脑血管病全血样本的采集、储存及转运标准化流程与解决方案

随着精准医学和大数据时代来临,构建标准化临床样本库成为脑血管病基础和转化研究的重要前提。脑血管病全血样本不稳定、批次效应强、难转运,其标准化采集、保存和运输全血样本成为构建脑血管病临床样本库的关键问题。首都医科大学附属北京天坛医院脑血管病生物样本库基于国际标准化组织的方案,形成了我国脑血管病全血样本采集、保存、运输全过程标准框架。该解决方案实现了全血样本标准、规范、及时、可靠的收集与管理,可为脑血管病临床诊疗、疾病研究、药物开发等方向提供技术保障。     

人工智能与脑血管病

人工智能(artificial intelligence,AI)正助力全球医疗保健的进步。全球脑血管疾病负担重,优质脑血管病医疗资源分布不均,尤其在发展中国家。利用机器学习算法等开发基于AI的诊疗工具,并将经过验证的AI工具应用于辅助临床决策是改进脑血管病医疗服务质量的一项重要举措,也是未来AI在脑血管病领域研究的一个重要方向。目前,AI已在脑血病影像、电子病历等医疗大数据分析等方面取得了一定的研究进展。AI技术在脑血管病疾病风险预测、辅助诊断、治疗决策及预后预测等多个方面均表现出巨大的应用潜力。在AI工具的开发过程中,建立高质量、标准化的脑血管病大数据平台和多中心临床研究及验证网络是主要的难题。将AI工具应用于医疗保健也将伴随一系列挑战,例如:数据安全、隐私、道德、责任、行政法规以及对AI算法“黑箱”的不可解释性等问题,均有待未来的研究进一步去规范和完善。     

人工智能临床决策支持系统在脑血管病中的应用

随着科学技术的发展,人工智能（artificial intelligence,AI）应用于脑血管医疗领域将有助于 减轻中国不断加剧的脑血管病疾病负担。临床决策支持系统（clinical decision support system,CDSS）是AI 在医疗领域的一项重要实践应用。利用AI和医疗大数据开发临床决策支持工具,并通过将临床信息与 知识库相匹配,提供基于循证证据的优化诊疗方案。在脑血管病的临床诊疗过程中,CDSS可以辅助高 危人群识别、急性期再灌注治疗决策支持、实现自动化病因分型以及二级预防策略的制定等,在提高 脑血管病的医疗质量、改善患者结局方面发挥重要作用,可能成为未来脑血管病疾病管理的一项重要 辅助工具。     

北京市脑血管病住院患者医疗服务绩效评估研究

目的 对2010年度北京市二级及以上医院脑血管病住院患者的医疗服务绩效进行评估。方法 以北京市二级及以上医院出院患者病案首页信息常规报告系统中的脑血管病数据为基础,采用北京版诊断相关组（Beijing Diagnosis Related Groups,BJ-DRGs）,对医疗服务绩效进行评估。结果 本研究涉及的122家医院中,各医院DRGs组数范围为1～16,中位数为5,病例组合指数范围为0.75～1.86,中位数为1.00;费用消耗指数中位数为1.07,54.92%的医院费用消耗指数＞1;时间消耗指数中位数为1.21,72.13%的医院时间消耗指数＞1;52.46%的医院的时间消耗指数和费用消耗指数均＞1。在低风险组和中低风险组,患者住院死亡率为0;在中高风险组,患者住院死亡率中位数为3.0%。结论 在脑血管病住院患者医疗服务中,需要采取有针对性的管理策略和措施,进一步优化配置医疗资源利用,降低费用消耗指数和时间消耗指数,提高医疗服务效率。     

垂体腺瘤数据库研究现状

随着分子生物学技术的发展,精准医疗时代到来,标准化的临床数据库可以为临床医师提供一个整合临床与分子数据的平台,以便更有效地制定诊疗方案.本文总结近年国内外垂体腺瘤数据库研究进展,阐述数据库的管理和应用,并对垂体腺瘤的大数据发展进行展望.     

腰椎间盘突出症实施临床路径治疗的医疗费用控制及效果评价

背景：临床路径是美国和欧洲医院应用在临床医疗服务中用来控制医疗费用的一种手段。 目的：探讨实施临床路径的医疗费用控制效果。 方法：以卫生部制定的腰椎间盘突出症手术医疗临床路径为基础,结合医院自身实际情况设计相应临床路径,对同类手术的临床路径和非临床路径患者医疗费用进行对照研究,通过医院医疗费用信息系统提取相关数据并建立数据库,并对各组数据进行相关统计学分析。 结果与结论：与非临床路径患者比较,进入临床路径患者总住院天数、手术前后住院天数、总住院费用、手术前后及手术日住院费均显著减少(P < 0.05)。说明临床路径可缩短患者住院时间,降低住院费用,规范诊疗行为,节约卫生资源。     

基因检测在脑血管病精准医疗中的应用

精准医疗是以个体化医疗为基础、随着基因检测技术快速进步以及生物学信息和大数据科学交叉应用而发展起来的新型医学概念与医疗模式。基因检测技术是精准医疗的基础。脑血管病是遗传因素和环境因素相互作用的多因素疾病,其中遗传因素发挥重要作用。本文拟从单基因遗传病、基因多态性、药物遗传学研究和精准治疗等方面阐述基因检测在脑血管病精准医疗中的应用。     

脑血管病生物样本库建设标准研究

目的 开发适合我国脑血管病精准医学研究的生物样本库建设及管理标准,为建设可开发共享的 脑血管病生物样本库提供技术保障。 方法 参考国际大型生物样本库建设经验,基于国际标准化组织等机构的标准化思路,形成我国 脑血管病生物样本库建设标准框架,从场地设施、设备、操作规程、数据标准、信息化等多个维度, 对样本库的建设提出技术要求。 结果 依据本研究提出的建设标准,建立了符合国际标准的天坛脑血管病生物样本库运行及质量 管理体系,建成标准化采集、处理、保藏的10万人次脑血管病临床研究生物样本资源平台。 结论 天坛脑血管病生物样本库具有样本量充足、多样、多时点采集的生物样本资源,并实现了标 准化的信息存储,可为对接脑血管病多组学研究,脑血管病精准筛查、预警、诊断与干预等精准医学 研究提供技术支撑。     

脑出血医疗质量控制指标

国家神经系统疾病医疗质量控制中心脑血管病质控专病组联合中国卒中学会医疗质量管理与促进分会,通过系统回顾循证医学证据和国内外指南,广泛征询脑血管病相关临床、康复和科研领域的专家意见,制定了脑出血医疗质量控制指标体系。该指标体系涵盖脑出血的急性期救治、病因和并发症的筛查、康复及长期管理等不同方面,以率的形式对脑出血诊疗全周期的质量控制进行量化评估,有利于我国脑出血诊疗工作的规范性和同质性建设。     

基于区块链的数字身份在脑血管病临床医疗数据应用的模式探索

目的 脑血管病是我国主要的慢性非传染性疾病之一,其诊疗服务形成海量的医疗数据,数据的安全应用与管理是亟待解决的问题,基于区块链的数字身份技术具有去中心化、多方共识、公开透明、防篡改和可溯源等特征,给脑血管病的数据管理与应用提供了优化的工具。本研究旨在探索基于区块链数字身份在脑血管病医疗数据临床研究中的应用架构。      

临床研究数据管理与共享最新进展

精准医学的发展需要规范的数据管理体系和高效的数据共享来推动。我国的临床数据 管理标准在国际现行规范的基础上加强了集中管控和资质监管。21世纪初期，欧美国家通过建立集 成型的卒中数据库来促进数据共享，我国也在2018年提出科学数据开放汇交的指导原则。国家神经 系统疾病临床医学研究中心通过制定临床研究公共数据标准、整合专病数据资源目录，搭建了符合 FAIR原则--可查找（findable）、可访问（accessible）、可互操作（interoperable）和可重用（reusable）的脑 血管病大数据管理和共享平台，以提高临床研究数据质量和促进科学数据的共享。     

基于电子病历系统的脑血管病专科大数据科研平台设计与应用

首都医科大学附属北京天坛医院在原有信息化建设基础上,基于电子病历系统设计部署了脑血管专科大数据科研平台。该平台旨在通过对院内外多源异构数据的集成、共享,建立覆盖临床科研一体化、疾病智能预测、科研知识库、临床决策支持及真实世界研究等多种数据利用场景的应用模式,实现临床-科研一体化协同发展;同时,为多中心临床研究提供强大的数据及技术支撑,整体提升区域内对疑难脑血管病、急诊危重症患者的综合救治能力。     

基于卒中组织化管理需求的医院后勤服务支撑体系框架构建综述

卒中严重威胁人民健康并为社会发展带来沉重负担。通过组织化管理的方法能够一定程
度上提升卒中医疗质量,但医疗机构后勤服务支撑能力的异质性为卒中组织化管理的效果带来不确
定影响。本文以《中国脑血管病临床管理指南》为参考依据,从卒中组织化管理对后勤服务的需求出
发,从信息系统、交通物流系统、空间规划配置3个角度,综述了后勤服务支撑卒中组织化管理的结构
框架。另外,本文结合建筑信息系统与物联网系统的发展,展望了后勤服务支撑卒中组织化管理的发
展方向。     

