طراحي سيستم تصميم يار پايش علائم حياتي بيماران بستري در بخش مراقبت هاي ويژه قلبي

Development of Vital Signs Monitoring Decision Support System for Coronary Care Unit Inpatients

مقدمه: حجم زياد اطلاعات پزشكي با بيماري ها و روش هاي درماني متفاوت، مي تواند يكي از عوامل بروز خطاهاي درماني در بخش مراقبت هاي ويژه قلبي باشد. هدف اين پژوهش طراحي سيستمي بود كه علائم حياتي بيماران را به صورت مستمر و همزمان پايش نمايد و در صورت غير طبيعي بودن، هشدارهايي را توليد و مداخلات درماني مناسب را به ترتيب اولويت پيشنهاد كند. روش كار: اين پژوهش از نوع كاربردي-توسعه اي بود كه به روش مقطعي در سال 1394 در بيمارستان شهيد رجائي استان تهران انجام شد. 15 نفر پزشك متخصص و 15 نفر پرستار شاغل در بخش مراقبت هاي ويژه قلبي به صورت غير تصادفي هدفمند به عنوان نمونه در نظر گرفته شدند. در طراحي سيستم از فناوري MEAN.js و داده هاي پايگاه دادهMIMIC II فيزيونت استفاده شد. يافته ها: حدود طبيعي و غيرطبيعي علائم حياتي با توجه به شرايط محيطي و جمعيتي و انواع مداخلات درماني با توجه به ميزان تغييرات علائم حياتي به ترتيب اولويت مشخص شدند. نتايج نشان داد كه سيستم تصميم يار در ارائه مداخلات درماني از صحت 94/7 درصد، حساسيت 82/60 درصد و دقت 100 درصد برخوردار بود و در توليد هشدارهاي به موقع داراي صحت 92/9 درصد، حساسيت 80 درصد و دقت 100 درصد است. نتيجه گيري: عوامل مختلفي در تعيين مقادير علائم حياتي و اولويت مداخلات درماني تاثيرگذار هستند. نتايج نشان داد كه سيستم هاي تصميم يار باليني مي توانند به هنگام بروز وضعيت هاي پيش بيني نشده كمك كننده باشند. از نقطه نظر باليني موجب تسهيل درك علائم حياتي، تشخيص وضعيت بيمار و منجر به بهبود فرايند تصميم گيري باليني مي شود كه مي تواند در كاهش خطاهاي درماني تاثيرگذار باشند.

Introduction: Big volume of patient’s medical data is one of the medical error reasons in coronary care unit (CCU). The purpose of this study was the designing a system that can monitored the patient’s vital sign continuously and when there are abnormal, producing alarms and proposed appropriate medical interventions according to the patient’s conditions in CCU. Methods: This was application-development study that done in cross-sectional method in Shahid Rajai hospital at Tehran in 2015. 15 physicians and 15 nurses of CCU were considered as nonrandom purposively sampling. MEAN.js technology and MIMIC II Physionet’s database were used for system designing. Results: Normal and abnormal ranges of Vital signs were assessed according to the environmental and population conditions in this study. Variety of therapeutic interventions due to the patients’ vital signs changing was identified with their priorities. The results showed that the clinical decision support system (CDSS) had accuracy (94/68 %), sensitivity (82/60 %) and specificity (100 %) in proposing of proper interventions and had (92/92 %) accuracy, (80 %) sensitivity and (100 %) specificity in producing of timely alarms. Conclusion: There are several factors that impact on determining of normal and abnormal ranges of vital signs and interventions priorities. The results showed that CDSS can help professionals in appropriate medical interventions selecting in unanticipated conditions at clinical care processes. At clinical point, this system can improve the understanding of vital signs, patient health conditions and decision-making process that can help in reducing of medical errors.