Способ построения единого информационного пространства для практического врача

Изобретение относится к информационным медицинским технологиям. Его использование в различных отраслях медицинской практики обеспечивает повышение точности диагностики. Этот технический результат достигается благодаря тому, что в способе создают и постоянно пополняют базы медицинских данных; выявляют информативные показатели состояния здоровья пациентов на основе анализа историй болезни в базах медицинских данных; формируют по выявленным информативным показателям решающие правила, учитывающие причинно-следственные связи между медицинскими сведениями и биологическим возрастом и состоянием здоровья пациентов; оснащают клиентские узлы практических врачей программными средствами для применения сформированных решающих правил для информационной поддержки практических врачей; вводят на клиентском узле данные исследований и осмотра пациента; применяют в клиентском узле соответствующие решающие правила, чтобы установить биологический возраст и оценить состояние здоровья пациента по группам: здоров, относится к группе риска и болен; спрогнозировать при отнесении пациента к группе риска течение заболевания или патологического процесса; поставить при отнесении пациента к группе «болен» клинический диагноз с учетом характера и степени тяжести изменений в основных системах жизнеобеспечения, индивидуальных особенностей организма и конституционного фактора пациента. 1 табл.

 

Изобретение относится к информационным медицинским технологиям. Предназначено для лечебно-профилактических, реабилитационных и оздоровительных учреждений, мобильных и стационарных диагностических центров, служб спасения МЧС, врачебно-экспертных комиссий, страховых компаний, центров красоты и здоровья, а также для проведения сложных медико-биологических экспериментов, в том числе в экстремальных условиях, и при дистанционном лечении. Может быть использовано в профилактической медицине при диспансеризации, включая выезды врача с целью выявления среди населения групп риска со сниженным жизненным резервом и контроля состояния здоровья, экспертизой надежности деятельности и профессионального здоровья. А также может быть использовано в общесоматической, хирургической, акушерско-гинекологической, анестезиолого-реанимационной, педиатрической, травматологической, стоматологической, токсикологической, геронтологической, судебно-медицинской практике, в практике врачей лабораторной медицины, медицине критических состояний, спортивной медицине, в медицинской статистике, клинической фармакологии. Может быть использовано для оценки зависимости регионального состояния здоровья от экологических и социально-экономических факторов.

В настоящее время в здравоохранении используются информационные системы, которые могут быть условно разделены на три группы:

1. Информационно-справочные медицинские программы: электронные истории болезни, информационно-аналитический программный комплекс «Ассистент», информационно-медицинская система «МЕДИАЛОГ», медицинская информационная система «АМУЛЕТ»;

2. Лечебно-диагностические компьютерные программы: LABTRAK, Информационная Система «Цитологическая лаборатория», экспертно-аналитическая информационная система «ОМИС», компьютерные системы MEDAP и Master Labs, Интегрированная распределительная информационная система медицинского учреждения «ИНТЕРИН»;

3. Специализированные программы: MedTrak, информационная система «Авиценна», медицинская информационная система «ЗДРАВПУНКТ», СТЭЛ-Компьютерные Системы, информационные системы: Maxs & Soft, Med Work, Diagon, медицинская информационная система для патологоанатомической службы, Программный комплекс управления стационаром и поликлиникой «АРТЕМИДА», Информационная Система «Офис-менеджер Клиника», автоматизированная информационная система «ОРБИТА», информационная система «АНАЛИТИК», компьютерная система «Экспертная оценка и прогнозирование состояния репродуктивного здоровья супружеской пары в связи с воздействием факторов окружающей среды и условиями жизни населения».

Используемые в настоящее время информационные медицинские системы предназначены для решения узких, специализированных задач медицинской практики и поэтому ни одна из них не может выполнять функции единого информационного пространства для практического врача, хотя их можно рассматривать в качестве компонентов этого пространства.

Наиболее близким аналогом, на наш взгляд, является техническое решение, описанное в патенте на изобретение RU 2145114 «Способ хранения, обработки и использования информации в службе крови (информационная технология «ПЕЛИКАН») [18].

Согласно этому изобретению, создаются различные базы данных доноров, отслеживается вся информация о заготавливаемой крови и приготовленных компонентах. Служба крови при этом рассматривается как единый производственно-технологический комплекс. Данное техническое решение направлено на решение задачи совершенствования работы учреждения службы заготовки и переработки крови.

Целью разработки и внедрения предлагаемого технического решения является совершенствование работы практического врача за счет реализации возможностей единого информационного пространства, основанного на достижениях медицинской науки в таких областях, как организация здравоохранения, доказательная медицина, компьютерное моделирование с использованием метода распознавания образов и системного анализа.

Технический результат заключается в повышении точности диагностики, что позволяет сократить сроки лечения и, следовательно, материальные затраты.

