Войти
Наблюдение за общественным здоровьем (также эпидемиологический надзор, клинический надзор или синдромный эпиднадзор ) - это, согласно Всемирной организации здравоохранения (ВОЗ), «непрерывный систематический сбор, анализ и интерпретация данных, связанных со здоровьем, необходимых для планирования, реализации и оценка практики общественного здравоохранения ". Наблюдение за общественным здоровьем может использоваться для отслеживания возникающих проблем, связанных со здоровьем, на ранней стадии и своевременного поиска активных решений. Системы эпиднадзора обычно призваны предоставлять информацию о том, когда и где возникают проблемы со здоровьем и кто пострадал.
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. Пассивные системы эпиднадзора менее затратны по времени и менее дороги в эксплуатации, но рискуют не сообщать о некоторых заболеваниях. Системы активного эпиднадзора наиболее подходят для эпидемий или случаев, когда болезнь подлежит ликвидации.
Методы наблюдения за общественным здоровьем использовались, в частности, для изучения инфекционных заболеваний. Многие крупные учреждения, такие как ВОЗ и Центры по контролю и профилактике заболеваний (CDC), создали базы данных и современные компьютерные системы (информатика общественного здравоохранения ) которые могут отслеживать и контролировать возникающие вспышки заболеваний, таких как грипп, SARS, ВИЧ и даже биотерроризм, например Атаки сибирской язвы в 2001 г. в США.
Во многих регионах и странах есть свои собственные раковые регистры, которые отслеживают заболеваемость раком для определения распространенности и возможных причин этих заболеваний.
Другие болезни, такие как разовые явления, такие как инсульт, и хронические состояния, такие как диабет, а также социальные проблемы, такие как насилие в семье, все чаще включаются в эпидемиологические базы данных, называемые регистрами болезней. В этих реестрах проводится анализ затрат и выгод для определения государственного финансирования исследований и профилактики.
Системы, которые могут автоматизировать процесс выявления побочных эффектов лекарственных препаратов, используются в настоящее время и сравниваются с традиционными письменными отчетами о таких событиях. Эти системы пересекаются с областью медицинской информатики, быстро внедряются в больницах и одобряются учреждениями, контролирующими поставщиков медицинских услуг (например, JCAHO в США). Проблемы в отношении улучшения здравоохранения возникают вокруг надзора за ошибками приема лекарств в учреждениях.
Синдромный эпиднадзор - это анализ медицинских данных для выявления 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. Хотя исторически синдромный эпиднадзор использовался для целевое расследование потенциальных случаев, его полезность для обнаружения вспышек, связанных с биотерроризмом, все чаще изучается чиновниками общественного здравоохранения ».
Первые признаки вспышки заболевания или биотерроризма атака не может быть окончательным диагнозом врача или лаборатории.
Если взять в качестве примера обычную вспышку гриппа, как только вспышка начинает поражать население, некоторые люди могут позвонить больным на работу / учебу, другие могут посетить их аптеку и купить лекарства без рецепта, другие посетят кабинет врача, а у других симптомы могут быть достаточно серьезными, чтобы они позвонили по номеру телефона экстренной помощи или обратитесь в отделение неотложной помощи.
Системы синдромного наблюдения отслеживают данные из журналов пропусков занятий в школах, систем экстренного вызова, записей о продаже лекарств без рецепта в больницах, поисков в Интернете и других источников данных для выявления необычных закономерностей. Когда наблюдается всплеск активности в любой из отслеживаемых систем заболевания, эпидемиологи и специалисты общественного здравоохранения предупреждаются о возможной проблеме.
Раннее осознание биотеррористической атаки и реакция на нее могут спасти много 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 (вторичный ввод данных), включают расширенные аналитические инструменты, объединяют данные из нескольких систем через геополитические границы и включают автоматическое оповещение.
