在武汉新型肺炎持续扩散的同时, 美国流感也引起了广泛关注.
每一年的流感高发期及其对美国公共健康的影响, 往往都与病毒本身一样令人捉摸不透, 难以预测.
对医院来说, 这种不确定性当然会带来一系列现实挑战, 导致资源供应, 设备, 床位以及人员短缺, 并最终导致病患难以获得良好的诊疗服务.
这类问题对各大主要城市的影响尤其严重. 大城市极高的人口密度会导致流感迅速传播, 并给低收入且医疗条件较差的社群带来严重的健康后果.
底特律医学中心近期启动一个最新项目, 希望降低对流感高发期的预测难度.
通过医疗系统提供的电子病历记录, 识别经常前往急诊室, 且具有疑似流感症状的患者, 进而根据他们的临床, 个人以及人口统计学信息通过预测分析评估他们已经接种疫苗的可能性.
在流感高发期之内, 疾病控制与预防中心的流感监测信息每周都为底特律医学中心提供关于流感活动的最新动态, 协助在高风险患者较为集中的区域定期安排有针对性的流感疫苗接种活动.
底特律医学中心接收医院, 哈珀大学以及哈特泽尔女子医院的首席医学官 Leonardo Lozada 博士表示, 预测分析技术可以帮助该中心识别出在未来两到三个月之内, 罹患流感几率超过 75% 的患者群体.
Lozada 表示,"我们可以向潜在的患者们发送消息, 甚至提前开始针对特定人群开展疫苗接种活动." 这类疫苗接种将为各个集中区域提供流感疫苗, 例如社区中心, 教学以及学校等. 其他外展方式还包括直接给患者打电话或发短信, 甚至在某些情况下登门拜访, 鼓励并说服他们接种疫苗.
Lozada 希望通过预防措施限制流感的影响, 从而提高服务质量与患者满意度, 并降低与治疗流感相关的医疗费用.
Lozada 指出,"我们必须要考虑实际资源的总量与可用性. 我们需要最大限度利用这些资源, 而最好的方法当然是准确预测既定治疗手段对于患者的实际效果."
事实上, 直到最近几年开始, 医疗保健行业才刚刚利用预测分析工具改善疾病管理, 诊断以及患者护理工作.
底特律医学中心正是将预测分析引入医疗保健领域各类重大疾病之中 (例如季节性流感) 的少数机构之一. 根据实际应用效果来看, 这类工具确实在缓解心脏病, 癌症以及糖尿病等慢性疾病的养护成本方面发挥出积极的作用.
范德比尔特大学医学中心预防医学与健康政策教授 William Schaffner 博士表示, 如果能够弄清某些社区的疫苗接种率为什么要比其他社区更高, 那么医院的工作效率也将得到显著提升. 他表示,"只要能够明确定义这些差异, 那么下一步就可以进行研究, 从而找到疫苗接种的障碍所在."
Schaffner 指出, 虽然流感疫苗接种率在整体上已经得到一定提高, 但最近几年以来, 在流感并发症发病风险最高的群体之内, 接种率始终处于停滞状态.
每年约有三分之二的 65 岁及以上群体接种疫苗, 此外每年定期接种流感疫苗的孕妇与儿童比例则分别为一半以及三分之二.
Schaffner 解释道, 计算机记录能够帮助我们了解哪些员工已经接种过疫苗, 这一点在提高医疗保健从业者的流感疫苗接种率方面发挥着重要作用. 从 2010 至 2011 年度, 到 2017 至 2018 年度, 这一比例上升了 15%.
流感带来的财务风险相当可观. 根据《疫苗》杂志 2018 年发表的一项研究, 每年流感疾病给美国造成的直接医疗费用平均为 32 亿美元, 而生产力损失每年平均还有额外的 80 多亿美元.
Lozada 指出,"这才是我们真正的收益所在. 提前计划并加以预防, 总是要比事发之后再行补救要便宜得多."
每年流感高发季, 美国的致死人数平均在 12000 人至 59000 人. 但是不同年份的情况差异很大, 某些预料之外的变化以及大量未接种疫苗人群的快速发病, 往往导致 2017 至 2018 年期间的流感大爆发. 在此期间, 多达 95 万美国民众因流感住院, 致命人数接近 80000.