Единое информационное пространство рассматривается как целостная структура, направленная на информационное обеспечение принятия клинического решения практическим врачом, и позволяет повысить качество учета, прогноза развития, диагностики, мониторинга, эффективности лечения и реабилитации различных болезней, синдромов и патологических состояний.

Изобретение рассчитано на все социальные группы населения и предполагает внедрение в различных медицинских учреждениях соответствующих программных и программно-аппаратных компонентов, а также организационных методик. При этом не требуется значительного наращивания технического парка учреждения.

Использование компонентов единого информационного пространства (Технологии MedHelp) позволяет определить начальный этап развития патологического процесса при отсутствии клинических проявлений, дает возможность выделения групп риска для адекватной коррекции выявленных нарушений. Диагностика уже развившейся патологии с верификацией стадии процесса и оценкой степени тяжести состояния пациента, своевременная этиопатогенетическая терапия приводит к удлинению ремиссии при хроническом процессе и снижению длительности и кратности обострений. При наследственной патологии, например, при дефиците протамина С у пациента, можно прогнозировать характер развития коагулопатий у детей и внуков пробанда на основании исследования гемостазиограмм только у больного, т.е. моделировать патологический процесс в семье, что позволяет осуществить своевременную адресную семейную профилактику развития болезни и тем самым предотвратить прогрессирование гемостазиологических нарушений и развитие возможных клинических симптомов коагулопатий, а также выбрать оптимальную модель и режим ведения пациента в амбулаторных и стационарных условиях. Способ содержит обучающую программу доклинической функциональной экспресс- диагностики различной патологии (сердечно-сосудистой, диабета, панкреатита и др. болезней), прогнозов, тактики ведения, схем лечения и реабилитации.

В основу предлагаемой технологии положен регламент сбора медицинских данных практическими врачами, способы передачи в центр обработки для ее анализа и построения решающих правил, направляемых затем для использования городским и сельским врачам-практикам, фельдшерам, медсестрам. Ключевыми фигурами в применении технологии являются эксперты (врачи или научные сотрудники высокой квалификации) и врачи-практики.

В качестве решающих правил в программы закладываются существующие принципы клинико-экономического анализа (АВС, VEN и др.), существующие клинические стандарты и популяционные нормы, в том числе получаемые в процессе самообучения программ.

Экономическая целесообразность:

- внедрение технологии MedHelp предполагает использование уже имеющейся материальной базы лечебного учреждения, включая имеющиеся персональные компьютеры и сетевые компьютеры (серверы);

- программные продукты (компоненты технологии) могут внедряться поэтапно в режиме самоокупаемости, расчетное время окупаемости для многопрофильной больницы - не более 1 года;

- освоение программных продуктов доступно рядовым пользователям без затрат на повышение их квалификации.

Способ построения единого информационного пространства для практического врача (Технология MedHelp), направленного на информационное обеспечение принятия им клинического решения, включает создание взаимодействующих между собой узлов информационного пространства, среди которых выделяются процессинговые центры и клиентские узлы.

Процессинговые центры оснащаются методами анализа, а клиентские узлы - методами сбора данных и применения правил.

В роли таких узлов могут выступать как организации, так и физические лица. Кроме того, функции узлов обоих типов могут быть совмещены в одном субъекте. К примеру, в роли процессинговых центров могут выступать научно-исследовательские институты, специализированные диагностические центры, а в роли клиентских узлов - поликлиники, амбулаторные пункты, больницы, частнопрактикующие врачи.

Для взаимодействия узлов единого информационного пространства разрабатываются методы передачи данных и методы репликации данных. Под репликацией понимается перемещение данных из одного узла в другой. Репликация может сопровождаться процессом установления соответствия между словарями узлов.

Основные действующие лица в процессинговом центре - эксперты (врачи высокой квалификации и/или научные сотрудники), которые анализируют данные и создают правила, а также администраторы, обеспечивающие функционирование узла.

В клиентском узле главной персоной является практический врач, для которого и предназначена заявляемая технология. Практический врач занимается также сбором и обработкой медицинских данных, способствуя тем самым дальнейшему наполнению и развитию процессингового узла.

Клиентский узел взаимодействует с обслуживающим его процессинговым центром и/или несколькими центрами, если клиентский узел предназначен для решения нескольких задач. Развиваясь, клиентский узел может быть дооснащен соответствующими методами, при этом он может приобрести статус процессингового центра.

Процессинговые центры могут взаимодействовать как со своими клиентскими узлами, так и друг с другом, образуя сеть процессинговых центров.

Единое информационное пространство предусматривает итерационное создание, на каждой итерации которого можно выделить стадии:

1. Анализ реального мира.

На этой стадии происходит:

- определение задач, для решения которых создается (или изменяется) единое информационное пространство;

- выявление и описание атрибутов.

