程将医疗保健信息标准化,用于使用生命体征检测住院患者病情恶化。基于FHIR定义,我们还提供了一个实施指南,其中包括数据映射、集成过程和使用生命体征的IHCA评估。我们还提出了明确的系统架构和可能的工作流程。基于FHIR,我们将3个不同的系统集成在一个仪表盘系统中,可以有效地解决系统在医务人员工作流程中的复杂性。
doi: 10.2196/42429
关键字
简介
背景
在许多研究中,生命体征一直是一个重要的指标[
- ].近年来,研究人员将这些数据用于医院内心脏骤停(IHCA)预测模型的研究[ , ].在现实世界的医疗工作流程中,完整的数据可能每4到8小时获得一次。在生命体征相关的机器学习研究中[ ],其特征包括心率、体温、呼吸频率、收缩压、舒张压。除IHCA风险评估外,数据分析系统[ ]及早期预警系统[ 仍然是不可缺少的应用。尽管IHCA风险指标促进了机器学习的突破[
, ],很难将其整合到医务人员的工作流程中。在医院中,有几十个系统必须相互交换信息。没有标准的交换接口[ ],当导入新应用程序时,集成过程既昂贵又耗时。此外,如果允许医学研究人员直接通过医疗保健信息系统数据库访问患者数据,则存在安全风险[ 成为一个问题。为开始为医务人员建立一个易于阅读和用户友好的界面,健康等级7 [
]开发的快速医疗保健互操作性资源(FHIR) [ ].FHIR是一个平台规范,它定义了一组跨医疗保健流程使用的功能,并定义了一个使用资源作为基本块的通用医疗保健业务实体模型。FHIR中的每个资源都有一个定义好的与数据元素和约束的关系资源。此外,FHIR概要规范了数据格式和结构约束。在数据传输过程中,它在交换接口中使用HTTP RESTful应用程序编程接口(API),并提供了在数据有效负载中选择JSON或XML格式的灵活性。目的
虽然FHIR已经开发了一些资源,但生命体征档案[
尚未成熟。目前由FHIR提供的实施指南不足以涵盖医疗系统的全部应用;因此,医院仍然需要制定定制的实施指南来开发自己的系统和工作流程。实施指南是FHIR资源应用的规则的集合[ 这需要清楚地解释如何解决一个特定的问题。在有关FHIR的研究中[ - ],每篇论文都开发并讨论了移动设备上的单个自定义资源配置文件。虽然FHIR能够有效、快速地提高医疗信息系统的互操作性,但在FHIR实施指南注册表中仍然没有提出机器学习应用的实施指南。为了加快智能医疗的发展,我们提出了一种基于FHIR的系统架构流程,可以集成机器学习模型。此外,生命体征应用分布在许多不同的系统中。本研究可以有效解决医务人员工作流程中系统的复杂性。为了标准化医疗系统之间的格式,我们基于FHIR开发了完整的IHCA实施指南,为早期预警系统和机器学习管道定义了与生命体征相关的数据。此外,我们还开发了FHIR提取转换负载(ETL)和其他与FHIR相关的应用程序,包括数据管理、早期预警系统和机器学习管道。
方法
伦理批准
本研究已获恩竹岗医院机构审查委员会(ECKIRB1071001)批准。我们确认所有的实验都是按照相关的准则和规定进行的。从电子健康记录(EHRs)中检索到的数据由IT专家识别,研究团队无法将其与患者的身份联系起来。恩竹港医院机构审查委员会放弃了书面知情同意的需要,并确认了这一研究,因为这是一项回顾性队列研究,数据不确定。
概述
我们的研究为基于IHCA的医疗保健信息系统互操作性提供了一个设计和实现过程,我们的设计步骤包括用例以及IHCA实施指南。
在用例部分,我们将描述医疗机构面临的集成问题。然后,在IHCA实现指南一节中,我们将介绍用于将数据从医疗保健信息系统(HIS)数据库迁移到FHIR服务器的方法,以及将数据映射到FHIR资源的方法。我们还开发了3个应用系统,包括数据管理、预警系统和机器学习管道。如果按照我们的实现指南使用,应用程序可以轻松获取患者信息和生命体征数据。
用例调查
在医疗机构中,数据库是集中管理的,但应用程序是由许多不同的团队开发的。此外,医务人员通常通过单个系统访问有关工作流程的所有必需信息。因此,卫生保健系统的互操作性非常重要。
实现系统信息互用[
