Kako Ukloniti Pacijente Kojima Je Potrebna Intenzivna Njega
Kako Ukloniti Pacijente Kojima Je Potrebna Intenzivna Njega

Video: Kako Ukloniti Pacijente Kojima Je Potrebna Intenzivna Njega

Video: Kako Ukloniti Pacijente Kojima Je Potrebna Intenzivna Njega
Video: Metal Gear Survive - как оно без Кодзимы 2023, Septembar
Anonim

Novi računarski model analizira kada primati ljude na jedinice intenzivne njege - i kada ih treba iseljavati - što bi moglo pomoći liječnicima da se izbore sa valom koronavirusa.

Kako ukloniti pacijente kojima je potrebna intenzivna njega
Kako ukloniti pacijente kojima je potrebna intenzivna njega

Pacijenti sa COVID-19 preplavili su bolnice u Italiji, prisiljavajući ljekare na mučne odluke o tome kome treba pružiti spasonosnu njegu. Napadi pacijenata uskoro bi mogli zahtijevati uznemirujuće odluke o trijaži i u američkim jedinicama intenzivne njege. Od četvrtka je u SAD-u bilo više od 13 000 potvrđenih slučajeva, a broj smrtnih slučajeva u cijeloj zemlji popeo se na 175.

U februaru je studija u Operacijskim istraživanjima koristila matematičko modeliranje da bi utvrdila koja vrsta trijažne politike može biti korisna u JIL-u za vrijeme takvog naleta. U radu su analizirane okolnosti u kojima bi pacijenti mogli biti u redu za prijem na hipotetičku JIL s ograničenim krevetima ili premješteni na opće odjeljenje kako se njihovo stanje mijenjalo. Cilj je bio pronaći heurističko pravilo za kliničare koji su s vremenom minimizirali prosječnu stopu smrtnosti svih pacijenata, što je cilj trijaže u stvarnom svijetu.

"Puno puta su medicinski radnici zaista usredotočeni na donošenje ove jedne odluke za pacijenta koji je ispred njih", kaže Laura Albert, sistemski inženjer sa Univerziteta Wisconsin – Madison, koja nije bila uključena u studiju. „Zaista je teško kad moraju tražiti od pacijenta da pričeka, jer će to spasiti mnogo više života u cijelom sustavu. Ova je heuristika zaista dragocjena za pružatelje usluga, jer im je u ovom trenutku tako teško nazvati. “.

Koristeći računarske simulacije, istraživači su primijenili heuristiku koja je određivala koga treba primiti u krevet JIL-a procjenjujući koliko su šanse za preživljavanje svakog pacijenta povećane boravkom tamo, a zatim podijelivši broj s brojem dana kojima bi ta osoba trebala ostati. Pojedinci čiji je omjer bio najveći su dobili prioritet. Istraživači su takođe ispitali kako je djelovala heuristika kada su dodani dodatni zdravstveni uslovi pacijenta.

Studija je upoređivala kolektivne stope smrtnosti heurista sa onima mogućih scenarija trijaže. Jedna politika osigurala je krevete po principu „prvi dođoh, prvi pružio uslugu“. Drugi otpušteni pacijenti za koje je najmanje vjerovatno da će biti lošije u općem odjelu kako bi napravili mjesta za nove. Treći pristup nasumično je otpustio ljude iz JIL-a kad su stigli novi pacijenti.

Sveukupno, odnos heurističkih prioriteta prema pacijentima od kojih se očekivalo da će dobiti najveću naknadu svakog dana kada su boravili u ICU krevetu. Koautor studije Nilay Argon, istraživač operacija sa Univerziteta Sjeverne Karoline na Chapel Hillu, kaže da je bilo posebno dragocjeno kada se stanje pojedinca poboljšalo ili pogoršalo za vrijeme njegovog ili njenog boravka. "Čim promijene stanje, tada bi trebalo ponovo primijeniti njihovu trijažu", kaže Argon. Prethodni operativni modeli trijažnih odluka u JIL-ima nisu smatrali da se stanje pacijenta razlikuje, dodaje ona.

Pristup prvi došao, prvi se koristio u jednoj bolnici u Wuhanu u Kini, kada se koronavirus počeo širiti, možda nije bila najbolja strategija. Shu-Yuan Xiao, patolog sa Univerziteta u Chicagu, bio je u to vrijeme u Wuhanu i vidio kako reaguju zdravstveni radnici. Čak im je i asistirao. "Bolnice su bile preplavljene", kaže Xiao. Jednostavno nisu imali toliko ICU-a, a ICU-i su na početku imali politike „prvi je došao, prvi je poslužio“, što je moglo doprinijeti početnim visokim stopama smrtnosti u gradu.

