Во главе с Судхой Рамом, учителем UA информатики и информационных систем управления, и доктора Йолэйнда Пенджетнза, ученого доктора из Центра Парковых насаждений Клинических Инноваций в Далласе, исследователи взглянули определенно на хроническое заболевание астмы и как связанные с астмой твиты, проанализированные вместе с другими данными, смогут оказать помощь угадать связанные с астмой визита отделения скорой помощи.ее сотрудники и Баран – включая Вэньли Чжана, докторанта UA в информационных совокупностях управления, и исследователей от Центра Парковых насаждений Клинических Инноваций – создали модель, которая смогла удачно угадать примерно, сколько астматиков посетит отделение скорой помощи в большой поликлинике в Далласе в этот сутки, на базе анализа данных, подбираемых из электронной медицинской документации, датчиков качества воздуха и Твиттера.
Их результаты, дабы быть изданными в грядущем Издании IEEE Биомедицинских и медицинского особого выпуска Информатики на громадных данных, имели возможность оказать помощь отделениям неотложной помощи поликлиники в национальном масштабе запланировать лучше относительно укомплектования персоналом и управления ресурсом, сообщил Рам, ведущий создатель газеты.«Мы осознали, что астма – один из самых громадных транспортных генераторов в отделении неотложной помощи», сообщил Рам. «Довольно часто, что происходит, то, что нет верных людей в ED, дабы лечить этих больных, либо не верное оборудование, и это вызывает большое количество непредвиденных неприятностей».За трехмесячный период ее команда и Рам собрали информацию о качестве воздуха от экологических датчиков около Далласской поликлиники. Они кроме этого собрали и проанализировали связанные с астмой твиты, которые содержат определенные главные слова, такие как «астма», «ингалятор» либо «хрипение».
По окончании планирующих миллионов твитов со всех финишей земного шара они применяли способы глубокого анализа текста, дабы расширить масштаб соответствующих твитов в почтовых индексах где большая часть живых больных поликлиники, в соответствии с электронной медицинской документации.Исследователи нашли, что, потому, что определенные меры по качеству воздуха ухудшились, визита астмы отделения скорой помощи повысились.
Повысились визита астмы, кроме этого увеличенные как количество связанных с астмой твитов. Исследователи дополнительно взглянуть на связанные с астмой поиски Гугл в области, но нашли, что они не были хорошим предсказателем для посещений отделения скорой помощи астмы.
Разбирая твиты и данные о качестве воздуха совместно, ее сотрудники и Рам смогли применять методы машинного обучения, дабы угадать с 75-процентной точностью, имело возможность ли бы отделение скорой помощи ожидать низкое, среднее либо высокое количество связанных с астмой посещений в этот сутки.Изучение подчеркивает ключевую роль, которую громадные эти, включая потоки от экологических датчиков и социальных сетей, имели возможность играться в обращении к медицинским проблемам, сообщил Рам.
Она и ее команда сохраняют надежду, что их результаты окажут помощь им создать подобные прогнозирующие модели для посещений отделения скорой помощи, которые связаны с другими хроническими болезнями, такими как диабет.«Вы имеете возможность взять громадное занимательное познание от социальных сетей, что Вы не имеете возможность от электронной медицинской документации», сообщил Рам. «Вы лишь идете к врачу иногда, и Вы не всегда говорите Вашему врачу, сколько Вы осуществляли либо что Вы ели. Но люди делятся той информацией все время в соцсетях. Мы считаем, что модели предсказания как это смогут быть крайне полезными, в случае если мы можем объединить разные типы данных, дабы обратиться к хроническим заболеваниям».
Баран – соруководитель Центра INSITE UA Аналитики-и Бизнес анализа в Колледже Eller на управлении. Центр INSITE сосредотачивается на прогнозирующей аналитике посредством данных из множества источников, включая соцсети, датчики, Сетевые платформы и мобильные приложения.Здравоохранение – и как разные формы разрешённых могут использоваться, дабы урегулировать вопросы здравоохранения – есть воображающей интерес главной областью для центра.
Громадный анализ данных уже употреблялся, дабы угадать распространение заразной заболевания. Веб-сервис Гугл Flu Trends, к примеру, оценивает, в то время, когда и где грипп распространится на базе анализа связанных с гриппом поисков Гугл.Модель, созданная ее сотрудниками и Рамом, отличается в этом, она сосредотачивается на хроническом заболевании.«Люди довольно часто выясняются в отделении скорой помощи не обязательно для заразных заболеваний, но для осложнений, следующих из хронических болезней как астма либо диабет либо сердечные неприятности, каковые стоят большое количество к нашей совокупности здравоохранения», сообщил Рам.
Больше чем 25 миллионов американцев затронуты астмой, которая каждый год образовывает примерно 2 миллиона посещений отделения неотложной помощи, полмиллиона смертельных случаев 3 500 и госпитализаций, подвергаясь больше чем $50 миллиардам в прямых медицинских затратах, пишут ее сотрудники и Рам в их статье.Не смотря на то, что поликлиники смогут сделать предсказания риска о том, в то время, когда отдельные больные астмой имели возможность бы возвратиться, на базе историй заболевания, модель, созданная ее сотрудниками и Рамом, делает предсказания на уровне населения.«CDC приобретает сообщения о посещениях отделения неотложной помощи спустя пара недель по окончании факта, и после этого они создают карты наблюдения», сообщил Рам. «С отечественной новой моделью мы можем сейчас выполнить в этом практически настоящем времени, так, это – серьёзное значение наблюдения здравоохранения».Соавтор барана Пенджетнз заявил, что изучение воображает творческий новый подход к здоровью населения.
«Мультидисциплинарное сотрудничество в этом изучении объединяет клинические экспертные знания, знание медобслуживания, электронную медицинскую документацию и нетрадиционные громадные источники данных, дабы обратиться к основной медицинской проблеме, которая есть астмой», сообщила она. «Данный многогранный подход мог иметь ответственные последствия для своевременности наблюдения здравоохранения, подготовленности поликлиники и клинических технологических процессов, сперва для астмы тогда для других обременительных хронических болезней как детское ожирение, диабет 2 типа, и сердечно-сосудистые болезни, дабы назвать некоторых».С первой фазой их завершенного изучения ее команда и Рам сейчас собираются расширить изучение астмы до 75 поликлиник в области Далласа-Форт-Уэрта.
«У нас имеется вправду прекрасные результаты», сообщил Рам, «и сейчас мы трудимся над постройкой еще более прочных моделей, дабы видеть, можем ли мы расширить уровень точности при помощи большего количества типов комплектов данных по более долгому периоду времени».