Наблюдение за общественным здоровьем - Public health surveillance

Наблюдение за общественным здоровьем (также эпидемиологический надзор, клиническое наблюдение или синдромный надзор) является, согласно Всемирная организация здоровья (ВОЗ), "непрерывный систематический сбор, анализ и интерпретация данных, связанных со здоровьем, необходимых для планирования, реализации и оценки здравоохранение упражняться."[1] Наблюдение за общественным здоровьем может использоваться для отслеживания возникающих проблем, связанных со здоровьем, на ранней стадии и своевременного поиска активных решений.[1] Системы надзора обычно призваны предоставлять информацию о том, когда и где возникают проблемы со здоровьем и кто пострадал.[2]

Системы наблюдения за общественным здоровьем могут быть пассивными или активными. Пассивная система эпиднадзора состоит из регулярных и постоянных отчетов о заболеваниях и состояниях всеми медицинскими учреждениями на данной территории. Активная система эпиднадзора - это система, при которой посещаются медицинские учреждения и проверяются поставщики медицинских услуг и медицинские записи для выявления конкретного заболевания или состояния.[3] Пассивные системы эпиднадзора требуют меньше времени и меньше затрат в эксплуатации, но рискуют не сообщать о некоторых заболеваниях. Системы активного эпиднадзора наиболее подходят для эпидемий или случаев, когда болезнь подлежит ликвидации.[3]

Методы наблюдения за общественным здоровьем использовались, в частности, для изучения инфекционные заболевания. Многие крупные учреждения, такие как ВОЗ и Центры по контролю и профилактике заболеваний (CDC), создали базы данных и современные компьютерные системы (информатика общественного здравоохранения ), который может отслеживать и контролировать возникающие вспышки заболеваний, таких как грипп, ОРВИ, ВИЧ, и даже биотерроризм, такой как Атаки сибирской язвы в 2001 году В Соединенных Штатах.

Во многих регионах и странах есть свои регистр рака, который отслеживает заболеваемость раком, чтобы определить распространенность и возможные причины этих заболеваний.[4]

Другие болезни, такие как разовые мероприятия, такие как Инсульт и хронические состояния, такие как сахарный диабет, а также социальные проблемы, такие как насилие в семье, все чаще интегрируются в эпидемиологический базы данных, называемые регистрами болезней. А анализ выгоды и затрат проводится в этих реестрах для определения государственного финансирования исследований и профилактики.

В настоящее время используются системы, которые могут автоматизировать процесс выявления побочных эффектов лекарственных препаратов, и сравниваются с традиционными письменными отчетами о таких событиях.[5] Эти системы пересекаются с областью медицинской информатики, быстро принимаются больницами и одобряются учреждениями, контролирующими поставщиков медицинских услуг (например, JCAHO В Соединенных Штатах). Вопросы, касающиеся улучшения здравоохранения, возникают вокруг надзора за ошибками при приеме лекарств в учреждениях.[6]

Синдромный надзор

Смотрите также: Наблюдение за заболеваниями

Синдромный надзор - это анализ медицинских данных для обнаружения или прогнозирования болезнь вспышки. Согласно определению CDC, «термин« синдромный эпиднадзор »применяется к эпиднадзору с использованием данных, связанных со здоровьем, которые предшествуют диагностике и сигнализируют о достаточной вероятности случая или вспышки болезни, чтобы требовать дальнейших ответных мер со стороны общественного здравоохранения. целевое расследование потенциальных случаев, его полезность для обнаружения вспышек, связанных с биотерроризм чиновники общественного здравоохранения все чаще изучают этот вопрос ".[7]

Первые признаки вспышки заболевания или биотеррорист нападение не может быть окончательным диагнозом врач или лабораторию.[8]

Используя нормальный грипп Вспышка в качестве примера, когда вспышка начинает поражать население, некоторые люди могут звонить по болезни на работу / учебу, другие могут посещать свою аптеку и покупать лекарства без рецепта, другие посещают кабинет своего врача, а у других могут быть серьезные симптомы достаточно, чтобы они называли номер телефона экстренной помощи или перейдите в отдел скорой помощи.

Системы синдромного наблюдения отслеживают данные из журналов пропусков занятий в школах, систем экстренного вызова, записей о продаже лекарств в больницах, поисков в Интернете и других источников данных для выявления необычных закономерностей. Когда наблюдается всплеск активности при любом из наблюдаемых заболеваний систем эпидемиологи и специалисты общественного здравоохранения предупреждены о возможной проблеме.

