Новости медицины портала Remedium.ru - самая актуальная информация о рынке лекарств и медицинского обеспечения

Опрос для врачей

  1. Пользуетесь ли вы интернетом на работе?

Вход на сайт

Авторизоваться
Логин:
Пароль:
Регистрация
Забыли свой пароль?

Facebook

Вакансии фармкомпанийФармрынок

Реклама




Главная / Здравоохранение

08.05.2018

Возможности применения бинарного кода Грея для аналитики Больших данных МИС: пациенты с СД 1-го типа


Журнал "Ремедиум" №10 2017

DOI: http://dx.doi.org/10.21518/1561-5936-2017-10-38-47

O.Ю. Колесниченко1, Ю.Ю. Колесниченко2, Л.O. Минушкина3, Г.Н. Смородин4, A.В. Мартынов5, В.В. Пулит5, A.Н. Долженков5

1 «Ремедиум», Москва

2 Uzgraph, Москва

Центральная государственная медицинская академия УД ПРФ, Москва

4 Dell EMC External Research and Academic Alliances, Санкт-Петербург

5 Компания СП.АРМ, Санкт-Петербург

В статье представлены результаты анализа Больших данных нескольких больниц, которые регистрировались медицинской информационной системой qMS в период с 2013 по 2017 г. Данные включают коды клинических диагнозов по МКБ-10, установленных во время госпитализации; отметки о количестве и видах проведенных обследований, процедур и операций; наименования назначаемых пациентам фармпрепаратов. Выборка состоит из 861 пациента с диагнозом «сахарный диабет 1-го типа». Применены методы математического анализа: Булева алгебра логики, бинарный рефлексивный код Грея. Определена комбинированная реперная точка, отражающая нагрузку на лечебно-диагностический процесс (диагностика заболеваний ЖКТ, легких и костной системы). Подсчитаны отношение шансов OR = 9,6, p < 0,05 и относительный риск RR = 8,6, p < 0,05 обнаружения атеросклеротического поражения периферических и брахиоцефальных артерий, требующего оперативного вмешательства, у пациентов с СД 1-го типа с ХПН и диализом. Обнаружено преобладание рака легких и бронхов у пациентов с декомпенсированным СД 1-го типа (значительно чаще у женщин), показатель заболеваемости превышает 929 на 100 тыс. пациентов. Данные МИС точно отразили весь клубок патогенетического каскада при СД 1-го типа, вписывающийся в современные теории патогенеза. Легкие, как показал анализ, можно также считать органом-мишенью при СД 1-го типа. Исследование выполнено в рамках многоцентрового проекта Академического партнерства Dell EMC.

O.Yu. Kolesnichenko1, Yu.Yu. Kolesnichenko2, L.O. Minushkina3, G.N. Smorodin4, A.V. Martynov5, V.V. Pulit5, A.N. Dolzhenkov5

1 Remedium group, Moscow, Russia;

Uzgraph, Moscow, Russia;

3 Central State Medical Academy at the Department of Presidential Affairs, Moscow, Russia;

4 Dell EMC External Research and Academic Alliances, St. Petersburg, Russia;

SP.ARM, St. Petersburg, Russia

The possibility of Gray binary code application for Big Data analytics: Medical Information System records of patients with Diabetes Mellitus Type 1

The results of Big Data analytics of Medical information system qMS records of patients with Diabetes Mellitus Type 1 are presented. Data from several hospitals is collected from 2013 to 2017. Data includes ICD-10 clinical diagnoses, records about implemented investigation procedures, operations, pharmacological treatment. Selection of 861 patients with Diabetes Mellitus Type 1 was included into analysis. Gray reflected binary code (Boolean algebra) was used. The combined reference point was determined. It includes diagnostics of gastrointestinal tract, lung, bones diseases and it shows hospital load. The Odds Ratio (OR = 9,6, p < 0.05) and Relative Risk (RR = 8,6, p < 0,05) were revealed for peripheral and brachiocephalic arteries atherosclerosis, requiring surgical intervention within patients with Diabetes Mellitus Type 1 and having chronic renal failure and dialysis. Patients (more women) have high frequency rate of lung and bronchial cancer, the incidence rate exceeds 929 per 100,000 patients. Medical information system shows the entire plexus of pathogenetic cascade of Diabetes Mellitus Type 1. The lungs can be categorized as target organ damaged in Diabetes Mellitus Type 1. The study was carried out within Big Data Analytics Multiсenter project of Dell EMC External Research and Academic Alliances.

