Ήμασταν σε θέση να αξιοποιήσουμε τις πληροφορίες που συλλέξαμε για να συμβαδίσουμε με την COVID-19, χρησιμοποιώντας πλατφόρμες που δεν είναι ιδιόκτητες ή δεν στεγάζονται μέσα στα ηλεκτρονικά αρχεία υγείας. Τα εργαλεία που είχαμε διαθέσιμα στην αρχή της πανδημίας δεν κάλυπταν τις ανάγκες μας, οπότε οι διάφορες ομάδες μας συνεργάστηκαν για να δημιουργήσουν νέα εργαλεία".
COVID-19: Κατά την έναρξη της COVID-19 τον Μάρτιο του 2020, η Νέα Υόρκη ήταν το επίκεντρο της πανδημίας, με περισσότερα από 6.000 κρούσματα ημερησίως και πάνω από 1.000 θανάτους την ημέρα. Τα συστήματα υγείας και τα νοσοκομεία της Νέας Υόρκης αντιμετώπιζαν αυξανόμενες απαιτήσεις σε προσωπικό και πόρους, εν μέσω της αύξησης του αριθμού των κρουσμάτων COVID-19 των εργαζομένων. Για να αντιμετωπιστεί η ανάγκη εντοπισμού επαφών και ευέλικτων ερευνών έκθεσης για τον μετριασμό της εξάπλωσης της COVID-19 μεταξύ του προσωπικού των νοσοκομείων, οι ερευνητές του Mount Sinai δημιούργησαν το Employee Health COVID-19 REDCap Registry –ένα ψηφιακό πλαίσιο βασισμένο στο cloud με τη χρήση της διαδικτυακής εφαρμογής Research Electronic Data Capture- για την παρακολούθηση και τη μείωση της εξάπλωσης του ιού σε όλο το σύστημα υγείας Mount Sinai, συμπεριλαμβανομένων 8 νοσοκομείων και περισσότερων από 400 εξωτερικών ιατρείων.
Η βάση δεδομένων δημιουργήθηκε με ένα μοντέλο “βασισμένο σε συμβάντα”, όπου κάθε έκθεση ή “συμβάν” καταγραφόταν μοναδικά χωρίς να συνδέεται σκόπιμα με προηγούμενα συμβάντα για το ίδιο άτομο ή τμήμα. Αυτή η δυνατότητα επέτρεψε στο Mount Sinai να συσχετίσει ορισμένα γεγονότα όπου ήταν απαραίτητες ομαδικές έρευνες για τον εντοπισμό του προτύπου εξάπλωσης της νόσου. Αυτή η συγκεκριμένη σχεδιαστική επιλογή για το ψηφιακό πλαίσιο προσαρμόστηκε και ανταποκρίθηκε επίσης στις σημαντικές αλλαγές της νόσου COVID-19 με την εξάπλωση των παραλλαγών Delta και Omicron. Το μητρώο υγείας των εργαζομένων COVID-19 REDCap παρείχε: συλλογή δεδομένων υγείας των εργαζομένων με τη χρήση ασφαλών και φιλικών προς το χρήστη ηλεκτρονικών φορμών, πληροφορίες παρακολούθησης επαφών για τους εργαζόμενους που παρακολουθούν τη ροή εργασίας, ποιοτική ανάλυση των συνεντεύξεων των εργαζομένων, ενσωμάτωση της ανάλυσης και της γονιδιωματικής αλληλουχίας και δυνατότητα μηχανικής μάθησης στη μελλοντική έρευνα σχετικά με την έκθεση. Μέχρι σήμερα έχουν πραγματοποιηθεί πάνω από 50.000 συνεντεύξεις εργαζομένων και περισσότερες από 500 αναθεωρήσεις του πλαισίου. Ο εξελισσόμενος σχεδιασμός της πλατφόρμας δημιούργησε δυναμική ευελιξία για την ενσωμάτωση της εξέλιξης των πληροφοριών και της εμπειρογνωμοσύνης γύρω από τη μετάδοση του ιού και συνέβαλε στη διευκόλυνση των αλλαγών στις κλινικές συστάσεις σχετικά με την COVID-19.
Πως:
Το μητρώο Employee Health COVID-19 REDCap Registry ήταν διαθέσιμο μέσω συσκευών με δυνατότητα πρόσβασης στο διαδίκτυο, όπως κινητές συσκευές και επιτραπέζιοι υπολογιστές, με απομακρυσμένη πρόσβαση που επέτρεπε την ενσωμάτωση σε όλα τα νοσοκομεία και τις κλινικές του Mount Sinai Health System. Οι διαδικτυακές φόρμες κατέστησαν δυνατή την άμεση παρακολούθηση από τις υπηρεσίες υγείας των εργαζομένων, επειδή μπορούσαν να συμπληρωθούν σε προσωπικές συσκευές και να υποβληθούν άμεσα. Η διεπαφή παρακολούθησης επαφών των υπηρεσιών υγείας των εργαζομένων κατέγραφε πληροφορίες σχετικά με τα δημογραφικά στοιχεία των εργαζομένων, τη διάρκεια καραντίνας, τον εξοπλισμό ατομικής προστασίας που χρησιμοποιήθηκε και τις πρόσφατες δοκιμές COVID-19. Οι υπηρεσίες υγείας των εργαζομένων δημιούργησαν έναν πίνακα έκθεσης για την αξιολόγηση του κινδύνου της αναφερόμενης έκθεσης (χαμηλός, μέτριος ή υψηλός). Ο πίνακας περιγράφει βαθμολογίες κινδύνου με βάση τον τύπο της έκθεσης- το προσωπικό κωδικοποίησε την έκθεση σύμφωνα με την κλίμακα. Αυτή η μέθοδος βαθμολόγησης μπορεί τελικά να χρησιμεύσει ως μοντέλο ταξινόμησης για επιβλεπόμενη μηχανική μάθηση για την πρόβλεψη των αποτελεσμάτων της έκθεσης, δήλωσαν οι ερευνητές.
