Table of Contents
یکپارچه سازی داده های لنز دیابتی - به طور خاص تصویربرداری شبکیه و یافته های ضعیف - در سوابق پزشکی الکترونیکی (EMRs) تغییر چشم انداز هماهنگی مراقبت از دیابت در بخش بهداشت و خدمات انسانی (HHS) سرعت بخشیدن به نیازهای مراقبت های پزشکی چند وجهی و داده های بالینی طولی را قادر می سازد تا یک رویکرد دقیق تر، فعال تر، و بیمار محور برای مدیریت دقیق تر شدن بیماران مبتلا به تجزیه و تحلیل دقیق تر، و تحلیل دقیق تر، و تحلیل دقیق تر از عوارض جانبی و درمان های مراقبت های اولیه، و درمان دقیق تر، و درمان دقیق تر، و درمان دقیق تر، و درمان دقیق تر از بیماران، و درمان دقیق تر، و درمان های مراقبت های بالینی، و درمان دقیق تر، و درمان دقیق تر، و درمان دقیق تر، و درمان دقیق تر، و درمان دقیق تر، و درمان دقیق تر، و درمان دقیق تر، و درمان های بالینی، و درمان دقیق تر از طریق درمان های مراقبت های مراقبت های بالینی، و درمان های مراقبت های مراقبت های مراقبت های بالینی، و درمان های بالینی، و درمان های مراقبت های مراقبت های بالینی، و درمان های بالینی، و درمان های مراقبت های مراقبت های دقیق تر، و درمان های بالینی، و درمان های بالینی، و درمان های اولیه، و درمان دقیق تر،
افزایش نظارت بیمار
ردیابی Retinopathy Progression در زمان واقعی
رتینوپاتی دیبیتیک (DR) همچنان یک علت اصلی نابینایی قابل پیشگیری در میان بزرگسالان کار می کند. معاینات منظم چشم با تصویربرداری لنز با وضوح بالا - از جمله عکاسی صندوق، پیوند نوری (OCT)، و پزشکان بالینی به جای گزارش های دقیق نوروتیک که نشان می دهد تغییرات سریع مسیر شناختی و اندازه گیری های مرتبط (به عنوان مثال، به طور خودکار می تواند به صورت مستقیم به صورت جداگانه به صورت جداگانه به صورت جداگانه مشاهده تصاویر و یا تصاویر خاص از نظر برسد.
تشخیص اولیه پیچیدگی های میکروسکوپی
فراتر از رتینوپاتی، داده های لنز اغلب نشانه های اولیه از نوتروپاتی و آسیب های قلبی عروقی را نشان می دهد.به عنوان مثال، باریک کننده شبکیه با فشار خون و بیماری کلیوی ارتباط دارد - معمولاً ترکیب این داده ها به EMR 1، به ارائه دهندگان مراقبت های اولیه اجازه می دهد تا شاخص های خطر را در خارج از کلینیک چشم ببینند و فشار خون یا پروتکل های مدیریت گلوکز را تنظیم کنند که به طور خودکار منتشر شده اند.[۳]
بهبود هماهنگی مراقبت های بهداشتی
شکستن سیلوس بین تخصص ها
مراقبت های سنتی دیابت از فقدان ارتباط بین متخصصین و سایر ارائه دهندگان رنج می برد.یک بیمار دیابتی ممکن است یک متخصص غدد را ببیند، یک پزشک مراقبت اولیه (PCP) و یک متخصص معاینه دیابت، اما هیچ رکورد منفرد شامل تمام داده های مرجع چشم در یک دستور درمانی جداگانه است که این را با اطمینان از هر عضو تیم مراقبت از آب مروارید حل می کند - با توجه به اینکه آخرین مدل دسترسی یکپارچه به یک اسکن شده است، می تواند داده های مرجع را تفسیر کند.
جریان های کاری ارجاعی و ارتباطات بسته-Loop
ادغام همچنین حلقه ارجاع را دیجیتالی می کند.هنگامی که یک متخصص یا متخصص ophthalmologist یادداشت های غیر فعال کننده متوسط DR، EMR به طور خودکار می تواند ارجاع به یک متخصص شبکیه را تولید کند، 35٪ پیگیری با PCLT چشم را تنظیم کند و بیمار را از طریق یک پورتال بیمار مطلع کند. متخصص تصویربرداری و یادداشت های قبلی را بدون اطلاع رسانی داده های اضافی دریافت می کند.
جریان کار و کارایی
دانلود بازی کامپیوتر Data Capture Eliminating Manual Entry
رونویسی دستی یافته های لنز - چه از فرم های کاغذی، PDF اسکن شده، یا دیکته - اثبات خطا و زمان بر است. سیستم های یکپارچه استفاده از DICOM (تصویر برداری دیجیتال و ارتباطات در پزشکی) استانداردهای به طور خودکار آپلود تصاویر شبکیه ای و گزارش های ساختار یافته به طور مستقیم به EMR.، به عنوان مثال، یک دوربین صندوق می تواند هر تصویر را با شناسه بیمار، تاریخ بررسی، و رونویسی بیمار برچسب بزند (سپس به طور متوسط کد های فشار داخل).
