案例分享｜基于云服务的新冠疫情防控系统

案例分享｜基于云服务的新冠疫情防控系统

2020-02-01

案例背景

新冠疫情爆发给全世界医疗卫生系统带来巨大压力。利用疫情监控系统追踪密切接触者和感染者，以支持临床决策是一种有效的疫情防控方法。但是，传统的防控系统受时间、空间和灵活性限制，同时来自这些系统的报告往往是区域性的，来自社区和市级层面的信息缺乏关于疾病的充分信息，这会导致疫情防控措施低效。

对于湖北新冠疫情防控形势来说，病历众多和人群分群挑战着传统的人工报告和追踪方法。为应对这一重大挑战，神州医疗与洪湖市联合防控指挥部开发了新冠疫情防控系统（HHS）：HHS在72小时内搭建完成，主要应用于湖北洪湖市（距离武汉145km,常驻人口超过90万）的疫情防控。

HHS整合了传统来源数据（例如病例报告系统和诊断实验室）以及非传统来源数据（包括结构化电子病历和移动设备上的社交数据），实时数据采集和高效数据分析，提供了有关症状，心理状况，接触史，社会行为和物理环境的详细信息。

案例内容

基于云服务的硬件方案

在疫情爆发期，由于交通管制、隔离措施，使得采购部署硬件设施并不现实；同时数据处理及数据分析团队分散各地，疫情当地技术支持不足；数据来源不同平台、机构甚至地域，难以实现数据汇集；需求快速迭代，硬件要随时准备功能拓展和性能提升。基于云服务的硬件方案提供了有效的解决方案。

数据采集

9家定点医院每日结构化的电子病历数据；微信上报系统收集的居民个人实时健康信息；来自第三方PCR实验室，第三方抗体实验室和公共卫生信息系统的每日诊断报告。

利用九家医院内部现有的健康信息系统，并利用微信平台开发了一个小程序，用于症状报告和空间数据收集。

数据处理

对收集数据进行清洗整理，通过交叉验证等方法剔除重复、错误的信息，然后将相关的信息进行标准化。其中疾病诊断使用的是SNOMED-CT和ICD10、检查检验使用LONIC、手术使用ICD9等，在清洗过程中，对于非结构化的文本信息，通过自然语言（NLP）技术进行结构化。数据清洗整理好后，存入通用的数据模型（CDM）。数据模型元素和COVID-19的推荐同义词来自54位中国专家，包括临床医生，研究人员，公共卫生专业人员和信息专家。

伦理审查，隐私保护和数据安全

南方医院伦理委员会批准了此项研究。疫情防控系统内所有用户都同意共享使用此系统所需的信息。整个系统部署中，特别强调数据安全和隐私保护问题。

实施了标准的安全设置和软件（例如，防火墙，数据加密）。虚拟专用网络用于远程技术支持和数据分析。

为保护患者的隐私，对数据设置了不同的访问级别。汇总报告是数据共享的主要形式。洪湖市新冠疫情防控指挥部的专家团队拥有丰富的数据访问权限。他们使用数据对患者进行分类，协调社区中的社会工作者，并分配医疗资源。远程分析团队无法访问患者的身份。项目之初，数据安全和隐私保护专家（均获得HIPAA法案认证）设计和设置了此项数据访问权限机制。

独立审核员负责监视任何违反规则的情况，并报告和更正规则。回顾性收集数据，入组前先要获取住院患者书面知情同意。

最重要的是，所有授权人员都接受了有关数据安全性和隐私保护的培训，另外，还签署了具有法律约束力的承诺函。此外，该团队与云计算服务提供商紧密合作，将敏感数据与其余数据区分开。

应用效果

基于手机社交媒体平台，实施人群的综合监控。

从1月26日洪湖确诊第一例到2020年3月16日，所有确诊COVID-19的患者均已出院，总共383例COVID-19病例，不幸的是其中死亡13例。在巨大的压力下，HHS于2月14日启动，并在72小时内成功部署。到3月16日，自行报告的累计数量达到1750万，每日活动报告可达90万人次。