],定义了HTTP RESTful API来与其他系统交换数据。然而,许多医疗系统都是遗留系统,在许多情况下,改变系统架构是不可能的。因此,我们为HIS数据库创建了一个表视图,以允许其他系统获取特定的数据。为了避免影响原有的系统架构,我们开发了FHIR ETL,将数据从HIS数据库转换到FHIR服务器,并根据IHCA实现指南定义的规则实现FHIR ETL。我们就医疗系统整合和信息交流方面采访了10位专家。如
FHIR具有良好的医疗标准接口,非常适合解决医疗信息系统面临的互操作性问题。此外,它支持各种可用于开发扩展应用程序的系统。因此,我们有两个用例。第一个用例与FHIR服务器的数据迁移相关,如所示
(A部分)。第二个用例与FHIR应用相关,如 (乙方)。问题(要求) | 怎么做呢? |
新的系统集成过程不影响医疗卫生信息系统和生命体征系统。 | 建立FHIR一个服务器作为一种新的中间件或网关,使研究人员可以访问数据。 |
转换电子病历b有生命迹象的人进入了FHIR资源。 | 开发FHIR ETLc. |
为了减少时间成本和兼容性,我们需要使用医疗保健信息互操作性标准。 | 使用FHIR资源和RESTful APId. |
该领域需要一个能够持续监测患者生命体征的早期预警系统。 | 利用FHIR开发预警系统。 |
组织如何将预测模型集成到医疗工作流程中? | 使用FHIR开发机器学习管道。 |
该领域需要一个完整的实现过程和用例。 | 定义FHIR实现指南。 |
一个FHIR:快速医疗保健互操作性资源。
b电子健康记录。
cETL:提取转换负载。
dAPI:应用程序编程接口。
![](https://asset.jmir.pub/assets/5d68cdd071189e4bf17a27e549554f4a.png)
IHCA实施指南
在此阶段,我们需要考虑数据格式,以便将原始数据传输到FHIR资源中,以及如何使用HTTP RESTful API轻松获取数据。因此,我们设计了一个系统架构(
).我们将系统步骤分为以下几个步骤:(1)FHIR ETL在HIS数据库和FHIR服务器之间进行数据转换和比较,(2)应用系统直接通过HTTP层的FHIR API接口访问数据。数据映射- fhir ETL
我们提出了数据映射表来开发FHIR ETL,如图所示
.我们定义了数据映射和资源关系。基于FHIR生命体征剖面,我们利用观测资源存储收缩压、舒张压、心率、呼吸频率和体温。根据 , FHIR ETL可以从HIS数据库中提取数据,并将其转换为资源内容。HIS数据模型c数据库 | FHIR资源名称 | FHIR资源属性 | 描述 |
Patient_ID | 病人 | 标识符 | 医院中患者的标识符 |
Patient_name | 病人 | 的名字 | 病人的名字是人类可读的 |
性别 | 病人 | 性别 | 病人的性别 |
生日 | 病人 | 生日 | 患者出生日期 |
Practitioner_ID | 医生 | 标识符 | 医院中医生的标识符 |
Practitioner_name | 医生 | 的名字 | 医生的名字是人类可读的 |
Organization_ID | 组织 | 标识符 | 医院中科室的标识符 |
Organization_name | 组织 | 的名字 | 人可读的部门名称 |
Location_ID | 位置 | 标识符 | 医院内位置的标识符 |
Location_name | 位置 | 的名字 | 人类可读的位置名称 |
心率 | 观察 | valueQuantity.value | 心率 |
温度 | 观察 | valueQuantity.value | 温度 |
呼吸速率 | 观察 | valueQuantity.value | 呼吸速率 |
收缩压 | 观察 | valueQuantity.value | 收缩压 |
舒张压 | 观察 | valueQuantity.value | 舒张压 |
时间戳 | 观察 | effectiveDateTime | 值的创建时间 |
一个FHIR:快速医疗保健互操作性资源。
bETL:提取转换负载。
cHIS:医疗信息系统。
在
在数据获取方面,如果FHIR客户端想要获取患者的位置,首先需要获取患者的ID并加入遭遇主体。然后,它可以使用遇到的位置来查找位置资源。最后,FHIR客户端可以获得患者的位置。在