2. Развертывание единого информационного пространства. На этой стадии происходит:

- корректировка словарей (ввод новых или изменение описания существующих атрибутов);

- ввод в действие новых (или модернизация существующих) узлов, разработка новых (или доработка существующих) методов для их оснащения;

- разработка регламента взаимодействия узлов, поиск и обучение персонала. Наполнение единого информационного пространства включает:

- ввод данных;

- обработка данных с помощью правил;

- анализ данных и создание новых правил.

Создание, наполнение и развертывание единого информационного пространства может происходить разными способами как на базе уже имеющихся средств и методик, так и формирования новых.

Централизованный способ предполагает создание единого информационного пространства "с нуля", начиная с процессингового центра верхнего уровня. При этом для оснащения узлов разрабатываются словари и методы.

Децентрализованный способ предполагает формирование пространства на основе существующих узлов других систем. Здесь особое значение приобретают методы репликации данных.

Уровень реализации единого информационного пространства в целом зависит, во-первых, от уровня реализации компонентов оснащения узлов и, во-вторых, от количества узлов и качества связей между ними.

Рассмотрим примеры реализации компонентов единого информационного пространства (технология MedHelp).

Компьютерные программы для сбора данных предназначены для использования в клиентских узлах. Эти программы бывают трех видов:

- программы, собирающие показания приборов, служащих для измерения требуемых атрибутов;

- программы для ввода данных вручную практиком с использованием информации словарей (примером таких программ могут быть автоматизированная анкета, электронная карточка, электронная история болезни и т.п.);

- программы депонирования, анализа и статистики электронных баз данных.

Также для использования в клиентских узлах предназначены компьютерные программы для применения правил. По сути, это экспертные системы, "начиненные" определенными правилами.

Функции программ для сбора данных и программ для применения правил могут быть совмещены в одной программе.

Компьютерные программы для анализа данных предназначены для использования в процессинговых центрах. Это всевозможные математические системы (Mathcad, Statistica) и системы распознавания образов (STARC, КВАЗАР). Программы для анализа данных являются наиболее сложной частью информационного пространства, от их качества зависит и качество самого пространства. Кроме того, в процессинговых центрах устанавливаются информационно-справочные, информационно-аналитические, лечебно-диагностические, экспортно-аналитические медицинские системы.

При проектировании единого информационного пространства для практического врача определяются критерии оценки качества пространства. Такой критерий может включать в себя, например, оценку представительности информационных массивов, оценку качества правил, оценку неизбыточности данных и т.п.

К примеру, при оценке качества правила с помощью контрольной выборки создается так называемая контрольная выборка - это информационный массив, для которого справедливо:

- вектора контрольной выборки имеют те же атрибуты, что и вектора соответствующей обучающей выборки;

- вектора контрольной выборки не входят в обучающую выборку;

- задача, для решения которой создано оцениваемое правило, решена для контрольной выборки с помощью других методов.

Вектора контрольной выборки предъявляются правилу. Процент верных решений, предпринятых правилом, ложится в основу оценки правила.

Рассмотрим пример реализации изобретения.

Высококвалифицированными врачами совместно с математиками и программистами на основе анализа историй болезни созданы базы данных, выявлены информативные показатели и построены решающие правила, которые составляют суть информационного пространства. Главный пользователь - практический врач: практический врач получает информационную поддержку при применении технологии MedHelp, а также сам участвует в наполнении единого информационного пространства: вводит информацию в электронные анкеты, электронные карточки, электронные истории болезни и т.п., поддерживает связь с процессинговым центром.

Например, технология MedHelp позволяет практическому врачу провести поэтапное обследование пациента. Эта технология может быть установлена на компьютере врача, быть доступна ему по сети, записана на каком-либо носителе информации (бумага, дискета, CD-диск).

На 1-м этапе врач вводит сведения о пациенте: данные анамнеза, медицинских и биологических исследований, данные объективного осмотра и т.п. В результате анализа введенных данных врач получает информацию о состоянии пациента: здоров, относится к группе риска или болен. При этом анализ производится с учетом биологического возраста. При отнесении пациента к группе риска проводятся дополнительные исследования. При отнесении к группе больных верифицируется пораженная система и определяется степень ее поражения по результатам исследования с учетом дифференциальной диагностики.

На 2-м этапе прогнозируется «сценарий» (характер) течения заболевания (патологического процесса) на ранних сроках заболевания и при уже развившейся патологии.

На 3-м этапе осуществляется постановка клинического диагноза на основе информационной поддержки, а также характера и степени тяжести изменений в основных системах жизнеобеспечения с учетом индивидуальных особенностей организма и конституционного фактора.

На 4-м этапе производится прогноз развития наиболее тяжелых осложнений любого патологического процесса, таких как тромбоз, кровотечения, полиорганная недостаточность, дающих самый высокий уровень летальности.

Рассмотрим каждый этап принятия клинического решения практическим врачом подробно.