基于手机社交媒体平台，实施了针对不同人群的综合监控。其中包括一般人群，住院和出院患者，感染风险较高的人（即：有去武汉的旅行经历、确诊病例的接触史或在隔离地点接受医学观察的人）以及卫生保健专业人员（即医生、护士、公共卫生专家和社会工作者）。

参考文本框1有关居家隔离的普通人群的问卷调查的详细信息。该问卷由南方医院传染病专家提出，经讨论会议修改，当地政府工作人员，当地临床医生，公共卫生专业人员和信息专家参加了讨论会议。3月2日，政府评估开放洪湖的工作和生产限制时，有关求职支持的项目添加到调查表中。

Demographiccharacteristics

• Name

• ID number

• Gender

• Address (semi-structured)

• Phone number (free text)

Spatial information

• Current location (structured)

Epidemiological exposure

• Have you visited or stayed in communities with confirmed cases inthe last 14 days? (Yes/No)

• Have you been in contact with confirmed cases in the last 14 days？ (Yes/No)

• Have you been in contact with residents from Wuhan City or fromthe community with case reports or who have had respiratory symptoms in thelast 14 days? (Yes/No)

• Have you participated in small-scale gatherings with more than 2cases reported in the last 14 days? (Yes/No)

Physical conditions

• Today's physical condition: good/cough/runny nose/chesttightness/diarrhea/muscle soreness? (multiple choices)

• Today's body temperature?

Psychological conditions

• Did you feel nervous, fearful or anxious today? (Yes/No)

Community support

• Are there public health officials to visit you for investigation?(Yes/No)

• Were there any social workers who called you or came to your hometo help solve the reported problems? (Yes/No)

Job-seeking support

• Are you willing to work locally? (free text)

• Are you willing to participate in free skill training? (free text)

文本框1：微信实时问卷

社区工作者通过电话或上门拜访跟踪了10,000多个阳性报告（例如，“我的体温超过37.3°C”或“今天我咳嗽得很厉害”）。协助30多人到发烧门诊进一步筛查，然后隔离。这是由城市居民通过新的信息渠道发起的一种主动监视机制，并有效地进行了COVID-19筛查。高覆盖率（超过95％的居民）和每日活跃报告（超过60万人次）证明了在COVID-19流行期间进行密集监测的可行性。

阳性报告病历（日超50万人次报告0.10％-0.12％的概率）提供了有力的证据，表明防控措施已经有效地阻止了疫情的扩散。

政策制定决策支持

监测数据的波动和趋势分析可支持与政策相关的决策。由于人口众多，趋势的稳定性和波动性为地方当局评估疾病管理的有效性并作出相应的及时调整提供了有力的证据。空间分析也发挥了关键作用。由患者集中度表示的社区内密切接触者的聚集（图2），说明了当地疫情爆发的高风险，这将自动触发社区工作者的家访工作。

640 (1).png

图2：洪湖卫生报告热图

临床决策支持和资源优先级

基于住院患者死亡率预测系统建立的临床决策支持系统，用于改善COVID-19患者临床护理，降低死亡风险并优先分配有限的医疗资源。

基于多叶浸润，低淋巴细胞增多症，细菌合并感染，吸烟史，高血压史和年龄（MuLBSTA）评分系统，实际上这是一个针对COVID-19住院患者死亡率预测系统，383个病历中有36个患者被划分为高死亡风险人群（MuLBSTA评分≥12）,他们被收治在重症监护区域或更频繁地进行重要生化标记筛选。据作者所知，这是针对COVID-19患者的死亡风险预测系统的实际应用。

出院患者的随访

我们使用社交媒体平台对出院患者进行登记注册，并要求患者在出院后的两个月内每天报告其症状。随访系统启动后，在3天内达到了100％的覆盖率。系统上报病历如高烧等症状的复发，社区工作者将通过家访工作直至安排再次入院。

知识产权声明：以上案例内容由神州医疗科技股份有限公司提供，详细内容可查阅(J Med Internet Res 2020;22(4):e18948) doi: 10.2196/18948

上一篇：真实世界数据研究证据（RWE）案例盘点下一篇：神飞云影像云飞悦中国行