Система синдромального наблюдения, основанная на поисковых запросах, была впервые предложена Гюнтером Айзенбахом, который начал работу над такой системой в 2004 году. Вдохновленный этим ранним обнадеживающим опытом, Google запустил Google Flu Trends в 2008 году. Больше запросов, связанных с гриппом, указывает на более высокую активность гриппа. Результаты, опубликованные в Nature, полностью совпадают с данными CDC и опережают их на 1–2 недели. Совсем недавно был предложен ряд более продвинутых линейных и нелинейных подходов к моделированию гриппа на основе поисковых запросов Google. Продолжая работу Google, исследователи из Лаборатории интеллектуальных систем (Бристольский университет, Великобритания) создали детектор гриппа; онлайн-инструмент, основанный на методах поиска информации и статистического анализа, использует контент Twitter для текущего прогноза заболеваемости гриппом в Великобритании.
Цифровой надзор за общественным здоровьем в значительной степени опирается на три метода: тенденции на основе поиска на таких сайтах, как Google и Wikipedia, 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, в то время как последние два метода предоставляют прямые данные.
Поисковые агрегаты наиболее часто использовались для отслеживания и моделирования гриппа. Популярным примером является Google Flu Trends, который был впервые выпущен в 2008 году. Также использовалась Википедия, хотя она потенциально подвержена "шуму", поскольку это популярный источник информации о здоровье, независимо от того, является ли пользователь больны или нет.
Примеры наблюдения за общественным здоровьем в социальных сетях включают HealthTweets, которые собирают данные из Twitter. 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. Во время пандемии COVID-19 Facebook использовал агрегированные анонимные данные, собранные с его платформ, для предоставления информации о перемещениях людей моделям болезней. Он также предлагал пользователям возможность принять участие в обследовании симптомов заболевания через Университет Карнеги-Меллона.
Грипп рядом с вами и Influenzanet - два примера краудсорсинговых цифровых системы наблюдения. 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. Другой пример сайтов эпиднадзора - Dengue na Web, используемый для обследования лихорадки денге в Баия, Бразилия.
Предполагается, что некоторые состояния, особенно хронические, такие как сахарный диабет, должны регулярно лечиться с помощью частых лабораторных измерений. Поскольку многие лабораторные результаты, по крайней мере, в Европе и США, автоматически обрабатываются компьютеризированными лабораторными информационными системами, результаты относительно легко сопоставить с недорого 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, финансируемая NIH программа под названием Vermedx Diabetes Information System вела реестр лабораторных показателей взрослых с диабетом в Вермонте и северном штате Нью-Йорк в США с результатами лабораторных исследований тысяч пациентов за несколько лет. Данные включали измерения уровня сахара в крови контроля (гликозолированный гемоглобин A1C ), холестерина и функции почек (сыворотка креатинин и белок в моче ), и были использованы для мониторинга качества лечения 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 со своим врачом. Просроченные тесты генерировали напоминания о проведении тестирования. Система также генерировала напоминания и предупреждения с рекомендациями, основанными на практических рекомендациях, а также периодический список пациентов каждого поставщика и табель успеваемости с кратким описанием состояния здоровья населения. Клинические и экономические оценки системы, включая большое рандомизированное клиническое исследование, продемонстрировали улучшение соблюдения практических рекомендаций и сокращение потребности в отделениях неотложной помощи и больничных услуг, а также общих затрат на пациента. Система была коммерциализирована и распространена среди врачей, страховых компаний, работодателей и других лиц, отвечающих за лечение хронических больных. В настоящее время она распространяется на другие состояния, такие как хроническая болезнь почек.
Аналогичная система, Реестр A1C города Нью-Йорка, используется для наблюдения за примерно 600 000 пациентов с диабетом в городе Нью-Йорке, хотя, в отличие от Информационной системы по диабету штата Вермонт, нет никаких положений, позволяющих пациентам исключать их данные из базы данных Нью-Йорка. Департамент здравоохранения и психической гигиены Нью-Йорка связал с реестром дополнительные услуги для пациентов, например информацию о здоровье, и улучшил доступ к медицинским услугам. По состоянию на начало 2012 года в реестре содержится более 10 миллионов результатов тестирования 3,6 миллиона человек. Несмотря на то, что они предназначены для улучшения показателей здоровья и снижения частоты осложнений диабета, официальная оценка еще не проводилась.
В мае 2008 года городской совет Сан-Антонио, штат Техас одобрил развертывание реестра A1C для округа Бексар. Уполномоченный законодательным собранием Техаса и Департаментом здравоохранения штата, муниципальный округ Сан-Антонио ввел регистр, который собирал результаты из 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 исследования. 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.