Введение  

Большие данные, или Big Data, - это не просто данные или процессы их обработки, а концепция, связанная с науч- но-техническим прогрессом. Происходит оцифровывание всех сфер жизнедеятельности социума, и это «цифровое отражение» жизни становится явлением, взаимодействующим с социумом и влияющим на него [1]. Аналитика Больших данных (далее BD) принципиально отличается от статистического анализа результатов исследований тем, что зафиксированные данные, хранящиеся на цифровых носителях в дата-центрах, рассматриваются как возможность управлять процессами во времени. Записываемые в информационные системы данные содержат информацию об уже произошедшем, прошлом, но быстрый анализ всего записанного должен дать прогноз и решение, чтобы повлиять (изменить) на будущие процессы. Подходы аналитики медицинских BD чрезвычайно интересны и важны, так как масштабный контроль со стороны информационных систем с анализом всех процессов, происходящих в здравоохранении, напрямую влияет на эволюционирование социума, чего нельзя сказать ни о каких BD из других областей.

Сегодня «рабочими лошадками» в аналитике BD в здравоохранении стали медицинские информационные системы (МИС). Через линейку разнообразных МИС будет осуществляться революционный процесс внедрения аналитики BD. Революционность его заключена не в том, что происходит тотальная информатизация медицинских учреждений, а в том, что меняется подход. Анализируются не заранее сконструированные под дизайн клинических исследований результаты, а реальная жизнь, записи, отражающие настоящие текущие лечебно-диагностические процессы. В теоретических подходах к BD есть такое понятие, как Dark Data (темные, неучтенные данные). Одна из функций аналитиков BD - работать с Dark Data, искать то, что еще не анализировалось, оцифровывать то, что еще не записывалось, «вытаскивать» информацию оттуда, где ее раньше не искали. МИС позволяет «вытащить» из дата-центра пласты информации и проанализировать ее в таком разрезе, в каком это еще не делалось, так как не было такой технической возможности. В представленном исследовании сделан именно такой шаг.

Методы

Данные, которые регистрировались МИС qMS (СП.АРМ) в период с 2013 по 2017 г., представляют собой коды клинических диагнозов по МКБ-10, установленных во время госпитализации (несколько разных больниц), отметки о количестве и видах проведенных обследований, процедур и операций, а также наименования назначаемых пациентам фармпрепаратов. Анализируемая выборка включает 861 пациента (303 мужчины и 558 женщин), имеющего в МИС запись об установленном диагнозе «сахарный диабет 1-го типа». Исследовательской группе не передавались персональные данные пациентов, информация о каждом из них кодировалась отдельным кодом по каждому эпизоду госпитализации.

В работе применена Булева алгебра логики с целью поиска уникальных совпадений в матрице данных. Этот метод, в отличие от усредняющего статистического анализа, позволяет гибко оценивать большой объем данных с учетом всех индивидуальных характеристик, что соответствует идеологии аналитики BD. Алгоритм бинарного рефлексивного кода Грея, реализованный на языке Java, создан Ю.Ю. Колесниченко.

Исследование выполнено в рамках многоцентрового проекта Академического партнерства Dell EMC (Study «iHealthCare Optimization», Dell EMC External Research and Academic Alliances, ERAA).





Ключевые слова: Большие данные, Big Data, медицинская информационная система, qMS, код Грея, сахарный диабет 1-го типа, рак легкого, Medical information system, Gray code, Diabetes mellitus Type 1, lung cancer


Последние статьи


Мероприятия

     2018
След. год

Пн Вт Ср Чт Пт Сб Вс
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30 31 1 2 3 4


Подписка


Реклама


Мы в Twitter

Фармацевтам