کاهش تست های غیر ضروری
هنگامی که داده های لنز برای همه ارائه دهندگان قابل مشاهده است، احتمال سفارش تصویربرداری اضافی به طور قابل توجهی کاهش می یابد. A PCP شاهد یک آزمون چشم طبیعی در سال گذشته است" در EMR از سفارش اسکن های نوروپاتی غیر ضروری اجتناب می کند، این نه تنها کاهش هزینه های مصرف کننده را کاهش می دهد، بلکه همچنین بار بیمار را کاهش می دهد و در معرض عوامل کنتراست یا کاهش مطالعه A در (FLT) که تخمین زده شده است.
داشبورد برای مدیریت بهداشت جمعیت
با داده های لنز در EMR، سیستم های بهداشتی می توانند داشبورد ایجاد کنند تا شکاف های مراقبت را شناسایی کنند.به عنوان مثال، بخش HHS می تواند یک پرس و جو را برای لیست تمام بیماران دیابتی که در 12 ماه امتحان شبکیه نداشته اند و به طور خودکار یادآوری ها یا قرار ملاقات های برنامه ریزی شده را ارسال می کنند، برای مدل های مراقبت مبتنی بر ارزش بسیار مهم است که جبران عملکرد در اندازه گیری های کیفیت مانند کمیته تضمین کیفیت ملی (NC) دقیق این برنامه تشخیص دقیق را فراهم می کند.
مشارکت بیمار و آموزش
تجسم پیشرفت بیماری برای تغییر رفتار انگیزشی
بیماران اغلب برای درک ارتباط بین مدیریت گلوکز روزانه و سلامت بلند مدت چشم گیر تلاش می کنند تا یک بیمار تصاویر شبکیه ای خود را نشان دهند، با مقایسه های جانبی در طول زمان، یک روایت بصری قدرتمند ایجاد می کند، زمانی که بیمار می بیند که تشنج های dot-blot به عنوان HbA1c آنها افزایش می یابد، آنها احتمالا به رژیم غذایی، و نه تمرین با وضوح اطلاعات ساده، به کاربران اجازه می دهند.
تصمیم گیری مشترک برای گزینه های درمانی
دسترسی به داده های لنز در EMR همچنین از تصمیم گیری مشترک پشتیبانی می کند.اگر بیمار مبتلا به اوایل ماکول دیابتی (DME) است و در نظر گرفتن ضدVEGF درمانی، پزشک و بیمار می توانند بخش های سرپایی OCT را در یک تبلت در طول بازدید بررسی کنند. بیمار تجمع مایع را می بیند و درک می کند که چرا تزریق توصیه می شود که بیماران می توانند مشاهده کنند که تصاویر بینایی بیمار را افزایش می دهند و تصاویر قرار ملاقات بعدی را افزایش می دهند.
ادغام نتایج بیمار گزارش شده
EMR های مدرن همچنین نتایج گزارش شده بیمار (PROs) مانند پرسشنامه های عملکرد بصری را ثبت می کنند. پیوند این گزارش های ذهنی با داده های لنز عینی (به عنوان مثال، تغییرات در تشخیص تصویر بصری بهتر یا حساسیت کنتراست) به پزشکان یک تصویر کامل از چگونگی تاثیر دیابت بر زندگی روزمره می دهد.این دیدگاه جامع کمک می کند مشاوره - به عنوان مثال، توصیه می کند که توانبخشی و بازیابی عملکرد پایین را نشان می دهد.
قابلیت همکاری و استانداردهای داده
HL7 FHIR و ادغام DICOM
ادغام یکپارچه نیاز به پایبندی به استانداردهای همکاری در سراسر کشور دارد، اکثر فرمت های استاندارد EMR مدرن (FLT:0HL7 Fast Healthcareerability Resources (FHIR) پشتیبانی از فرمت های استاندارد ELT3 و DICOM برای تصویربرداری پزشکی را پشتیبانی می کنند، سیستم ها معمولا از یک مخزن تصویر DICOM (PA) استفاده می کنند که به طور مستقیم به بسیاری از ابزارهای پردازش داده های منبع اطلاعات وابسته است.
داده های ساختار یافته در مقابل متن آزاد
بزرگترین ابزار از یافته های لنز ساختار یافته به عناصر داده کد شده (به عنوان مثال، کدهای سی تی اسپلیت برای " رتینوپاتی دیابتی"، کدهای تشخیص ICD-10، LOINC برای ثبت بصری از طریق نمونه های معماری خودکار) و گزارش های روایت رایگان برای پشتیبانی از تصمیم گیری، گزارش کیفیت، گزارش کیفیت و مدیریت جمعیت، توصیه می کنند.
