基于时间序列生命体征的住院患者恶化检测的快速医疗互操作性资源:设计和实现研究

简介

背景

在许多研究中，生命体征一直是一个重要的指标[1-3.］．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[1，4］．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[5]，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[6]及早期预警系统[7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[8，9]，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[10]，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[11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 [12]开发的快速医疗保健互操作性资源(FHIR) [13］．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[14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[15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[16-18]，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[19]，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。如表1FHIR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，如所示图1(A部分)。第二个用例与FHIR应用相关，如图1(乙方)。

‎ 查看此图

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(图1)．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，如图所示表2．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。根据表2， FHIR ETL可以从HIS数据库中提取数据，并将其转换为资源内容。

在图2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。

在图3， 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。

‎ 查看此图

‎ 查看此图

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(图4)．

‎ 查看此图

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，如图所示图2，将生命体征添加到观察资源中。多媒体附件1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，如图所示图5．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)[20.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。

‎ 查看此图

系统实现

研究数据集[21]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[22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，如图所示图6，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图7．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[21]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图8．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[23]以设计方便用户使用的流动界面(图9)．

‎ 查看此图

‎ 查看此图

‎ 查看此图

‎ 查看此图

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[4，21]，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[24]、血尿素氮[25]和肌酸酐[25］．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[26-28]，现有的研究只是开发了资源和剖面。成等[16]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[17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[18]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。