Contexto: Na era moderna dos antibióticos, as infecções relacionadas à assistência à saúde (IRAS) surgiram como uma ameaça à saúde proeminente e preocupante em todo o mundo. A implementação de um sistema de vigilância eletrônica para infecções relacionadas à assistência à saúde oferece o potencial de não apenas aliviar a carga de trabalho manual dos médicos em vigilância e notificação, mas também de melhorar a segurança do paciente e a qualidade geral dos cuidados de saúde. Apesar da adoção generalizada de sistemas de vigilância de infecções relacionadas à assistência à saúde em vários hospitais em toda a China, vários desafios persistem. Estes desafios abrangem a cobertura incompleta de todos os tipos de infecção na vigilância, a falta de clareza nos resultados de alerta fornecidos pelo sistema e as discrepâncias na sensibilidade e especificidade que ficam aquém das expectativas práticas. Métodos: Desenhamos e desenvolvemos um sistema de vigilância de infecções relacionadas ao cuidado de saúde baseado no conhecimento (KBHAIS) com o objetivo principal de apoiar os médicos na vigilância de IRAS. O sistema opera extraindo automaticamente fatores de infecção de dados eletrônicos de saúde estruturados e não estruturados. Cada visita do paciente é representada como uma lista de tuplas, que é então processada pelo mecanismo de regras dentro do KBHAIS. Como resultado, o sistema gera resultados de alerta abrangentes, incluindo o local, os diagnósticos, o tempo e a probabilidade da infecção. Essas regras de conhecimento utilizadas pelo mecanismo de regras são derivadas de diretrizes clínicas relacionadas a infecções e da experiência coletiva de especialistas. Resultados: Desenvolvemos e avaliamos nosso KBHAIS em um conjunto de dados de 106.769 amostras coletadas de 84.839 pacientes no Hospital Provincial de Gansu, na China. Os resultados experimentais revelam que o sistema atinge uma taxa de sensibilidade superior a 0,83, oferecendo evidências convincentes de sua eficácia e confiabilidade. Conclusões: Nosso sistema de vigilância de infecções relacionadas ao cuidado de saúde demonstra sua eficácia em alertar prontamente os pacientes sobre infecções associadas à saúde. Em consequência, nosso sistema tem o potencial de diminuir consideravelmente a ocorrência de notificações atrasadas e perdidas de tais infecções, reforçando assim a segurança do paciente e elevando a qualidade geral da prestação de cuidados de saúde.
Background: In the modern era of antibiotics, healthcare-associated infections (HAIs) have emerged as a prominent and concerning health threat worldwide. Implementing an electronic surveillance system for healthcare-associated infections offers the potential to not only alleviate the manual workload of clinical physicians in surveillance and reporting but also enhance patient safety and the overall quality of medical care. Despite the widespread adoption of healthcare-associated infections surveillance systems in numerous hospitals across China, several challenges persist. These encompass incomplete coverage of all infection types in the surveillance, lack of clarity in the alerting results provided by the system, and discrepancies in sensitivity and specificity that fall short of practical expectations. Methods: We design and develop a knowledge-based healthcare-associated infections surveillance system (KBHAIS) with the primary goal of supporting clinicians in their surveillance of HAIs. The system operates by automatically extracting infection factors from both structured and unstructured electronic health data. Each patient visit is represented as a tuple list, which is then processed by the rule engine within KBHAIS. As a result, the system generates comprehensive warning results, encompassing infection site, infection diagnoses, infection time, and infection probability. These knowledge rules utilized by the rule engine are derived from infection-related clinical guidelines and the collective expertise of domain experts. Results: We develop and evaluate our KBHAIS on a dataset of 106,769 samples collected from 84,839 patients at Gansu Provincial Hospital in China. The experimental results reveal that the system achieves a sensitivity rate surpassing 0.83, offering compelling evidence of its effectiveness and reliability. Conclusions: Our healthcare-associated infections surveillance system demonstrates its effectiveness in promptly alerting patients to healthcare-associated infections. Consequently, our system holds the potential to considerably diminish the occurrence of delayed and missed reporting of such infections, thereby bolstering patient safety and elevating the overall quality of healthcare delivery.