Сначала определяется биологический возраст пациента. Технология MedHelp включает 2 формулы для определения биологического возраста: по совокупности параметров и по информативным показателям системы гемостаза.

Определение биологического возраста производится по совокупности параметров: пульсовое артериальное давление; статическое балансирование; масса тела; сумма баллов в тесте субъективной оценки состояния здоровья.

Масса тела определяется в легкой одежде, без обуви, натощак. Субъективная оценка состояния здоровья производится на основании балльного теста. Эта величина входит в формулу для определения биологического возраста. Оценка индивидуальных значений биологического возраста производится посредством сравнения с должным биологическим возрастом (ДБВ), являющимся популяционным стандартом.

Полученные в абсолютных цифрах отклонения БВ от ДБВ оцениваются по таблице 1.

Таблица 1.
Оценка индивидуальных значений биологического возраста
Функциональный класс	Отклонения БВ от популяционного стандарта	Примечания
Первый	От -15,0 до -9,0	Наилучший
Второй	От -8,9 до -3,0
Третий	От -2,9 до +2,9
Четвертый	От +3,0 до +8,9
Пятый	От +9,0 до +15,0	Наихудший

К первому функциональному классу (наилучшему) относятся пациенты, темп старения которых в целом значительно отстает от среднепопуляционного стандарта (ДБВ). Напротив, к пятому (наихудшему) функциональному классу относятся люди с ускоренными темпами старения; их биологический возраст выше среднего биологического возраста сверстников на 9-15 лет.

Производится также анамнестическая оценка универсальных факторов риска тромбофилий. Выясняется анамнез тромбозов, наличие наследственных коагулопатий, ожирения, артериальной гипертензии, особенно в сочетании с инсулин-независимым сахарным диабетом, варикозной болезни, пороков сердца и искусственных водителей ритма, ИБС, опухолей, тяжелых травм с длительной иммобилизацией в течение последнего года, длительного приема синтетических стероидов.

Для оценки биологического возраста по системе гемостаза построено решающее правило на основе информативных показателей: уровень фибриногена; число тромбоцитов; активированное парциальное тромбопластиновое время; фибринолитическая активность; растворимые фибрин-мономерные комплексы; антитромбин III.

Клиническая апробация построенного правила проведена на 145 ретроспективно обследованных пациентов.

Клиническая интерпретация биологического возраста, оцененного по системе гемостаза, осуществляется путем его сравнения с среднепопуляционными показателями интегрального биологического возраста различных возрастных групп населения.

1 этап - определение состояния здоровья пациента с учетом биологического возраста проводится с использованием следующих правил.

1. Универсальное правило оценки состояния здоровья пациента, сформированное на основе синдромной диагностики.

При создании данного правила прогноза был проведен анализ констант гомеостаза, характеризующих деятельность основных систем жизнеобеспечения, предварительно сформированный с учетом наиболее тяжелых в плане прогноза для жизни и часто встречающихся синдромов при различных патологических процессах.

Критерием констатации развития синдромов был определен комплекс информативных признаков:

Для ДВС-синдрома: число "активных" тромбоцитов (<120·10⁹/л), уровень Д-димеров (>0,1 нг/мл), уровень плазминогена (<120%), протеолиз (>15%).

Для синдрома метаболической недостаточности: гемоглобин (<70 г/л), свободный гемоглобин (>0,5 г/л), интегральный показатель нефротического синдрома (>1,25 усл.ед.), функциональное состояние гепатоцита как клетки мишени (решающее правило).

Для синдрома дыхательной недостаточности - частота дыхания (меньше 6 и больше 35 циклов в минуту), кислородный индекс.

В решающем правиле в качестве коэффициентов включены: наличие ДВС синдрома (есть ДВС - 1, нет - 0); наличие синдрома метаболической недостаточности (есть +2, нет -2); наличие синдрома дыхательной недостаточности (от 1,18 до 3,45 синдром присутствует, от 0 до - 0,62 синдром отсутствует).

С помощью указанного правила прогнозируется состояние пациента: здоров на момент обследования («норма»), либо относится к группе риска, либо болен, т.е. идет развитие патологического процесса («патология»).

Претестовая проверка на 352 пациентах показала следующее: правильная классификация составляет 88% для «нормы», 81% для «патологии» при уровне значимости р<0,001.

2. Универсальное правило оценки состояния здоровья пациента, сформированное на основе характера деятельности стресс-реализующих систем.

Правило построено на базе информативных показателей: число активных тромбоцитов (10⁹/л), эндотелиоциты (10⁴/л), лимфоциты 3 типа (%), плазминоген (г/л).

Претестовая проверка показала следующий результат: состояние «нормы» прогнозируется при значении с вероятностью правильной классификации 86% при уровне значимости р<0,001; состояние «патологии» прогнозируется при значении с вероятностью правильной классификации 88% при уровне значимости р<0,001.