"Zdravstvena zaštita je dobra onoliko koliko su resursi koje imamo za nju, a dostupni resursi [za jednog pacijenta] zapravo su funkcija načina na koji se liječite s drugim pacijentima", kaže Albert. „Ne možete uvijek donijeti ove odluke o liječenju izolirano. I to zaista vidimo kad je velik val pacijenata. ".

Edieal Pinker, istraživač operacija sa Univerziteta Yale, kaže da rezerviranje kreveta za ozbiljno kritične pacijente - praksa koja se naziva „u praznom hodu“- kada manje kritični pojedinci čekaju donosi još jedan složen sloj trijaži. "Kad vežete taj krevet, blokirate nekoga", kaže on. „Tešku je odluku donijeti jer kažete pacijentu koji je sada ispred vas [da] ne može ovo imati. To je ljudima teško učiniti, pa su vam potrebne smjernice i disciplina. " Nova studija odnosila se samo na politike neovlašćavanja.

Slično onome što je novi model naznačio, kada pacijent s malim šansama za oporavak veže ICU krevet već danima, a više pacijenata može stabilizirati u tom krevetu, kaže Pinker, kliničari će morati donijeti odluku o preseljenju tog pacijenta na palijativno zbrinjavanje. "Opasnost je, međutim, kada premjestite zarazne pacijente s COVID-19 u tome što vam je potrebno mjesto za njihovo premještanje tamo gdje nećete završiti sa širenjem virusa još više", dodaje on.

Modeli nisu nužno konačni odgovor, kaže Jennifer Horney, epidemiolog s Istraživačkog centra za katastrofe Univerziteta u Delawareu. Upozorava da ugrađene pretpostavke možda neće prevesti u stvarne scenarije. „Mislim da [modele] možemo smatrati dijelom alata za planiranje“, kaže ona. Ali "važno je biti razuman kada koristite podatke iz modeliranja kako biste pokušali predvidjeti što će se točno dogoditi u stvarnoj situaciji." Horney kaže da bi studije "nakon događaja" koje prikupljaju podatke iz zdravstvenih ustanova nakon stvarnog izbijanja bolesti, poput pandemije H1N1 2009. godine, i pomoću njih predviđale što će se dogoditi u sličnom događaju, mogle biti poželjnije od modela koji pretpostavljaju da može ili ne mora da se igra.

Zaista, možda je prerano za bolnice da primijene heuristiku nove studije na val bolesnika s COVID-19. Jedna poteškoća je nedostatak podataka o stopama preživljavanja bolesti, kaže Scott Levin, biomedicinski inženjer na Medicinskom fakultetu Johns Hopkins, koji je suosnivao elektronski sistem trijaže za Johns Hopkins, program za mašinsko učenje koji koristi zdravlje evidentirati podatke za pomoć u kategorizaciji pacijenata hitne pomoći. "Zapravo nemamo puno povijesnih podataka o tome ko će imati koristi od jedinice intenzivne njege", kaže on. Kako se akumuliraju podaci, kaže Levin, ažurirani modeli mogu dati trijažne preporuke koje su više prilagođene onome što se događa s COVID-19.

Bez pouzdanih podataka o preživljavanju, fleksibilnost će biti ključna za suočavanje s prenaponom pacijenata s koronavirusom, kaže Pinar Keskinocak, sistemski inženjer s Georgia Institute of Technology. Ona kaže da je važno za administratore zdravstvenih sistema i kreatore politika da razmišljaju izvan okvira o tome kako modificirati tijek rada i procese.

Jedan primjer dolazi od Demetriosa Kyriacoua, liječnika hitne službe sjeverozapadne memorijalne bolnice - prve linije za trijažu koja ima oko 100 kreveta. Kyriacou kaže da je bolnički odbor za katastrofe razgovarao o proširenju trijažnog područja na druge dijelove objekta, čak i uključujući zaljev hitne pomoći, ako se ukaže potreba. "Da smo ranije intervenirali u smislu izoliranja bolesnih ljudi, mislim da bismo u ovoj zemlji imali mnogo manje problematičnu epidemiju", kaže on.

Pročitajte više o epidemiji koronavirusa ovdje.

Preporučuje se: