分析的一个分支–预测分析–通过研究过去并通过算法考虑患者和卫生系统的特征和行为，来预测未来的行为

这些算法试图应用统计数据和机器学习技术，以从海量数据集中产生可行的见解，并促进实时临床决策，预测分析在其他行业中很常见，包括零售商，数字技术服务公司和专业体育特许经营，医疗保健自然适用于下一次预测分析革命，典型的医院游刃有余，这些数据来自床头监护仪的连续数据，EHR的历史值以及面对面临床交流中收集的数千个数据点，幸运的是，许多医院已经掌握了预测和预防患者健康风险，做出更明智的临床决策以及更容易识别和缩小护理和工作流程差距所必需的大多数成分，投入使用是真正的挑战“看不见的”数据问题。

新生儿重症监护病房的早产女婴是否容易感染败血症？成年男性因未确诊的中枢性睡眠呼吸暂停而因呼吸抑制而从手术中恢复吗？

虽然这两个病人都将通过床旁的生理设备进行连续监测，但绝不会使用所收集的绝大多数数据（可用于预测严重疾病并在症状出现之前及时进行挽救生命的信息）由临床工作人员进行的周期性生命体征采集或现场生命体征检查不会导致EHR或其他临床资料库可以使用的连续数据流，间歇性数据收集可能导致无法捕获关键生命体征活动的数据缺口，例如呼吸暂停，低血红蛋白氧合水平或心动过缓或心动过速的周期，这些间隔发生在某些患者的数秒至数分钟之间，因此当数据收集不连续时，除非直接观察，否则此类事件对于临床医生来说是未知且不可知的。

无法预见甚至确定健康风险不仅仅是患者的安全问题

在资源利用，发病率和死亡率方面，抢救患者也很昂贵，与需要紧急转移到重症监护病房的患者相关的下游影响可能会在空间可用性方面影响其他患者，甚至由于缺乏而导致手术取消或推迟可用空间，使用连续的电子监视来促进预测分析-从而检测通过间歇性抽查不容易看到的模式-为临床医生提供有关患者病情是否会随着时间恶化的定量估计。

持续临床监测和预测分析的关键要素

支持预测分析需要以下设施：计算机和监控器网络，中央数据中心，计算机运行算法的能力以及通过显示器或移动设备分发数据的能力，尽管并非毫无疑问要进行一些新技术投资，但拥有重症监护病房或重症监护病房的医院已经有了持续监控的基础设施，真正优化该基础架构的功能并将其整合到现有的临床工作流程中是“沉重的负担”。

与来自单一来源的数据相比，从多个数据来源（EKG，生命体征，实验室检查）进行的持续监视将产生更好的预测模型

但是在如此庞大的数据中畅游的风险之一是容易淹死。分析的目标之一是在看似无关的度量和数据源之间寻找相互关系，以确定这些相互关系是否可以通过观察单个参数或多个参数来检测通常通常不可见的不良事件的发生。这些相互关系（可能通过相关分析揭示）可以导致利用多个参数的趋势行为的多变量规则，预示着导致不良事件或死亡的患者状态下降的开始，例如大多数医疗设备集成（MDI）解决方案都收集和过滤数据以支持EHR中的文档，为了实现实时临床监视（具有更重要的临床意义的功能），MDI应该能够从多个源收集数据，并以源数据提供的频率收集数据。

分析实时患者数据的连续临床监视解决方案可以识别临床相关的基于时间的（或时间）趋势

持续状况复发和组合指征，即使在超出限值之前，也可以建立患者朝向不利状态的轨迹任何单个参数的阈值，当包括用于分发，分析和分发这些数据的方法时，将进一步增强数据收集和分析，这些功能通过允许对患者进行远程监控，可以促进更好的患者护理管理和临床工作流程。

在高视力和一般护理环境中，可以利用连续的电子监控来防止有败血症或呼吸抑制风险的患者严重恶化

重症监护室的患者已经受到持续监控，但是许多经历不良事件（例如呼吸抑制）的患者并没有遵循任何简单的标准来确定他们是否有阻塞性或中枢性睡眠呼吸暂停的风险，因此安全的替代方法是连续监视每个人，即使在一般护理场所也是如此，在收集点将分析与实时数据相结合，可以创建强大的预测和临床决策支持工具。

免费客服热线：400-050-6600

商业联合会数据分析专业委员会