目的为提高医院内骨质疏松性骨折(osteoporotic fracture,OF)患者诊疗质量和管理效率,本研究自主构建一种医院内自动抓取相关资料的“骨质疏松性骨折数据库”,数据库内置管理流程相关的智能化功能模块。在此基础上,分析该数据库在实际...目的为提高医院内骨质疏松性骨折(osteoporotic fracture,OF)患者诊疗质量和管理效率,本研究自主构建一种医院内自动抓取相关资料的“骨质疏松性骨折数据库”,数据库内置管理流程相关的智能化功能模块。在此基础上,分析该数据库在实际场景应用的结果和有效性。方法构建院内封闭式多源异构数据整合的专病数据库,数据库接口可后台对接医院的信息系统(hospital information system,HIS)、影像归档和通信系统(picture archiving and communication systems,PACS)、实验室信息系统(laboratory information system,LIS)等固有数据平台,并自动运用自然语言处理(natural language processing,NLP)技术识别及整合OF患者相关信息。运用该数据库纳入2022年6月至2024年6月苏州大学附属第二医院收治的50岁以上、4部位骨折(椎体、髋部、肱骨近端和桡骨远端)的12754例患者,并对患者信息进行智能化管理应用分析。结果该数据库可按照纳入条件自动获得12754例患者数据,并自动收集患者基本资料、病历或影像检查的骨折记录、检验检查结果、实时治疗方案等407个结构化字段信息。数据库可自动完成患者的骨质疏松相关数据识别(骨折部位、骨密度值、骨代谢相关指标、抗骨质疏松药使用)、院内转科及经治医生追踪、院内多次骨折记录检索。当患者确定纳入管理,数据库可实现本次骨折后2年档案构建、辅助宣教、智能随访、院内门诊电脑同屏显示等智能化管理功能。结论“骨质疏松性骨折数据库”拥有便捷的OF患者信息抓取功能,可实时了解相应管理的基础数据,可自动完成规定时间内设定管理的指导及提醒。该数据库有院内多源异构数据整合的专病数据库特点,为OF精准化、智能化、便捷化管理提供新的思路和有效工具。展开更多
目的探讨接受全髋关节置换术(total hip replacement,THA)患者的一般情况、合并症和围手术期因素,了解这些因素与术后住院时间(length of stay,LOS)的相关性。方法回顾性分析2015年1月至2019年12月于苏州大学附属第二医院接受THA的绝经...目的探讨接受全髋关节置换术(total hip replacement,THA)患者的一般情况、合并症和围手术期因素,了解这些因素与术后住院时间(length of stay,LOS)的相关性。方法回顾性分析2015年1月至2019年12月于苏州大学附属第二医院接受THA的绝经后股骨颈骨折患者病历资料。共纳入患者637例,平均年龄(70.6±6.5)岁,平均体质量指数(body mass index,BMI)为(28.2±5.7)kg/m 2,术后LOS中位数为7(6,8)d,术后LOS长于中位数的有263例(占41.3%)。采用Logistic回归方法分析影响LOS的相关因素。结果①运用单因素分析方法分析了影响THA的LOS因素,其中年龄、BMI、入院时间、ASA(美国麻醉医师协会)分级、合并症、术前等待时间、手术时间、贫血、术后低蛋白血症、术后不良事件这十项指标有统计学意义(P<0.05);②将P<0.1的因素纳入二元Logistic回归模型进行多因素分析,其中年龄>70岁(OR:1.513;95%CI:1.032~2.260;P<0.001)、BMI<18.5 kg/m 2(OR:1.577;95%CI:1.073~2.319;P=0.021)、周五或周六入院(OR:1.558;95%CI:1.154~2.412;P=0.007)、ASAⅢ/Ⅳ级(OR:2.076;95%CI:1.472~2.926;P<0.001)、合并术前贫血(OR:1.665;95%CI:1.338~2.072;P<0.001)、合并术后不良事件(OR:1.814;95%CI:1.174~2.803;P=0.007)这六项指标为LOS延长的独立危险因素。结论术后住院时间(LOS)与老年人术后恢复状况关系密切,绝经后股骨颈骨折患者THA术后LOS延长与部分人口学、合并症、围手术期指标、入院时间等因素相关;其中有六项指标是独立危险因素。展开更多