, FHIR客户端可以执行以下操作:(1)当FHIR客户端需要使用元数据访问特定患者时,可以使用HTTP GET方法获取Bundle资源响应;(2)当FHIR客户端需要更新医院的位置名称时,可以使用HTTP PUT方法更新location资源;(3) FHIR客户端从观察资源中获得足够的生命体征数据后,可以使用HTTP DELETE方法删除缺少生命体征值的资源。![](https://asset.jmir.pub/assets/002e3d7760a10707d3fb3e1ec2b9a5cb.png)
![](https://asset.jmir.pub/assets/be7360dc4158019059da04358bebe33a.png)
工作流程设计
在本节中,我们将描述FHIR实现的完整工作流程。工作流1为FHIR资源开发数据映射。首先,FHIR ETL使用数据库连接库访问HIS数据库的表视图。然后,它验证患者的信息是否存在。为了保持数据的一致性,在转换到“观察”资源时,系统必须添加“病人”资源的唯一标识符作为引用链接。如果患者的基本数据已经存在,则生命体征将根据FHIR生命体征配置文件转换为观察资源。
工作流2为FHIR应用开发数据采集流程。首先,FHIR应用程序可以使用URL (/Patient)和HTTP GET方法来访问Bundle资源。在Bundle资源中,FHIR应用程序可以找到患者的所有数据。如果FHIR应用程序需要获取患者信息,例如位置和医生信息,那么它可以使用患者ID加入Encounter主题。然后获取Encounter参与者和Encounter位置。最后,它还可以使用Patient ID将URL (/Observation?subject=)与HTTP GET方法连接起来,以获得Observation资源(
).![](https://asset.jmir.pub/assets/4848539a1f1197d3a89878908c2056ec.png)
结果
FHIR资源
FHIR ETL是一种提取生命体征的自动化服务。当生命体征系统将数据存储在HIS数据库中时,FHIR ETL可以立即访问生命体征数据,如图所示
,将生命体征添加到观察资源中。 显示了引用FHIR生命体征概要文件和其他资源的FHIR资源的示例。软件开发
我们描述了软件开发,如图所示
.HIS数据库采用SQL server数据库和Oracle数据库服务器开发。FHIR服务器已安装在运行状况级别7 API FHIR R4服务器上(版本6.1.0)[ 基于Java环境的docker容器。这个开源系统被广泛使用。我们使用Python软件(版本3;Python软件基金会),机器学习管道是使用Flask实现的。前端网站使用Vue.js构建,用于IHCA web管理。![](https://asset.jmir.pub/assets/0a11d34ad8abe79ee760f322453f201e.png)
系统实现
研究数据集[
]包括前往恩竹岗医院的成年住院病人的电子病历。医务人员在白天、晚上和清晨定期测量这些生命体征至少2 - 3次。患者总数为16,865例,其中IHCA患者118例。我们使用FHIR ETL将5个生命体征转换为JSON格式的FHIR观察值。这些生命体征包括收缩压、舒张压、心率、呼吸频率和体温。为了演示,我们使用了假名[
以保护病人的隐私。此外,我们将所提出的系统分为以下3个部分:数据管理、预警系统和机器学习管道。在数据管理方面,如图所示 ,我们开发了一个数据静态仪表板,以便医务人员可以使用浏览器访问它。仪表板使用HTTP GET方法获取Patient和Observation资源。然后,显示患者在过去48小时内的生命体征。在预警系统中,医务人员可以通过设置生命体征警报阈值来决定是否在通知列表中显示该警报 .然后,机器学习管道将观察资源中的生命体征数据导出到FHIR服务器。我们整合了基于长短期记忆网络的模型[ ]使用生命体征数据预测IHCA。它使用了时间序列预警评分,其中使用了心率、收缩压和呼吸数据。当预测模型的训练过程开始时,MongoDB中会出现“in progress”状态。在模型训练后,状态将更新为“final”,仪表板将显示模型的最新精度。建议的仪表板显示在 .但是,该系统可以在移动设备和台式电脑上使用。我们遵循响应式网页设计[ ]以设计方便用户使用的流动界面( ).![](https://asset.jmir.pub/assets/3f34fb1e6cf4f44139fde93a3dc242bf.png)
