来自北京大学人民医院创伤中心，北京大学国家健康数据科学研究所的中国研究人员正在利用大数据通过临床决策支持系统帮助识别可能在急诊室发生潜在不良健康事件的创伤患者。它是使用新颖的现实世界证据挖掘和基于证据的推理方法开发的，并由改进的信息存储和电子病历驱动。

研究人员于2月7日在线将其结果发表在《电气，电子工程师协会期刊》上的“IEEE系统，人与控制论：系统”上。这是急诊部门使用证据推理开发的首个临床决策支持系统。

北京大学人民医院创伤中心主任姜宝国说：“正确使用信息技术，尤其是临床决策支持系统，可以帮助临床医生做出更好的临床决策，并减少医疗错误的发生率。”“通过输入患者的临床数据并结合可用的历史数据，我们提出的临床决策支持系统可以输出严重创伤的预期置信度，包括ICU入院和住院死亡。”

“临床可变体征和症状可能相互关联并导致临床结果。例如，患者可能由于受伤部位而意识不清，或者可能与体温升高有关”。在开发其临床决策支持系统时，第一作者孔桂兰博士使用了中国开lu医院急诊科的创伤数据集，该医院与北京大学人民医院创伤中心有着密切的研究合作关系。通过数据集，研究人员获得了1,299名创伤患者的数据。临床体征和症状之间的相互依赖程度可以根据患者的历史数据进行计算。在建议的临床决策支持系统中，急诊室医师提供有关患者的信息，包括血压，脉搏频率，呼吸频率，意识水平，体温，年龄，合并症，损伤的机理和部位。然后，使用证据推理规则来处理这些临床体征和症状，该规则将每一部分与从现实世界数据中获得的证据进行比较，以预测不良事件的可能性并优化管理创伤患者并帮助他们实现理想的结果。在他们到达医院后，需要快速，准确地识别出进入重症监护病房或死于医院的高可能性。

该团队发现，不仅在没有先验专业知识或临床经验的情况下，他们的模型不仅被证明特别有用，而且与具有传统机器学习模型的其他系统相比，临床决策支持系统还可以更准确地识别具有不良事件的创伤患者。 。此外，临床决策支持系统以实时方式工作。从医生对患者数据的输入到生成适当的建议，该系统几乎没有任何延迟地工作，从而有助于为创伤患者赢得宝贵的时间。