文摘目的为提高医院内骨质疏松性骨折(osteoporotic fracture,OF)患者诊疗质量和管理效率,本研究自主构建一种医院内自动抓取相关资料的“骨质疏松性骨折数据库”,数据库内置管理流程相关的智能化功能模块。在此基础上,分析该数据库在实际场景应用的结果和有效性。方法构建院内封闭式多源异构数据整合的专病数据库,数据库接口可后台对接医院的信息系统(hospital information system,HIS)、影像归档和通信系统(picture archiving and communication systems,PACS)、实验室信息系统(laboratory information system,LIS)等固有数据平台,并自动运用自然语言处理(natural language processing,NLP)技术识别及整合OF患者相关信息。运用该数据库纳入2022年6月至2024年6月苏州大学附属第二医院收治的50岁以上、4部位骨折(椎体、髋部、肱骨近端和桡骨远端)的12754例患者,并对患者信息进行智能化管理应用分析。结果该数据库可按照纳入条件自动获得12754例患者数据,并自动收集患者基本资料、病历或影像检查的骨折记录、检验检查结果、实时治疗方案等407个结构化字段信息。数据库可自动完成患者的骨质疏松相关数据识别(骨折部位、骨密度值、骨代谢相关指标、抗骨质疏松药使用)、院内转科及经治医生追踪、院内多次骨折记录检索。当患者确定纳入管理,数据库可实现本次骨折后2年档案构建、辅助宣教、智能随访、院内门诊电脑同屏显示等智能化管理功能。结论“骨质疏松性骨折数据库”拥有便捷的OF患者信息抓取功能,可实时了解相应管理的基础数据,可自动完成规定时间内设定管理的指导及提醒。该数据库有院内多源异构数据整合的专病数据库特点,为OF精准化、智能化、便捷化管理提供新的思路和有效工具。
文摘目的探讨接受全髋关节置换术(total hip replacement,THA)患者的一般情况、合并症和围手术期因素,了解这些因素与术后住院时间(length of stay,LOS)的相关性。方法回顾性分析2015年1月至2019年12月于苏州大学附属第二医院接受THA的绝经后股骨颈骨折患者病历资料。共纳入患者637例,平均年龄(70.6±6.5)岁,平均体质量指数(body mass index,BMI)为(28.2±5.7)kg/m 2,术后LOS中位数为7(6,8)d,术后LOS长于中位数的有263例(占41.3%)。采用Logistic回归方法分析影响LOS的相关因素。结果①运用单因素分析方法分析了影响THA的LOS因素,其中年龄、BMI、入院时间、ASA(美国麻醉医师协会)分级、合并症、术前等待时间、手术时间、贫血、术后低蛋白血症、术后不良事件这十项指标有统计学意义(P<0.05);②将P<0.1的因素纳入二元Logistic回归模型进行多因素分析,其中年龄>70岁(OR:1.513;95%CI:1.032~2.260;P<0.001)、BMI<18.5 kg/m 2(OR:1.577;95%CI:1.073~2.319;P=0.021)、周五或周六入院(OR:1.558;95%CI:1.154~2.412;P=0.007)、ASAⅢ/Ⅳ级(OR:2.076;95%CI:1.472~2.926;P<0.001)、合并术前贫血(OR:1.665;95%CI:1.338~2.072;P<0.001)、合并术后不良事件(OR:1.814;95%CI:1.174~2.803;P=0.007)这六项指标为LOS延长的独立危险因素。结论术后住院时间(LOS)与老年人术后恢复状况关系密切,绝经后股骨颈骨折患者THA术后LOS延长与部分人口学、合并症、围手术期指标、入院时间等因素相关;其中有六项指标是独立危险因素。
