ランカスター大学の統計学者は、AIアルゴリズムを使用して病院の発生を追跡および予測しました。
Covid、Mers、MRSAなどの感染症の病院の発生は、に負担を加えています。NHS世界中のヘルスケアシステム。
最近ブラック ジャック オンライン、感染制御測定が実施されているにもかかわらず、ヘルスケア関連感染の発生は非常に高かった。
今、数学統計学部のジェス・ブリッジン博士とクリス・ジュエル教授は、ランカスター・メディカルスクールのジョン・リード博士とリバプール大学の感染症の医師と協力して、多数感染症の。
病院の発生を予測する障壁
これらの感染症の予測と管理の最大の障壁は、そもそもそれらがどのように伝染したかを理解することです。たとえば、スタッフが病棟間で不注意に疾患を感染させるか、患者が他の感染した患者と相互作用するか、訪問者が病院の敷地内で外部から感染をもたらすかどうか。
常に感染を患者、スタッフ、訪問者を監視することは困難です。
病院は、患者が最初に感染症に陽性である場合、感染症にかかった時間、感染性が停止したときは不明であることが多いことに注意してください。これにより、他の患者の感染症とその後の感染症を特定することが困難になります。
チームは、流行モデリングに対する統計的アプローチを開発しました
不確実性に取り組むために、チームは流行モデリングに対する最先端のベイジアン統計的アプローチを開発しました。
彼らは、病棟内および病気の典型的な感染期間内および病気の間のスタッフと患者の動きに関するデータを収集しました。
これから、彼らはどの時点で患者が病気にかかったかを予測できるモデルを作成しました。
Jewell教授は次のように述べています。それは、病院のスタッフが日常的に直面する非常に現実的な感染制御課題の中心に到達するために、騒々しい、複雑な世界を通して見る方法を与えてくれます。」
モデルは、早期介入を可能にします
このモデルは、パンデミック中に英国の病院内での共生発生を使用して生産およびテストされました。それにもかかわらず、チームはの同様の形態がai多数の感染症の潜在的な感染ハザードポイントをマッピングできるようになります。
モデルにより、感染制御チームが早めに介入し、最終的に病気の少量の導入が病院の発生に変わるのを防ぐことができます。
Jess Bridgen博士は次のように結論付けました。この研究は、病院のリスクのある地域を検出し、制御介入を評価するための感染制御におけるさらなるAI革新の道を提示します。」