Раннее осознание и реакция на биотеррорист атака может спасти множество жизней и потенциально остановить или замедлить распространение вспышки. Наиболее эффективные системы синдромного наблюдения автоматически контролируют эти системы в режиме реального времени, не требуют, чтобы люди вводили отдельную информацию (ввод вторичных данных), включают расширенные аналитические инструменты, объединяют данные из нескольких систем через геополитические границы и включают автоматическое оповещение. процесс.[9]

Система синдромального наблюдения на основе поисковых запросов была впервые предложена Гюнтер Айзенбах, который начал работу над такой системой в 2004 году.[10]Вдохновленные этим ранним обнадеживающим опытом, Google запущен Google Flu Trends[11] в 2008 году. Больше запросов, связанных с гриппом, указывает на более высокую активность гриппа. Результаты, опубликованные в Природа, близко совпадали с данными CDC, и опережали их на 1-2 недели.[12] Совсем недавно был предложен ряд более продвинутых линейных и нелинейных подходов к моделированию гриппа на основе поисковых запросов Google.[13] Расширение работы Google исследователей из Лаборатории интеллектуальных систем (Бристольский университет, Великобритания) создал Детектор гриппа;[14] онлайн-инструмент, основанный на Поиск информации и Статистический анализ методы используют содержимое Twitter для прогноза заболеваемости гриппом в Великобритании.[15]

Цифровые методы

Цифровое наблюдение за общественным здоровьем в значительной степени основывается на трех методах: поисковые тенденции на таких сайтах, как Google и Википедия, публикации в социальных сетях на таких платформах, как Facebook и Twitter, и сайты коллективного наблюдения, такие как Flu Near You и Influenzanet. Тенденции поиска предоставляют косвенные данные о здоровье населения, а два последних метода - прямые.[16]

Поисковые агрегаты

Поисковые агрегаты наиболее часто использовались для отслеживания и моделирования гриппа. Популярный пример: Google Flu Trends, который был впервые выпущен в 2008 году.[16] Также использовалась Википедия, хотя она потенциально подвержена «шуму», поскольку является популярным источником информации о здоровье независимо от того, болен пользователь или нет.[17]

Социальные медиа

Примеры наблюдения за общественным здоровьем в социальных сетях включают HealthTweets, которые собирают данные из Twitter.[17] Данные Twitter считаются очень полезными для исследований в области общественного здравоохранения, поскольку его политика в отношении данных разрешает открытый доступ к 1% образцов сырых твитов. Твиты также могут быть привязаны к геолокации, что можно использовать для моделирования распространения заразных болезней. Это наиболее часто используемая платформа социальных сетей для наблюдения за общественным здоровьем.[16] В течение COVID-19 пандемия, Facebook использовал агрегированные анонимные данные, собранные с его платформ, для предоставления информации о перемещениях людей моделям болезней. Он также предлагал пользователям возможность участвовать в обследовании симптомов болезни через Университет Карнеги Меллон.[18]

Сайты наблюдения

Грипп рядом с вами и Influenzanet являются двумя примерами цифровых систем наблюдения краудсорсинговых компаний. Оба сайта набирают пользователей для участия в опросах о симптомах гриппа. Influenzanet была основана в 2009 году и работает в десяти странах Европы. Его предшественником была Grote Griepmeting, голландско-бельгийская платформа, запущенная в 2003 и 2004 годах. Flu Near You используется в США. Еще один пример сайтов наблюдения - Dengue na Web, используемый для лихорадка денге в Bahia, Бразилия.[16]

Лабораторный надзор

Некоторые состояния, особенно хронические заболевания, такие как сахарный диабет, предполагается, что их регулярно проводят с частыми лабораторными измерениями. Поскольку многие лабораторные результаты, по крайней мере, в Европе и США, автоматически обрабатываются компьютеризированными лабораторными информационными системами, результаты сравнительно легко и недорого сопоставить в специальных базах данных или реестрах заболеваний. В отличие от большинства систем синдромального надзора, в которых предполагается, что каждая запись независима от других, лабораторные данные по хроническим состояниям теоретически могут быть связаны друг с другом на уровне отдельного пациента. Если идентификаторы пациентов могут быть сопоставлены, хронологическая запись лабораторных результатов каждого пациента может быть проанализирована, а также агрегирована на уровне популяции.