![](https://asset.jmir.pub/assets/532ce5f48a585cfce3d0abd7609a2ffd.png)
![](https://asset.jmir.pub/assets/f67a99020936f9e9303e8b117b486943.png)
![](https://asset.jmir.pub/assets/7114235c712ea405682fc39a893077ed.png)
讨论
主要研究结果
在本文中,我们试用了一种将IHCA与生命体征相结合的实施指南,这在IHCA评估中已被广泛采用[
, ],在住院患者病情恶化检测中发挥重要作用。许多医疗机构已经开发了早期预警评分系统,以识别有恶化风险的住院患者,近年来,他们已经开始将基于机器学习的模型纳入这一过程。为了促进系统互操作性,我们使用FHIR标准来实现一致的信息交换。我们还组合了5种资源(组织、位置、从业者、患者和遭遇)来表示EHR。然后,基于FHIR生命体征配置文件,将生命体征数据导出到HIS数据库,并定义IHCA实现。此外,我们使用仪表板、实时预警系统和基于机器学习的管道开发了数据管理的3个FHIR应用程序。根据IHCA实施指南,我们提出的系统可以很容易地集成生命体征相关应用。限制
实施指南仅为生命体征相关研究制定。然而,一些案例研究仍然需要包括治疗史[
]、血尿素氮[ ]和肌酸酐[ ].这些进一步的改进可以对电子卫生档案进行。与之前工作的比较
尽管结果表明FHIR可以改善医疗保健信息系统的互操作性[
- ],现有的研究只是开发了资源和剖面。成等[ ]通过分析FHIR基因组资源和开发基于FHIR的网络应用程序来交换质量信息,展示了如何以标准化格式交换有关临床下一代测序基因组检测的质量信息。基于以人为本的设计方法,Park等[ 开发了一款以员工为中心的职业健康个人健康记录(PHR)应用程序。PHR通过云服务器使用Azure API进行FHIR管理,PHR FHIR资源包括患者、组织、诊断报告、观察、从业者、病情、程序、用药声明、用药和遭遇。此外,Chukwu等[ ]分析了FHIR资源用于孕产妇和儿童健康转诊使用案例。我们的研究不同于之前的工作,因为我们提供了IHCA实施指南,将FHIR资源作为早期监测系统和机器学习所需数据的管道。我们还提出了一个最低需求数据模型,并将其与FHIR标准相结合。为了整合早期监测系统和机器学习,我们基于FHIR生命体征配置文件和许多FHIR资源来扩展数据模型。此外,相关研究主要集中在新的应用开发上。在本研究中,我们专注于遗留系统集成,因此我们通过FHIR ETL传输和同步数据。结论
我们成功地演示了一个过程,该过程将医疗保健信息标准化,用于使用生命体征检测住院患者病情恶化。基于FHIR定义,我们提供了一个实施指南,其中包括数据映射、集成过程和使用生命体征的IHCA评估。我们还提供了一个明确的系统架构,可用于开发临床决策支持系统。基于FHIR,我们将3个不同的系统集成为一个仪表盘系统,可以有效地解决医护人员工作流程中系统的复杂性。
致谢
本文得到台湾科技部的部分资助(批准号:10X-62634-F-002-015)。作者承认这种支持。
利益冲突
没有宣布。
本研究中的所有运行状况级别7快速医疗保健互操作性资源捆绑包响应。
DOCX文件,30kb参考文献
- 陈海燕,杨晓霞,陈海燕,等。利用连续生命体征测量实时评估脑损伤后自主神经系统功能障碍:当前和未来应用的叙述回顾。Neurocrit Care 2022 Aug;37(增刊2):206-219。[CrossRef] [Medline]