图: 2019 年 10 月到 11 月前后六周时间内的美国疾控中心数据, 结果显示在此期间流感上报数开始显著增加.
到目前为止, 今年流感高发季的健康影响似乎要比去年好一些. 截至 1 月 11 日, 美国疾病预防控制中心报告称, 去年 10 月 1 日至今年 1 月 5 日之间共出现约 700 万例流感病例, 导致约 84000 人住院. 疾控中心表示, 这一数字属于各年流感季的平均范围.
>>>接种率上限
大多数医院依赖疾控中心来跟踪病毒的传播进程. 该信息通常与已知人口统计数据相结合, 主要面向较易罹患流感并发症的群体, 具体包括儿童, 孕妇以及老年人. 这部分高发群体, 也是传统意义上流感疫苗的主要接种对象.
尽管医疗机构做出诸多努力, 但无论是在哪类社群之内, 流感疫苗的接种率也从未突破 70%.Lozada 等研究人员认为, 预测分析可能有助于进一步提高疫苗接种率. 在他们看来, 此类工具能够帮助利益相关方更好地了解哪些群体不太可能感染流感, 并据此指导疫苗接种服务方及交付方调整具体操作方式.
由于疫苗接种在特定群体内仍存在一定争议, 因此任何能够提高接种率的方法都将带来巨大的现实意义. 人口健康管理平台厂商 BioIQ 公司首席医学官 Joshua Sclar 博士指出,"流感疫苗是目前效果最好的预防服务之一. 虽然这种方式已经把预防门槛放得很低, 但实际普及度仍然不够高."
Sclar 指出, 服务交付方正积极利用社会决定因素 (例如贫困, 失业, 低学历, 住房不稳定以及粮食不安全等) 确定高流感风险人群; 以这些数据为基础, 医护人员将能够更准确地预测这部分群体罹患流感并因此入院的比例.
Sclar 表示,"这是一场资源分配游戏. 我们能够用于群体疫苗接种的资源是有限的, 而且希望将这些资源用于能够确定的风险最高的人群."
在约翰霍普金斯大学卫生安全中心资深学者 Amesh Adalja 博士来说, 在流感监测当中使用先进分析技术的最大意义, 在于能够提供与流感趋势相关的实时社群数据. 在流感大爆发等极端背景之下, 这部分数据将显著降低诊疗负担.
此类工具还能够帮助临床医生更明确地了解该何时何地进行病毒检测与治疗, 并帮助医院在流感季期间更好地分配资源. 相较于以往的随意分配, Adalja 表示认为新的方式将极大提高资源利用效率.
Adalija 表示,"在马拉松比赛或者超级碗比赛期间, 医护人员根本无法应对突然猛增的流感潜在群体. 但在我看来, 如果拥有实时且能够轻松访问的数据, 那么效果绝对会更好, 甚至彻底避免疾病蔓延了两周之后人们才刚刚意识到威胁的情况."
>>>城市贫困人口面临巨大危险
但 Adalja 同时认为, 医疗行业仍然需要集中精力改善临床实践, 借此鼓励更多来自流感并发症风险较高的群体主动接种流感疫苗.
Adalija 指出,"在着眼于那些规模极大的大数据目标之前, 我们首先需要考虑到, 还有很多弱势群体还没有接受过疫苗接种." 另外, 尽管孕妇的疫苗接种率有所提高, 但绝对比例仍然非常有限(2018 年约为 49%), 而孕妇本身正是流感影响的主要群体之一.
另一方面, 范德比尔特的 Schaffner 表示, 目前的证据明确显示, 贫穷且人口密度较高的社群罹患严重流感的风险更高.
他解释道, 尽管底特律医学中心以及其他医疗机构已经能够利用预测分析与社会经济数据来精确识别出易受流感影响的人群, 但问题的核心在于, 从业者能否利用这些信息真正开发出更新, 更有效的干预措施.
Schaffner 总结道,"公共卫生需要考虑如何调拨资源以制定出新的计划(必须充分借助创新成果的优势), 并借助这些计划主动介入以提供切实有效的医疗保健服务."
"当然, 这项工作既不轻松, 也不便宜, 我们必须承认这一点."
来源: http://ai.51cto.com/art/202001/609732.htm