炼数成金 门户 商业智能 人工智能 查看内容

BMJ急诊大数据告诉你:急诊病人被放回家后到底经历了什么

2017-2-4 10:51| 发布者: 炼数成金_小数| 查看: 10868| 评论: 0|原作者: 章仲恒|来自: zhongheng

摘要: 急诊病人最终去向不外乎三种:转院、放回家和收住入院。最近BMJ发表了一篇关于急诊病人放回家后在一周内死亡的大数据研究。数据来源是全美国因急诊而医疗保险索赔的注册数据,时间跨度是07年到12年,总共纳入了一千 ...

工具 大数据 数据分析 商业智能 ETL

急诊病人最终去向不外乎三种:转院、放回家和收住入院。

最近BMJ发表了一篇关于急诊病人放回家后在一周内死亡的大数据研究。数据来源是全美国因急诊而医疗保险索赔的注册数据,时间跨度是07年到12年,总共纳入了一千多万的患者信息。研究结果告诉我们:急诊患者被放回家后有相当一部分(约1万多病人)在一周内意外死亡,这些死亡病人排除了因放弃治疗(DNR)、或其它因疾病不可治疗而放回家的情况。故而这部分患者被急诊医生认为是:“病情不严重,可以在家休息疗养。”文章最后提到:“或许通过某些干预手段,可以挽救这些意外的死亡。”

文章的分析部分使用了各种大数据分析方法,包括分层分析、多因素回归以及桑基图。接着我们来学习学习这篇文章都用了那些高大上的分析方法。

上图是一副桑基图,最初桑基图用于能量流的计算和研究,后来此图也用于描述一些会相互变化的事物。图的左边是急诊被放回去时候打的诊断,而右侧则是患者死亡登记卡上的诊断。我们看左侧第三个“肺炎pneumonia”,这些病人在急诊诊断肺炎后被放回家,一周内这些病人可能死于COPD、肺炎和血管粥样硬化疾病。该图提示某些疾病本身看似不严重,但可能会诱发其它疾病而致死。

该图分为上下两部分,上图是急诊放回家病人死亡率随时间的变化趋势,同时按照急诊收住院比例分成了5个亚组。很明显,急诊住院率较低的医院,其急诊出院病人早期死亡率较高,尔后逐渐下降。下图是住院或转院病人的死亡率,跟本研究关系不大,但可以另一个侧面说明将这些病人收住入院,一样会死亡,也就是说急诊出院后意外死亡患者即使收住入院也没什么卵用。


上面三幅图的横坐标都是急诊住院率,此处有没有觉得图1和图2是几乎互补的呢?当急诊住院率高的时候,急诊出院病人病死率就低,但急诊住院的病人病死率就高,反之亦然。该图说明急诊病人如果要在未来1周内意外死亡,不管住院与否都不能改变此结局。

上图是各种诊断发生意外死亡的相对风险。这里的诊断很奇怪,既有像肺炎这样的标准诊断,也有乏力呼吸困难这样的症状性诊断。而文章中把诊断分为四大类:常规标准诊断、骨骼肌肉皮肤疾病、非疼痛性症状和疼痛症状,个人认为这样的诊断很适合急诊的大数据研究,可以借鉴参考。在急诊室,由于时间和检查的限制很多诊断是不能较精确,能把杂乱无章的急诊诊断给理清楚,这也是一门学问。由图可知风险较大的三种是意识障碍、呼吸困难和乏力。可以看到,如果一个急诊打了“意识障碍”的病人放他回家,该病人1周内发生死亡的风险是普通的4-5倍。

一图抵千言,看文章我都喜欢看图,图看完了整篇文章的思路也就了然于心。

欢迎加入本站公开兴趣群
商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识
QQ群:81035754

鲜花

握手

雷人

路过

鸡蛋

相关阅读

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

 

GMT+8, 2018-9-20 15:31 , Processed in 0.287863 second(s), 24 queries .