- Yanamala N, Krishna NH, Hathaway QA, Radhakrishnan A, Sunkara S, Patel H,等。基于生命体征的住院患者COVID-19与季节性流感的预测算法NPJ数字医学2021年6月04;4(1):95 [免费全文] [CrossRef] [Medline]
- 王晓明,王志强,王志强,等。基于可穿戴技术持续监测住院患者的生命体征预测和预警评分计算。传感器(巴塞尔)2020年11月18日;20(22):6593 [免费全文] [CrossRef] [Medline]
- 蔡敏,韩森,李华,赵宁,李华。基于深度学习和浅学习的院内心脏骤停预测。诊断(巴塞尔)2021年7月13日;11(7):1255 [免费全文] [CrossRef] [Medline]
- Alghatani K, Ammar N, Rezgui A, Shaban-Nejad A.使用患者生命体征预测重症监护病房住院时间和死亡率:机器学习模型的开发和验证。JMIR Med Inform 2021年5月05日;9(5):e21347 [免费全文] [CrossRef] [Medline]
- 范勇,徐鹏,金辉,马军,秦玲。基于智能穿戴式医疗设备的远程医疗康复生命体征测量。IEEE Access 2019 april 25;7:54819-54823。[CrossRef]
- 马文杰,李志强,李志强,等。在医院中检测病情恶化的患者:一种新型评分系统的开发和验证。美国呼吸危重症护理医学2021年7月01日;204(1):44-52。[CrossRef]
- 迟春,敖寿,温克勒,付凯,徐俊,何勇,等。用电子健康记录预测住院心脏骤停患者的死亡率和再入院率:一种机器学习方法。J Med Internet Res 2021 9月13日;23(9):e27798 [免费全文] [CrossRef] [Medline]
- Moffat LM, Xu D.机器学习模型预测院内心脏骤停的准确性。临床护士规范2022;36(1):29-44。[CrossRef]
- Pai MMM, Ganiga R, Pai RM, Sinha RK。印度医疗保健系统标准电子健康记录(EHR)框架。卫生服务结果调查方法2021年1月27日;21(3):339-362。[CrossRef]
- 隐私和人工智能:新时代健康信息保护的挑战。BMC医学伦理2021年9月15日;22(1):122 [免费全文] [CrossRef] [Medline]
- 国际健康等级7。URL:https://www.hl7.org/[2022-09-21]访问
- FHIR v4.3.0。国际健康等级7。URL:http://hl7.org/fhir/resourcelist.html[2022-09-21]访问
- 观察生命体征面板剖面图。健康等级7。URL:https://build.fhir.org/observation-vitalsigns.html[2022-09-21]访问
- 孙文杰,陈建平,陈志强,陈志强,等。快速医疗保健互操作性资源(FHIR)作为集成通用数据模型的元模型:工具开发和定量验证研究。JMIR Med Inform 2019 10月16日;7(4):e15199 [免费全文] [CrossRef] [Medline]
- Seong D, Jung S, Bae S, Chung J, Son D, Yi B.基于快速医疗互操作性资源(FHIR)的临床下一代测序基因组检测质量信息交换:实施研究。J medical Internet Res 2021 april 28;23(4):e26261 [免费全文] [CrossRef] [Medline]
- 朴海霞,金基,郑浩,郑森,苏志勇,玄耀华,等。以员工为中心的个人健康记录应用程序,使用国家卫生保健数据集促进工作场所健康:设计与开发研究。JMIR Med Inform 2021年8月04日;9(8):e29184 [免费全文] [CrossRef] [Medline]