Данное правило отражает своеобразную модель причинно-следственных связей во времени между реакцией клеточных («активные» тромбоциты, эндотелиоциты), гуморальных систем защиты и иммунных реакций (лимфоциты III типа, плазминоген), с одной стороны, и развитием патологического процесса - с другой стороны.

3. Универсальное правило оценки состояния здоровья пациента, сформированное на основе комплексной интегральной оценки анамнестических, параклинических данных и данных объективного осмотра на момент обследования. Правило построено на основе следующих показателей: рост пациента (см); вес пациента (кг); уровень артериального давления на момент обследования (усл.ед.); величина гематокрита (л/л). Претестовая проверка, проведенная на 125 пациентах, позволила прогнозировать состояние "нормы" в 74% и "патологии" в 71% при уровне значимости р<0,05.

4. Правило оценки состояния здоровья пациента, сформированное на основе характера деятельности интегральной системы организма. В основу правила положен анализ периферической крови с расшифровкой следующих показателей: гематокрит, эритроциты,. лейкоциты, эозинофилы, палочкоядерные нейтрофилы, сегментоядерные нейтрофилы, гемоглобин, лимфоциты, моноциты.

Результаты претестовой проверки на 152 пациентах показали эффективность данного правила прогноза для состояния "норма" 90%, а для состояния "патология" - 86%. Вероятность ошибок первого рода составила ("норма" ошибочно отнесена к группе "патологии") - 1,5%, вероятность ошибок второго рода ("патология" ошибочно отнесена к группе "норма") - 0,5%.

Для пациентов, у которых диагностировался критический уровень эндотелиоцитов и отнесенных к группе «патология», было разработано решающее правило прогноза развития патологического процесса, в основу которого заложена степень эндотелиальной дисфункции. Прогнозируется развитие патологии с вероятностью правильной классификации 96%, а состояние здоровья пациента, оцененное как «норма», с вероятностью правильной классификации 92% при уровне значимости р<0,001.

5. Способы оценки состояния здоровья по характеру деятельности одной из систем жизнеобеспечения

а) Способ оценки состояния здоровья по характеру иммунного статуса организма основан на построении решающего правила на базе информативных показателей: лимфоциты III типа (усл.ед.), интерлейкин I (пг/мл). Вероятность правильной классификации составляет 95% для «патологии», 91% - для «нормы». Уровень значимости р<0,001.

б) Способ оценки состояния здоровья по эндотелиальной системе основан на построении решающего правила на базе информативных признаков: фактор Виллебранда (%), число свободных эндотелиоцитов (10 ⁴/л). Прогнозируется развитие патологии с вероятностью правильной классификации 96% при уровне значимости р<0,001.

в) Способ оценки состояния здоровья по характеру изменений белков острой фазы основан на построении решающего правила на базе информативных признаков: фибриноген В (г/л), фибронектин (г/л), плазминоген (г/л). Прогнозируется развитие патологии с вероятностью правильной классификации 84% при уровне значимости р<0,001.

II этап. Прогноз «сценария» (характера) течения заболевания.

1. Способ прогноза характера течения заболевания с ранних сроков развития патологического процесса основан на построении решающего правила на базе информативных показателей: Д-димеры (нг/мл), индекс активности лейкоцитов (ИАЛ) (усл.ед.), тромбоциты (10⁹/л). Прогнозируется: легкое течение заболевания; течение заболевания средней степени тяжести, зона неопределенного прогноза. Вероятность правильной классификации составляет 90% для диагностики легкой степени при уровне значимости р<0,05, и 95% - для средней степени тяжести. Апробацию построенного правила проводили на экзаменационной выборке (ретроспективный анализ 145 историй болезни).

2. Индекс риска развития патологического процесса на доклиническом этапе представляет собой решающее правило, построенное на базе следующих информативных показателей: лимфоциты III типа (%), Д-димеры (нг/мл), фибронектин (г/л), эндотелиоциты (10⁴/л). Прогнозируется: состояние «норма», состояние «предпатология» и «патология». Вероятность правильной классификации при этом составляет 98% для прогноза состояния «норма», 91% - для «предпатологии», 71% - для «патологии» при уровне значимости р<0,01.

III этап. Алгоритм информационной поддержки принятия клинического диагноза состоит из двух правил. Расчет диагностического индекса Х основан на информативных показателях: активные тромбоциты ((10⁹/л) и Д-димеры (нг/мл).

Если Х>0, то обследуемых стоит отнести к группе доклинической стадии патологического процесса («предпатология»); если Х<0 - диагностируется нормальное состояние организма («норма»). Вероятность правильной классификации для группы «норма» 82%, для группы «предпатология» - 78% при уровне значимости р<0,01.