امنیت داده ها و حریم خصوصی
یکپارچه سازی داده های تصویربرداری لنز حساس به EMR نگرانی های حریم خصوصی قانونی را افزایش می دهد. تصاویر Retinal در نظر گرفته شده اطلاعات حفاظت شده (PHI) تحت HIPAA و باید با رمزگذاری هر دو در حالت استراحت و در سیستم های حفظ حریم خصوصی حمل و نقل ذخیره شود، هر گونه دسترسی به تصاویر خاص از کلینیک Hthalmology و EMR از کانال های امن (به عنوان مثال TLS + 1.2، اجازه نمی دهد تا برخی از کنترل های پردازش دقیق دسترسی بیمار را مشاهده کند.
تاثیر اقتصادی و بازگشت سرمایه گذاری
صرفه جویی در هزینه ها از پیشگیری
ادغام صرفه جویی هزینه قابل توجهی را با جلوگیری از از از دست دادن بینایی و عواقب پایین آن به دست می آورد.هر مورد نابینایی از رتینوپاتی دیابتی دارای 500 هزار دلار در هزینه های پزشکی مادام العمر و بهره وری از دست رفته است.با فعال کردن تشخیص و درمان قبلی، داده های لنز یکپارچه کاهش میزان بازدید از دید شدید را کاهش می دهد.یک تجزیه و تحلیل مقرون به صرفه بودن یک جمعیت بزرگ HHS پیدا کرد که یادآوری غربالگری شبکیه مبتنی بر EMR علاوه یافته های خودکار ذخیره شده (به صرفه جویی شده توسط یک سال گذشته از کیفیت ثابت شده است.
کاهش سرسرهای اداری
ورود داده های دستی، تعقیب کاغذی و تماس های تلفنی برای بازیابی نتایج تصویربرداری هزینه ای پنهان را تحمیل می کند.یک کلینیک معمولی چند تخصصی سالانه 20 تا 30 دقیقه در بیمار دیابتی هزینه می کند که مستندات مراقبت از چشم را هماهنگ می کند. اتوماسیون از طریق کاهش ادغام EMR که به کمتر از 5 دقیقه مدیریت 10 هزار بیمار دیابتی، پس انداز کار به تنهایی بیش از 800000 دلار تجهیزات تصویربرداری با اتصال مستقیم EMR نیاز به کارکنان پایین تر دارد.
مسیر های آینده: AI و Teleophthalmology
هوش مصنوعی برای تفسیر خودکار
مرز بعدی داده های لنز EMR-integrated با الگوریتم های هوش مصنوعی (AI) است که به طور خودکار رتینوپاتی دیابتی و macular edema را درجه بندی می کند. FDA قبلا چندین سیستم تشخیصی مبتنی بر AI را تأیید کرده است که تصاویر شبکیه را تجزیه و تحلیل می کند و هنگامی که این سیستم ها به طور مستقیم به EMR منجر می شوند، گردش کار نزدیک به موارد زیر است: یک تکنسین تصویر را جذب می کند - این شدت بیمار را در مناطق محافظت می کند و می کند.
Teleophthalmology و Remote Monitor
دوربین های شبکیه موبایل و عکاسی مبتنی بر تلفن هوشمند، غربالگری نقطه مراقبت در دفاتر مراقبت های اولیه و حتی در خانه را امکان پذیر می کنند، هنگامی که این تصاویر به یک مرکز خواندن مبتنی بر ابر منتقل می شوند و نتایج به EMR از طریق FHIR، یک حلقه کامل تلهوفمولوژی ایجاد می شود، این مدل به ویژه برای جمعیت روستایی HHS که فاقد دسترسی مستقیم به متخصصان مراقبت از چشم با موفقیت در برنامه کاهش داده های دور است، به سرعت دسترسی به سیستم های مراقبت از چشم است.
پیش بینی تجزیه و تحلیل برای سلامت جمعیت
داده های لنز طولی انباشته شده در EMRs اجازه می دهد تا برای مدل های یادگیری ماشین که پیش بینی می کنند که کدام بیماران به احتمال زیاد به retinopathy پیشرفته یا نیاز به vitrectomy هستند، این الگوریتم های پیش بینی شده می توانند نمرات خطر قابل مشاهده در داشبورد بیمار ایجاد کنند، و باعث تحریک تحریک پیش فرض از حد مصرف گلوکز درمانی یا ارجاع به یک متخصص شبکیه می شوند.
نتیجه گیری
ادغام داده های لنز دیابتی به EMRs بیش از یک ارتقاء فنی است - این یک فعال اساسی از بیمار محور، کارآمد و هماهنگ مراقبت از دیابت در چارچوب های HHS است که از نظارت بهبود یافته و همکاری تیم مراقبت یکپارچه برای ساده کردن جریان کار و بیماران توانمند، مزایای قابل اندازه گیری و قابل توجه است.