Лабораторные журналы позволяют анализировать частоту и распространенность целевого состояния, а также тенденции в уровне контроля. Например, Национальные институты здравоохранения США финансируемая программа под названием Vermedx Diabetes Information System[19] вела регистр лабораторных показателей взрослых с диабетом в Вермонте и северном штате Нью-Йорк в США с результатами лабораторных анализов тысяч пациентов за несколько лет.[20] Данные включали меры содержание сахара в крови контроль (гликозолированный гемоглобин A1C ), холестерин, и функция почек (сыворотка креатинин и белок в моче ) и использовались для мониторинга качества помощи на уровне пациентов, практики и населения. Поскольку данные содержали имя и адрес каждого пациента, система также использовалась для прямой связи с пациентами, когда лабораторные данные указывали на необходимость внимания. Из-за неконтролируемых результатов теста пациенту было отправлено письмо, в котором предлагалось принять меры вместе со своим врачом. Просроченные тесты генерировали напоминания о проведении тестирования. Система также генерировала напоминания и предупреждения с рекомендациями на основе рекомендаций для практики, а также периодический список пациентов каждого поставщика и табель успеваемости, обобщающий состояние здоровья населения. Клинические и экономические оценки системы, в том числе большой рандомизированный клиническое испытание, продемонстрировали улучшение соблюдения практических рекомендаций и сокращение потребности в отделениях неотложной помощи и больничных услуг, а также общих затрат на пациента.[21][22][23] Система была коммерциализирована и распространена среди врачей, страховых компаний, работодателей и других лиц, отвечающих за лечение хронических больных. Сейчас он расширяется до других условий, таких как хроническая болезнь почек.

Аналогичная система, реестр A1C города Нью-Йорка,[24] используется для наблюдения за 600 000 пациентов с диабетом в Нью-Йорк, хотя, в отличие от Информационной системы по диабету штата Вермонт, нет никаких положений, позволяющих пациентам исключать их данные из базы данных Нью-Йорка. В Департамент здравоохранения и психической гигиены Нью-Йорка связала с реестром дополнительные услуги для пациентов, такие как информация о здоровье, и улучшила доступ к услугам здравоохранения. По состоянию на начало 2012 года в реестре содержится более 10 миллионов результатов тестирования 3,6 миллиона человек. Хотя он предназначен для улучшения показателей здоровья и снижения частоты осложнений диабета,[25] формальная оценка еще не проводилась.

В мае 2008 г. городской совет г. Сан-Антонио, Техас одобрила развертывание реестра A1C для Округ Бексар. Утверждено законодательным собранием Техаса и Департаментом здравоохранения штата, Городским округом здравоохранения Сан-Антонио[26] внедрила регистр, в котором были собраны результаты всех основных клинических лабораторий Сан-Антонио. Программа была прекращена в 2010 году из-за нехватки средств.

Лабораторный надзор отличается от надзора в масштабах всего населения, потому что он может контролировать только пациентов, которые уже получают лечение и, следовательно, проходят лабораторные тесты. По этой причине он не идентифицирует пациентов, которые никогда не проходили тестирование. Следовательно, он больше подходит для управления качеством и улучшения ухода, чем для эпидемиологического мониторинга всего населения или территории обслуживания.