При отнесении обследованного пациента к группе «предпатология» необходимо проведение дополнительного обследования для уточнения диагноза. С этой целью используется уточняющее правило, состоящее из показателей систем организма, ответственных в дальнейшем за формирование патологического процесса, степени тяжести и его исхода: лимфоциты III типа (усл.ед.), Д-димеры (нг/мл); плазминоген (г/л). Вероятность правильной классификации 92% для развития патологии, 76% для нормы. Уровень значимости р<0,01.

IV этап. Прогноз развития тяжелых осложнений: тромбозы, кровотечения, полиорганная недостаточность.

1. Модель сквозного прогноза коагулопатий при скрининговом популяционном обследовании населения (на доклиническом этапе) основывается на информативных показателях гомеостаза и состоит из решающих правил и индексов развития тромбогеморрагических осложнений (ТГО).

На I этапе обследования с применением решающего правила I-го этапа прогнозируется состояние динамического равновесия системы гемостаза и отсутствие угрозы развития коагулопатий.

Каждая из составляющих данного решающего правила несет клиническую нагрузку, становясь базой в последующем.

Претестовая проверка была проведена на 115 пациентах, из них- 12 практически здоровых (доноры). Получены следующие результаты: сохранность системы гемостаза прогнозируется в 79% случаев, состояние опасности развития коагулопатий прогнозируется в 81% случаев при уровне значимости р<0,001.

На II этапе обследования у пациентов, выделенных в группу риска на I этапе, проводится углубленное исследование системы гемостаза для прогноза вероятности развития ДВС-синдрома с верификацией его стадий.

При признаках ДВС-синдрома характер гемокоагуляции на момент исследования отражает выраженный дисбаланс звеньев системы гемостаза, что при отсутствии патогенетической терапии приведет к срыву механизмов компенсации, итогом которого являются тромбогеморрагические осложнения (ТГО).

Технология MedHelp дает вероятность правильного выявления группы риска на развитие декомпенсированной стадии ДВС-синдрома в 71% случаев при уровне значимости р<0,001.

После того как на II этапе обследования сформировалась группа риска на возможное развитие декомпенсированной стадии ДВС-синдрома, необходимо провести тестирование этих пациентов для уточнения скомпрометированного звена системы гемостаза с верификацией развития тромбоза или кровотечения.

Для этого на III этапе обследования, на основе оценки направленности показаний гемостаза рассчитывают индексы развития ТГО с верификацией развития тромбоза или кровотечения. Прогнозируется: компенсированное состояние, состояние неустойчивого равновесия системы гемостаза (зона неопределенного прогноза) и риск развития ТГО.

Вероятность правильной классификации при этом составляет 98% для прогноза компенсированного состояния, 91% - для зоны неопределенного прогноза, 71% - для ТГО.

Для пациентов, отнесенных к состоянию «зона неопределенного прогноза», необходимо проведение дополнительного обследования для уточнения диагноза. С этой целью используется уточняющее правило, состоящее из показателей, включающих разные звенья системы гемостаза с учетом конституционного фактора. В результате определяется направленность изменений системы гемостаза с верификацией тромбоэмболических или геморрагических осложнений.

2. Прогноз развития ПОН по данным гомеостаза с ранних сроков заболевания. Решающее правило построено на информативных показателях: число лимфоцитов III типа (%); число свободных эндотелиоцитов (10⁴/л); уровень интерлейкина 6 в сыворотке крови (пкг/мл); индекс активности лейкоцитов (усл.ед.); концентрация фибриногена (г/л); уровень D-димеров (нг/мл); ОПСС (дин·сек·см⁵); число тромбоцитов (10⁹/л). Применение правила дает вероятность правильного выявления группы риска на развитие полиорганной недостаточности в 69-71% случаев при уровне значимости р<0,001.

3) Прогноз развития ПОН по данным гомеостаза при наличии клинической симптоматики заболевания. Решающее правило построено на информативных показателях: уровень интерлейкина 6 в сыворотке крови (пкг/мл); уровень D-димеров (нг/мл); число свободных эндотелиоцитов (10⁴/л); уровень лимфоцитов III типа; ОПСС (дин·сек·см⁵); число тромбоцитов (10⁹/л), индекс активности лейкоцитов (усл.ед.). Предлагаемый нами способ дает вероятность правильного выявления группы риска на развитие полиорганной недостаточности в 82% случаев при уровне значимости р<0,001 и вероятность правильного выявления группы пациентов без развития ПОН в 71% случаев при уровне значимости р<0,001.

4) Индекс риска развития полиорганной недостаточности (ПОН) у больного пациента по характеру деятельности основных систем жизнеобеспечения организм состоит из двух дискриминантных функций:

Д1=11,4+1,92К1+0,05К2+1,12КЗ-0,1 К4+0,005 К5,

где К1 - интерлейкин VI (пг/мл),

К2 - «активные» тромбоциты (10⁹/л),

К3 - число эндотелиоцитов (10⁴/л),

К4 - молекула сред, массы в эритроците,

К5 - фибриноген В (г/л).