- 楚库乌,葛格,奥班德-奥布因亚,查图VK。标准化尼日利亚初级卫生保健转诊数据集:快速卫生保健互操作性资源(FHIR)的从业者调查、表格审查和分析JMIR Form Res 2022年7月07日;6(7):e28510 [免费全文] [CrossRef] [Medline]
- Schleyer TKL, Rahurkar S, Baublet AM, Kochmann M, Ning X, Martin DK, FHIR开发团队,等。胸痛仪表板的初步评估,这是一种基于fhir的方法,用于将健康信息交换信息直接集成到临床工作流程中。AMIA Jt峰会2019 Transl science Proc 5月06日;2019:656-664 [免费全文] [Medline]
- HAPI-FHIR启动项目。GitHub。URL:https://github.com/hapifhir/hapi-fhir-jpaserver-starter[2022-09-21]访问
- 苏超,赵松,张永杰,赖芳。基于时间序列生命体征的普通病房住院患者病情恶化检测方法改进。科学报告2022 7月13日;12(1):11901 [免费全文] [CrossRef] [Medline]
- 韩国医疗保健数据的假名化。医学杂志2022年1月17日;28(1):15-16。[CrossRef] [Medline]
- 洪景昌,王琛。响应式网页设计的网站对象布局探索:眼动评估结果。J supercompute 2020年4月13日,77(1):343-365。[CrossRef]
- 金俊,蔡敏,张浩,金勇,朴e。利用可行的人工智能预测心脏骤停和呼吸衰竭患者数据的简单轨迹。中国临床医学杂志2019年8月29日;8(9):1336 [免费全文] [CrossRef] [Medline]
- Green M, Lander H, Snyder A, Hudson P, Churpek M, Edelson D.用于识别病情恶化病房患者的旗帜呼叫标准与MEWS, NEWS和电子心脏骤停风险分诊(eCART)评分之间的比较。复苏2018年2月;123:86-91 [免费全文] [CrossRef] [Medline]
- Gulden C, Blasini R, Nassirian A, Stein A, Altun FB, Kirchner M,等。基于快速医疗互操作性资源(FHIR)的典型临床试验注册中心:设计和实现研究。JMIR Med Inform 2021年1月12日;9(1):e20470 [免费全文] [CrossRef] [Medline]
- 牧歌E,乐LP。基于开源工具和快速医疗互操作性资源(FHIR)的总体病理图像的数字媒体存档。Mod Pathol 2021年9月;34(9):1686-1695 [免费全文] [CrossRef] [Medline]
- González-Castro L, Cal-González VM, Del Fiol G, López-Nores M. CASIDE:基于FHIR的可互操作癌症生存信息数据模型。J Biomed Inform 2021年12月;124:103953 [免费全文] [CrossRef] [Medline]
缩写
API:应用程序编程接口 |
电子健康档案:电子健康记录 |
ETL:提取转换负载 |
FHIR:快速医疗保健互操作性资源 |
他:医疗保健信息系统 |
IHCA:院内心脏骤停 |
PHR:个人健康记录 |
M Focsa编辑;提交04.09.22;A Nassirian, R Saripalle, T Zhang同行评审;对作者20.09.22的评论;修订本收到22.09.22;接受03.10.22;发表13.10.22
版权©曾子伟,苏长富,赖飞培。最初发表于JMIR医学信息学(https://medinform.www.mybigtv.com), 13.10.2022。
这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR医学信息学上的原创作品。必须包括完整的书目信息,https://medinform.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。