Αποτελέσματα:
Με το μητρώο COVID-19 REDCap της υγείας των εργαζομένων, οι υπηρεσίες υγείας των εργαζομένων του Mount Sinai μπόρεσαν να μειώσουν τους χρόνους παρακολούθησης των περιπτώσεων από ημέρες σε ώρες. Για παράδειγμα, αφού ένας εργαζόμενος ανέφερε συμπτώματα COVID-19 στον προϊστάμενό του, οι υπηρεσίες υγείας των εργαζομένων ήταν σε θέση να: παρακολουθούν τον προϊστάμενο του εργαζομένου, να διεξάγουν την αρχική συνέντευξη εντοπισμού επαφής και να στείλουν τον εργαζόμενο στο σπίτι του για απομόνωση εντός τριών ωρών. Ο εντοπισμός επαφής σε συνέχεια του περιστατικού αυτού οδήγησε στον εντοπισμό μιας αναδυόμενης συστάδας εντός του τμήματος και η κατεύθυνση της μετάδοσης προσδιορίστηκε με την ενσωμάτωση δεδομένων γονιδιωματικής αλληλουχίας που παρείχε το εργαστήριο γονιδιωματικής του Mount Sinai.
Η ανάπτυξη αυτού του εργαλείου παρείχε μια ισχυρή υποδομή για την έρευνα της COVID-19. Βοήθησε στην εγγραφή εργαζομένων κατά τα πρώτα στάδια της πανδημίας για ανοσογόνο δωρεά πλάσματος και επέτρεψε στο Mount Sinai να προσδιορίσει επαγγελματικούς και μη επαγγελματικούς παράγοντες κινδύνου για την εξάπλωση της COVID-19. Το μητρώο REDCap του Employee Health COVID-19 παρέχει ένα εύκολα αναπτύξιμο πλαίσιο για τα ιδρύματα σε όλον τον κόσμο για τον επιτυχή έλεγχο μιας θανατηφόρας νόσου κατά τη διάρκεια μιας πανδημίας, βασιζόμενο σε μια πλατφόρμα που είναι παντού διαθέσιμη σε όλο τον κόσμο. Η Kristine B. Rabii του Mount Sinai λέει ότι “στόχος τους ήταν να αναδείξουν τη δημιουργικότητα των ομάδων στο σύστημα υγείας Mount Sinai και να καταδείξουν ότι αυτά τα εργαλεία μπορούν να χρησιμοποιηθούν από οποιονδήποτε οργανισμό.
Ήμασταν σε θέση να αξιοποιήσουμε τις πληροφορίες που συλλέξαμε για να συμβαδίσουμε με την COVID-19, χρησιμοποιώντας πλατφόρμες που δεν είναι ιδιόκτητες ή δεν στεγάζονται μέσα στα ηλεκτρονικά αρχεία υγείας. Τα εργαλεία που είχαμε διαθέσιμα στην αρχή της πανδημίας δεν κάλυπταν τις ανάγκες μας, οπότε οι διάφορες ομάδες μας συνεργάστηκαν για να δημιουργήσουν νέα εργαλεία”. Ο Dr. Waleed Javaid αναφέρει ότι “το παρόν έγγραφο περιγράφει την ηγετική θέση του Mount Sinai στην ταχεία ανάπτυξη βάσης δεδομένων που βασίζεται στο cloud και βοήθησε στον περιορισμό της εξάπλωσης της COVID μεταξύ του προσωπικού και των ασθενών μας. Θέλουμε να μοιραστούμε τις γνώσεις και τη μεθοδολογία μας με όλους, ώστε και άλλα ιδρύματα υγειονομικής περίθαλψης να εφαρμόσουν παρόμοιες κοινόχρηστες βάσεις δεδομένων για να κρατήσουν τις κοινότητές μας ασφαλείς από επικίνδυνες πανδη Ο Dr. Ismail Nabeel σχολιάζει ότι η ομάδα “δημιούργησε επαναληπτικά και σχολαστικά ένα ευέλικτο και ανταποκρινόμενο σύστημα, το οποίο άντεξε καθώς οι εξελισσόμενες παραλλαγές του ιού COVID-19 έπαιζαν χάος στις κοινότητες. Οι προσπάθειές μας μας οδήγησαν στην ανάπτυξη ενός αξιόπιστου, προσαρμόσιμου και εξελισσόμενου εργαλείου κατά της COVID-19, το οποίο μπορεί να διαμοιραστεί σε όλο τον κόσμο για την προστασία των πολύ ιδιαίτερων ηρώων της υγειονομικής περίθαλψης στην πρώτη γραμμή και όχι μόνο”.
Η έρευνα δημοσιεύθηκε στο The Lancet Digital Health.
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