Д2=4,2-0,1Х1+0,01Х2+1,02Х3-0,04Х4+0,0016 Х5,

где X1 - гемостатический потенциал (усл.ед.),

Х2 - «активные» тромбоциты,

Х3 - ф.Виллибранда (г/л),

Х4 - молекулы ср. массы (ед.опт плот.),

Х5 - фибронектин (г/л).

При Д1>0,55 прогнозируется развитие ПОН (класс 3), при Д1<0,55 и Д2>1,3 прогнозируется течение патологического процесса без развития ПОН (класс 2), при Д <0,55 и Д2<1,3 - диагностируется состояние «нормы» (класс 1). Вероятность правильной классификации составляет 95% для 1 класса, 90% - для 2 класса, 78% - для 3 класса при уровне значимости р<0,001.

Претестовая проверка выявила вероятность правильной классификации для 1 класса - 90%, для 2 класса - 82% и для 3 класса - 79% при уровне значимости р<0,001.

5) Прогноз развития ПОН по данным гомеостаза с верификацией пораженных систем независимо от сроков заболевания Решающее правило имеет следующий вид:

F=К1 0,0018 - К2 0,2021865 + К3 0,42014 - К4 0,00301 + К5 0,01114+0,04018

где k1 - структурная точка АД (усл.ед.),

k2 - Д-димеры (нг/мл),

k3 - активные тромбоциты (10⁹/л),

k4 - эритроциты периферической крови (%),

k5 - фибронектин (г/л).

При F<0,05 ПОН не прогнозируется, вероятность правильной классификации составляет 76% (класс 1), при F>0,05 прогнозируется развитие ПОН с вероятностью правильной классификации 89% (класс 2). При F, равное от,0,07 - до 0,1, с вероятностью 84% (класс 3) ПОН протекает с повреждением двух систем жизнеобеспечения: сердечно-сосудистой, гепатолиенальной. При F, равное от 0,1 - до 0,2, с вероятностью 71% (класс 4) ПОН протекает с повреждением трех-четырех систем: сердечно-сосудистой, гепатолиенальной, гемостаза. При этом значении F максимальная группа риска на прогноз развития тромбогеморрагических осложнений. При F от 0,2 до 0,4 с вероятностью 77% (класс б) прогнозируется необратимое состояние с летальным исходом. Уровень значимости составляет р<0,001. Результат претестовой проверки следующий: для 1 класс составил 79%, для 2 класса 71%, для 3 класса 91%, для 4 класса 88%, для 5 класса 99%. Для проведения претестовой проверки ретроспективно анализировались карты реанимационной пригады для 1 кл. - 45 чел., для 2 кл. - 94 чел., для 3 кл. - 71 чел., для 4 кл. - 70 чел., для 5 кл. - 17 чел. (анализ за 4 года).

Внедрение технологии MedHelp в медицинскую практику позволяет:

- хранить данные по всем результатам исследований и любую другую информации о пациенте;

- обмениваться врачам всей информацией по пациентам, результатам "исследований, заключениям, просматривать динамику посещений больного по конкретному диагнозу;

- получать доступ к справочным медицинским ресурсам;

- получать информацию по кодам заболеваний;

- сгенерировать план приема врача с учетом его специализации, вида приема, особенностей медицинского учреждения;

- проводить удаленные медицинские консультации;

- пространство находится в постоянном развитии, которое идет как за счет наращивания набора функций, так и за счет совершенствования действующих.

Одним из достоинств единого информационного пространства для практического врача является возможность его функционирования в неавтоматизированном варианте, что позволяет врачу ориентироваться в обилии медицинской информации независимо от степени материально-технического оснащения лечебно-профилактического учреждения.

Способ может быть предложен для широкого использования в медицинской практике.

Источники информации

1. Баевский P.M., Берсенева А.П. Оценка адаптационных возможностей организма и риск развития заболеваний. М.: Медицина, 1997. - 236 с.

2. Буданцева Т.А., Орлова Е.В, Клещева Л.В., Пашинцева Л.П. Современная медицина: проблемы и перспективы. М., 1998, 65 с.

3. Власов В.В. Медицина в условиях дефицита ресурсов. - М. Триумф, 2000. - 448 с.

4. Вялков А.И., Гройсман В.А. Информационные технологии в управлении лечебно-профилактическими учреждениями в условиях ОМС // Вестник ОМС. - 2001. - №1. - С.7-12.

5. Гайнанов Д.Н. Способ обучения. Патент РФ №2031682 - от 03.27.1995.

6. Гасников В.К. Совершенствование управления здравоохранением региона на основе развития методологических подходов и информационных технологий: Автореф. дисс. д-ра мед. наук. - М., 2001. - 48 с.

