人们常说需要是发明之母。在医疗保健方面,由大流行引起的最杰出的发明之一是一种叫做全国新冠肺炎队列协作(N3C).N3C背后的科学家和研究人员的愿景是将大量现有数据转化为研究COVID-19和确定潜在治疗方法急需的新知识。
N3C行动的速度是惊人的:仅在六个多月的时间里,该计划就启动了,供生物医学研究人员使用,并已经出版了第一份出版物。
“通过N3C,目标是收集和协调来自全国各地医院和医疗机构的电子临床、实验室和诊断数据,遵循数据安全和保密性的最高标准,”美国国立卫生研究院国家推进转化科学中心临床创新主任Mike Kurilla医学博士说。“这些真实世界的数据将使我们能够评估COVID-19的短期和长期后果,包括相关的合并症、治疗方法和可以预测更好(或更坏)结果的风险因素。”
告诉贝内特,医学博士
告诉贝内特,医学博士,副教授科罗拉多大学医学院和信息学主任科罗拉多临床与转化科学研究所(CCTSI),一直在帮助全国领导N3C。他也是N3C数据发表的第一篇论文的第一作者,国家COVID队列合作:临床特征和早期严重程度预测.
研究是如何进行的
的N3C数据Enclave是一个安全的基于云的数据和计算环境,旨在方便虚拟访问全国医院提供的临床数据。科罗拉多大学安舒茨医学院来自科罗拉多儿童医院和uchealhealth的数据。数据每周最多更新两次,并已标准化并协调为一个公共数据模型,以生成高效且最小偏差的结果。
使用N3C数据Enclave,研究人员分析了来自全国34个医疗中心的190多万名患者的电子病历数据。贝内特说,今天,大约300万名患者的数据可以在N3C飞地中找到,随着时间的推移,患者数据将继续增加。在这项回顾性队列研究中,贝内特和他的合著者重点研究了17.4万多名患有COVID-19的成年人。他们使用世界卫生组织的COVID-19严重程度量表和人口统计数据对患者进行了分层。然后,他们使用多变量逻辑回归评估各组之间的差异,在不同严重程度的COVID-19患者中建立生命体征和实验室值,为预测分析提供基础。
贝内特说,这篇论文有三个主要目标。“第一个是描述N3C队列,向人们介绍它。第二是为了显示N3C中关于住院患者的数据的丰富性。最后,我们使用了丰富的住院患者数据和机器学习(ML),从患者住院的第一天起,就建立了严重程度预测模型。”
他们发现了什么
在新冠病毒检测呈阳性的患者中,有32472人(18.6%)住院。中位住院时间为5天。住院患者的死亡率(包括出院到临终关怀)为11.6%。其他研究报告称,住院病人死亡率随着时间的推移而下降。该研究证实了这一点:住院患者死亡率从3月和4月的16.4%下降到9月和10月的8.6%。他们的数据还显示,随着大流行的进展,临床严重程度转向了微创机械通气和/或ECMO。此外,当与实际数据进行测试时,该研究验证了ML预测。
对未来的承诺
班尼特说,当与电子健康记录配合使用时,ML模型有可能对在医院治疗患者的临床医生有用。“这些模型告诉我们最有力的预测严重程度的因素。如果卫生系统决定在后台实施这些模型,它们就可以在电子健康记录中浮出水面,供医生使用。”ML模型的另一种使用方式是为临床医生提供预测每个患者严重程度的变量排名列表,这可能有助于临床医生做出决定。
人们从不同的角度处理数据。
...有团队正在研究COVID-19的影响
那些免疫抑制的人,那些
癌症患者和糖尿病患者。”
——告诉贝内特
“N3C项目让我很兴奋,因为它融合了我工作生活的两部分。我在ICU的经验和照顾COVID-19患者的直接经验,对于确保我在N3C所做的工作具有相关性和临床意义非常重要。在一个基于云计算的飞地、非常大的数据和复杂的数据结构中,信息学家需要在这个空间中进行有效的工作。同时站在两个阵营中是非常有用的。”
班尼特希望他在安舒茨大学的同事们能利用N3C。目前的项目涉及从健康的社会决定因素到实验室结果的机器学习。他说:“人们正在从不同的角度和临床领域处理数据。例如,有团队正在研究COVID-19对免疫抑制患者、癌症患者和糖尿病患者的影响。”
他说,他迫切希望解决的下一个项目与儿童和COVID-19有关。“我们正在等待更多的数据积累,但我认为,在国家层面上分析COVID-19对儿童的影响将是一项重要贡献。”
这项工作是由国家中心的支持推进转化科学美国国立卫生研究院,授予编号U24TR002306和个人CTSA计划根据PAR-18-940, PAR-18-464, PAR-15-304, RFA-TR-14-009授予。CCTSI是一个合作伙伴/合作者的N3C该研究由美国国立卫生研究院国家推进转化科学中心资助。