以脑血管病为主体的中心化医疗模式优势研究——基于北京天坛医院脑血管病中心的经验分析

目的 分析以脑血管病为主体的中心化医疗模式在推动学科发展、提高医疗质量等方面的优势,并为医疗机构创新医疗模式提供参考。      

应用SEGUE量表评价脑血管病临床见习课中医患沟通技能培养的效果

目的 在医患沟通技能培养课程中融入人文医学理念,通过SEGUE量表检验教学效果。 方法 依据医师人文医学执业技能教材结合临床实践对在脑血管病临床见习课中在校医学生进行医 患沟通技能培养,并通过SEGUE量表对教学结果进行量化检验。 结果 授课后医学生SEGUE量表得分（17.95±3.56）高于基线得分（12.42±2.80）,差异具有显著性。 结论 人文医学理念可以提高医患沟通技能培养课程的教学效果,SEGUE量表可以为教学效果提供 有效的评价手段。     

数据挖掘技术在卒中相关研究中的应用

卒中是一种高发病率、高死亡率、高致残率的疾病，严重威胁人类健康，降低生存质量。 国内外卒中数据库及医院信息系统提供大量卒中患者临床及随访资料。数据挖掘作为智能时代的新 技术，能够更高效地分析大量临床资料，进行卒中病因、诊断、疗效及预后等方面的研究。本文将分 两部分介绍数据挖掘技术在卒中相关研究中的应用：①数据挖掘技术分析临床资料的基本步骤，此 部分重点探讨数据分析过程一般步骤以及常用数据挖掘预测模型；②数据挖掘技术在卒中相关研 究中的应用举例，此部分总结目前国内外基于数据挖掘技术的卒中相关研究，列出6种可应用数据挖 掘进行的研究主题。     

运用全面质量管理构建血管神经病学高级人才管理平台

目的 运用信息化建设对血管神经病学高级人才进行系统化管理，在培养人才的基础上，提高人 才管理质量和效益。 方法 以首都医科大学附属北京天坛医院血管神经病学科为例，运用全面质量管理对高级人才进 行规范化管理，同时建立医院人才网络管理平台，实现数据共享，为信息积累和分析提供依据。 结果 在质量管理的基础上，理顺了业务流程，建立了多元化的人才培养机制，搭建了医院高级人 才网络管理平台，实现动态业务管理。 结论 医院在对血管神经病学高级人才进行质量管理中，体现了全面性和合理性，实现医院关于高 级人才的现代化、科学化、可持续化管理。     

1975至2014年上海市静安区户籍人口脑血管病死亡的流行趋势分析

目的 了解1975至2014年上海市静安区户籍人口脑血管病死亡的流行趋势,为制定预防控制策略和 措施提供科学依据。 方法 利用静安区1975至2014年居民死因监测资料,计算脑血管病粗死亡率,标化死亡率,40年间死 亡率变化趋势及平均死亡年龄的变化趋势。 结果 1975至2014年上海市静安区户籍人口脑血管病死亡的平均粗死亡率及标化死亡率分别为 165.60/10万和120.54/10万,男女性的死亡率差异无统计学意义;40年间脑血管病粗死亡率呈上升趋 势（χ 2 趋势=10.58,P <0.001）,标化死亡率呈逐年下降的线性趋势,用SAS系统中的AUTOREG（自回归） 过程进行时间序列线性趋势拟合,回归模型有意义（t =32.13,P <0.001）;脑血管病平均死亡年龄呈 逐年上升的线性趋势,采用时间序列线性趋势拟合,回归模型有意义（t =260.46,P <0.001）。 结论 本文的研究结果提示上海市脑血管病的患病率将持续升高,而脑血管病的存活年龄逐年上升。     

数据库匹配方法提高卒中队列死亡结局准确性的研究

目的 探索大型多中心卒中队列研究数据与行政管理数据匹配的情况,为同类临床研究数据质量控 制提供新的思路与方法。 方法 本研究选取2015-2017年入组并完成90 d随访的12 112例缺血性卒中队列患者为研究对象, 将研究对象与2015-2017年全国疾病监测系统死因监测数据库中所有死亡个案进行匹配,比较卒中 队列中未匹配到死亡信息而死因监测数据库显示死亡的队列患者与死亡信息正确匹配的队列患者在 地区、医院分布及患者特征等方面的差异。 结果 两组患者在地区、医院分布及患者特征等方面的差异均无统计学意义,但从数据趋势来 看,入院时NIHSS评分≤3分患者未成功匹配到死亡信息的比率明显高于入院时NIHSS评分＞3分患者 （11.36% vs 6.56%）;单独居住患者未成功匹配到死亡信息的比率明显高于与家人同住患者（13.16% vs 7.65%）。 结论 通过数据分析提示入院时神经功能缺损程度轻的患者、独居的患者随访调查时获得准确死 亡结局信息更不易。数据库匹配研究方法在一定程度上可弥补大型多中心队列研究随访信息缺失的 现象,通过两种不同来源死亡结局信息的互补,可获得更为准确的卒中死亡结局信息。