7. Гасников В.К., Блохин Ю.Г, Савельев В.Н. и др. Компьютерные технологии информатизации здравоохранения (региональный и учрежденческий уровень): Справочно-методическое пособие. - Ижевск, 1995. - 80 с.

8. Гейтс Б. Бизнес со скоростью мысли. -М.: ЭКСМО-Пресс, 2001. - 480 с.

9. Гундаров И.А. Демографическая катастрофа России: причины, механизм, пути преодоления. М.: Эдиториал УРСС, 2001. - 208 с.

10. Еремин И.И., Мазуров В.Д. Нестационарные процессы математического программирования - М.: Наука, 1979. - 245 с.

11. Лирман А.В., Мазуров Е.А. Компьютерные системы в клинической медицине // Top Medicine, 1995. №2. С.22-23.

12. Мазуров В.Д. Метод комитетов в задачах оптимизации и классификации. М.: Наука, 1990. - 280 с.

13. Новик И.Б., Абдуллаев А.Ш. Введение в информационный мир. - М.: Наука, 1991. - 228 с.

14. Пакет прикладных программ «Квазар» и «Квазар-Плюс» (разработка ИММ УрО РАН, гос. Регистрация № П006903).

15. Представление и использование знаний/Под ред. Х. Уэно, М. Исидзука; Пер. с англ. М.: Мир, 1989. - 312 с.

16. Приобретение знаний / Под. ред. С.Осуги, Ю.Саэки; Пер. с японск.; под ред. Н.Г.Волкова. М.: Мир, 1990. - 297 с.

17. Руководство по профилактике в практическом здравоохранении (Адаптированный вариант рекомендаций ВОЗ. «Prevention in primary care».) M.,2000. - 216c

18. Нижечик Ю.С., Грин Н.М., Рывкина Т.В., Грин Г.В., Збыковская Т.А., Стафеева Н.Д., Гальперина И.В. Способ хранения, обработки и использования информации в службе крови (информационная технология «Пеликан»). Патент РФ RU 2145114.

19. Система и способ хранения, обработки и использования медицинской информации. Патент SU 517197.

20. Стародубов В.И., Луговкина Т.К. Клиническое управление: теория и практика. - М: Медицина, 2003. - 192c. - ISBN5-225-04779-3

21. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: Синтег, 1998. - С.360.

22. Шевченко Ю.Л. Об итогах хода реформ и задачах по развитию здравоохранения и медицинской помощи в РФ на 2000-2004 гг. и на период до 2010 г. М., 2000.82 с

23. Экспертная оценка и прогнозирование состояния репродуктивного здоровья супружеской пары в связи с воздействием факторов окружающей среды и условиями жизни населения (электронный ресурс) / Черданцева Г.А., Юрченко Л.Н., Башмакова Н.В. - Сертификат МЗ РФ №061 от 12.09.2000 г.

24. Юрченко Л.Н., Нижечик Ю.С., Царегородцева H.A. Expert system of blood loss prognosis using hemostasiogram data in pregnant women with PIH // Сб. Tp.XXY конгресса ИСВТ. - Осло(Норвегия). - 1998-реф.1644.

25. Gainanov D. N. Aiternative covers and independence systems in pattern recognition // Pattern Recognition and Image Analysis. Vol.2, No.2, 1992, p.147-160.

Способ медицинской информационной поддержки, заключающийся в том, что создают базы медицинских данных на основе историй болезни и постоянно пополняют их в процессе информационной поддержки практических врачей; выявляют информативные показатели состояния здоровья пациентов на основе анализа высококвалифицированными специалистами историй болезни, сохраненных в базах медицинских данных; формируют по выявленным информативным показателям решающие правила, представляющие собой модели причинно-следственных связей во времени между данными медицинских и биологических исследований и объективного осмотра пациентов и биологическим возрастом пациентов, состоянием здоровья пациентов, прогнозом предполагаемых у пациентов заболеваний или патологических процессов, клиническим диагнозом имеющихся у пациентов заболеваний; оснащают клиентские узлы практических врачей программными средствами, обеспечивающими применение сформированных решающих правил для информационной поддержки практических врачей; вводят на конкретном клиентском узле данные анамнеза пациента и результаты его медицинских и биологических исследований и объективного осмотра; применяют в клиентском узле соответствующие решающие правила, чтобы на основе введенных данных: установить биологический возраст пациента; оценить состояние здоровья пациента с учетом установленного его биологического возраста по трем группам: здоров, относится к группе риска и болен; спрогнозировать при отнесении пациента к группе риска течение заболевания или патологического процесса как на ранних сроках заболевания, так и при уже развившейся патологии; поставить при отнесении пациента к группе «болен» клинический диагноз с учетом характера и степени тяжести изменений в основных системах жизнеобеспечения, индивидуальных особенностей организма и конституционного фактора пациента.