Смотрите также

Рекомендации

  1. ^ а б Наблюдение за общественным здоровьем, Всемирная организация здоровья (по состоянию на 14 января 2016 г.).
  2. ^ Пещеры RW (2004). Энциклопедия города. Рутледж. стр.548. ISBN  9780415252256.
  3. ^ а б Всемирная организация здоровья. "Эпиднадзор за болезнями, предупреждаемыми с помощью вакцин". Всемирная организация здравоохранения: иммунизация, вакцины и биологические препараты. Получено 19 октября 2016.
  4. ^ Уайт, Мэри С .; Бэбкок, Фрэнсис; Hayes, Nikki S .; Мариотто, Анджела Б.; Wong, Faye L .; Kohler, Betsy A .; Вейр, Ханна К. (15 декабря 2017 г.). «История и использование данных реестра рака в программах общественного здравоохранения по борьбе с раком в США». Рак. 123 (Дополнение 24): 4969–4976. Дои:10.1002 / cncr.30905. ISSN  0008-543X. ЧВК  5846186. PMID  29205307.
  5. ^ Килбридж PM, Кэмпбелл UC, Cozart HB, Mojarrad MG (июль – август 2006 г.). «Автоматизированное наблюдение за побочными эффектами лекарств в общественной больнице и академическом медицинском центре». Журнал Американской ассоциации медицинской информатики. 13 (4): 372–7. Дои:10.1197 / jamia.M2069. ЧВК  1513675. PMID  16622159.
  6. ^ disa.mil[мертвая ссылка ] PDF
  7. ^ "webcitation.org". webcitation.org. Архивировано 24 июня 2003 года.. Получено 2014-04-18.CS1 maint: неподходящий URL (ссылка на сайт)
  8. ^ Хеннинг К.Дж. (сентябрь 2004 г.). "Что такое синдромный надзор?". Дополнения MMWR. 53: 5–11. PMID  15714620.
  9. ^ «Синдромное наблюдение: прикладной подход к обнаружению вспышек». Центры США по контролю и профилактике заболеваний. 13 января 2006 г. Архивировано с оригинал 20 января 2007 г.
  10. ^ Айзенбах Г (2006). «Инфодемиология: отслеживание поисков в Интернете, связанных с гриппом, для синдромного эпиднадзора». AMIA ... Материалы ежегодного симпозиума. Симпозиум AMIA. 2006: 244–8. ЧВК  1839505. PMID  17238340.
  11. ^ "Google Flu Trends". Google.org. Получено 2014-04-18.
  12. ^ Гинзберг Дж., Мохебби М.Х., Патель Р.С., Браммер Л., Смолинский М.С., Бриллиант Л. (февраль 2009 г.). «Выявление эпидемий гриппа с использованием данных поисковых запросов». Природа. 457 (7232): 1012–4. Bibcode:2009 Натур.457.1012G. Дои:10.1038 / природа07634. PMID  19020500.
  13. ^ Лампос В., Миллер А.С., Кроссан С., Стефансен С. (август 2015 г.). "Достижения в прогнозировании показателей заболеваемости, похожей на грипп, с использованием журналов поисковых запросов". Научные отчеты. 5 (12760): 12760. Bibcode:2015НатСР ... 512760Л. Дои:10.1038 / srep12760. ЧВК  4522652. PMID  26234783.
  14. ^ «Детектор гриппа - отслеживание эпидемий в Twitter». GeoPatterns.enm.bris.ac.uk. Получено 2014-04-18.
  15. ^ Лампос В., Де Би Т., Кристианини Н. (2010). Детектор гриппа - отслеживание эпидемий в Twitter. ECML PKDD. С. 599–602. Дои:10.1007/978-3-642-15939-8_42.
  16. ^ а б c d Айелло А.Е., Ренсон А., Зивич П.Н. (апрель 2020 г.). "Эпиднадзор за заболеваниями в социальных сетях и Интернете для общественного здравоохранения". Ежегодный обзор общественного здравоохранения. 41: 101–118. Дои:10.1146 / annurev-publhealth-040119-094402. PMID  31905322.
  17. ^ а б Шарп Дж. Д., Хопкинс Р. С., Кук Р. Л., Стрили С. В. (октябрь 2016 г.). «Оценка Google, Twitter и Википедии как инструментов для наблюдения за гриппом с использованием байесовского анализа точек изменения: сравнительный анализ». JMIR Общественное здравоохранение и эпиднадзор. 2 (2): e161. Дои:10.2196 / publichealth.5901. ЧВК  5095368. PMID  27765731.
  18. ^ Newton C (6 апреля 2020 г.). «Facebook начинает делиться большим количеством данных о местоположении с исследователями COVID-19 и просит пользователей сообщать о симптомах самостоятельно». Грани. Получено 2 сентября 2020.
  19. ^ «Информационная система по диабету Vermedx». vermedx.com. Архивировано из оригинал на 2011-02-02. Получено 2014-04-18.
  20. ^ Компакт-диск Маклина, Литтенберг Б., Ганьон М. (апрель 2006 г.). «Поддержка принятия решения о диабете: начальный опыт работы с информационной системой по диабету штата Вермонт». Американский журнал общественного здравоохранения. Ajph.org. 96 (4): 593–5. Дои:10.2105 / AJPH.2005.065391. ЧВК  1470550. PMID  16507723.
  21. ^ Littenberg B, MacLean CD, Zygarowski K, Drapola BH, Duncan JA, Frank CR (март 2009 г.). «Информационная система Vermedx по диабету снижает использование медицинских услуг». Американский журнал управляемой помощи. 15 (3): 166–70. PMID  19298097.
  22. ^ Maclean CD, Gagnon M, Callas P, Littenberg B (декабрь 2009 г.). «Информационная система по диабету штата Вермонт: кластерное рандомизированное исследование системы поддержки принятия решений на уровне населения». Журнал общей внутренней медицины. 24 (12): 1303–10. Дои:10.1007 / с11606-009-1147-х. ЧВК  2787948. PMID  19862578.
  23. ^ Хан С., Maclean CD, Литтенберг Б. (июль 2010 г.). «Влияние Информационной системы по диабету штата Вермонт на использование стационаров и отделений неотложной помощи: результаты рандомизированного исследования». Исследования результатов здоровья в медицине. 1 (1): e61 – e66. Дои:10.1016 / j.ehrm.2010.03.002. ЧВК  2958673. PMID  20975923.
  24. ^ «Профилактика и контроль диабета». Реестр A1C города Нью-Йорка. Город Нью-Йорк. Архивировано из оригинал 9 июня 2007 г.
  25. ^ Frieden TR (сентябрь 2008 г.). «Система сообщений о диабете в Нью-Йорке помогает пациентам и врачам». Американский журнал общественного здравоохранения. Ajph.aphapublications.org. 98 (9): 1543–4, ответ автора 1544. Дои:10.2105 / AJPH.2008.142026. ЧВК  2509589. PMID  18633070.
  26. ^ «Столичный округ здоровья». Sanantonio.gov. Получено 2014-04-18.