文摘

背景。医疗保健是一项具有挑战性的,所以要求部门最近,发展中国家越来越关注。统计数据显示,农村地区预计将开发一个高速率的心脏疾病,突然死亡的主要原因,在未来。因此,提供解决方案,可以帮助农村人口早期发现心脏风险将是至关重要的发现,甚至防止心脏疾病的长期并发症。方法。移动技术可以有效地利用限制农村中东心脏疾病的患病率。提出了一种智能手机解决方案早期风险检测的冠状心脏病使用弗雷明汉评分模型。结果。智能HeartCare +移动应用估计准确的冠状动脉心脏病的风险在10年内根据临床和临床前数据和分类的病人风险低,温和,或高。HeartCare +也指导病人进一步的治疗建议。结论。这项工作试图调查移动技术的有效性在早期检测冠状动脉心脏疾病的风险。HeartCare +应用加剧实验室工作人员和病人之间的通信通道居住在农村地区和心脏病专家和专业居住在城市地区。

1。介绍

中东正在经历增长的人口如今明显降低医疗和人力资源使它容易受到冠状动脉心脏病(HCHD)攻击。这些资源是由员工、专家医生,和昂贵的医疗设备。此外,生活方式改变一直追逐的原因HCHD患病率在最近的城市,但可怕的事实反映了农村地区的记录HCHD死亡率高于城市地区(被发现1,2]。HCHD的流行率在农村比城市地区高38.8% (3- - - - - -8]。农村地区遭受贫穷的临床服务,有限的设施,设备采购,专职医务人员短缺,以及缺乏资金。因此,人生活在不能获得足够的医疗保健等领域,因为他们正在付保证金在大多数国家。此外,心脏疾病管理在农村地区受到不同的风险因素,参与心脏事件(例如,糖尿病、肥胖、吸烟、和贫穷)(2,9]。此外,欠发达地区的农村地区遭受低比率的医生可以治疗病人在多个城镇附近可能违反了数量的病人医生医疗标准规则集。财务成本的增加,拜访医生在城市可以成为难以忍受的负担为农村人旁边的治疗费用。缺乏医疗保健意识在农村人口的管理HCHD更具挑战性的过程(10]。这HCHD患病率急剧上升促使许多研究者最近调查的可能性控制等中东国家的慢性疾病。

HCHD在我们试图提供一个解决方案的早期预测,我们发现当前指标显示智能手机使用率的增长到2020年成为全球约61亿(11]。此外,中东地区记录到目前为止的比例最高的互联网用户智能手机用户同时[是谁12]。此外,移动技术的发展以及它在手中连同它的低成本和受欢迎的理想平台,开发医疗解决方案的早期检测HCHD [13]。因此,手机解决方案可以支持可能的早期发现早期HCHD风险,这将帮助患者在农村地区避免慢性心脏病在未来通过简单改变生活方式。本研究旨在检测早期HCHD农村患者在10年内使用弗雷明汉风险评分(FRS)模型(14]。选择FRS,特别是由于其出色表现来预测HCHD与其他模型相比15)在其广义人口从一个到另一个的能力(16]。在FRS评分模型的风险估计依赖于从每个病人收集样本数据。风险百分比然后给出评价和建议基于风险类。

这种类型的智能医疗解决方案尚未部署在中东。此外,没有医疗解决方案旨在连接HCHD医生患者风险检测和预防。这项研究由其作用有助于2030年中东许多国家引入的愿景(http://vision2030.gov.sa/en,http://sdsegypt2030.com/?lang=en,http://www.qdb.qa/English/Investing/Pages/Qatar2030.aspx),支持(1)预防保健给不同性别和年龄减少慢性疾病(如心脏病),(2)提供家庭护理在必要的时候,(3)减少访问专家和顾问,(4)延长人口达到医疗服务,(5)提高服务的质量提出的小型医疗单位,(6)建立先进的卫生系统和集成,(7)轴承的成本医疗保健和治疗。本研究旨在评估病人HCHD风险严重性提议通过手机解决方案,以避免可能造成的长期后果。本文提出了一个智能医疗解决方案,不仅预测HCHDs的风险但还使患者早期,实验室工作人员,和心脏病专家交流。换句话说,该解决方案使得农村患者接受临床实验室工作人员远程的数据和发送他们的风险结果的心脏病专家的选择医疗建议。我们建议这样的解决方案将有其积极的影响在减少农村病人之间的交流差距,实验室工作人员、城市医生。积极增加更多,它可以减轻大诊所访问和超出预算的高成本的治疗方法。

这项研究的组织结构如下:部分1介绍介绍冠心病患病率在农村地区,部分2介绍了相关工作,在部分3提出的方法采用的设计和实现,而部分4和5提出的移动应用程序框架及其需求,分别。移动应用程序的结果实现了部分6,部分7介绍了这个研究结论对我们的工作和我们的发现。

2。相关工作

一项研究由辛格et al。13]介绍了CVDMagic,手机解决方案,检测心血管疾病在小印度诊所和传播对新出现的疾病。他们提出了一个新的方法,消耗更少的时间比基于传统纸质流程。CVDMagic设计诊所的工人使用通过手机来计算某些病人的风险。他们的方法依赖于病人的临床工作者面对面会议,知道他们心里上的可能的风险。他们推出了一个系统,专注于女性中间年龄,因为他们更倾向于心血管疾病的风险。

另一项研究通过金等。18]揭示的重要性,使用手机通过心电图信号探测和预防心血管疾病分类。作者提出HeartToGo,手机能够实时跟踪和记录ECG信号的使用可穿戴传感器和加速度计。然后系统会生成一个心总结报告基于提取的信号特征。然而,他们的系统被认为是昂贵的,因为它需要其他传感器和设备在手机旁边。此外,它不允许与医生沟通,它表明,患者可以完全理解自己生成的报告。

西印度群岛大学提出了MediNet [19,20.),手机健康管理系统的开发,旨在帮助患者获得必要的使用电话的干预治疗糖尿病和心血管疾病。目标地区医疗设施较差,但一个强大的手机基础设施。系统移动数据,收集了病人监控设备,中央服务器,严重病例的数据被发送到医疗人员。ClickMedix移动社交企业由麻省理工学院(http://web.mit.edu/)连接患者患有糖尿病医生很快。DoctorFromHome (https://doctorfromhome.in/)是一个在线服务专为医生和病人。患者常见疾病(如感冒、发烧,胃疼,和减肥问题)可以很容易地建议恢复更快的使用他们的移动设备。

另一项研究由拉玛钱德朗et al。21)证明的有效性的移动设备的使用医疗服务,以降低孕产妇健康危险在怀孕期间。作者提出了一个用Java编写的原型2 Micro Edition (J2ME)通过短信传播意识向怀孕的风险,提高病人之间的交流,同时农村医疗工作者。拟议的原型支持消息通过音频或视频的演示,帮助实验室工人不是很训练有素,因此很不可信说服病人。在他们的研究中,他们说手机对话信息可以有效地提高咨询质量的会议。

格拉克曼做的一项研究在2016年讨论的另一个工具叫ASCVD公布了风险估计,美国心脏协会(AHA)来衡量心血管疾病的风险价值超过10年。ASCVD风险估计成立于两种形式:移动应用程序和基于web的应用程序,以方便访问通过浏览器在各种便携设备。风险计算的过程中,应用程序需要病人输入以下数据:年龄、性别、种族(白色/黑色)、糖尿病和吸烟状况以及高密度脂蛋白、血压和高血压治疗。此外,应用程序可以访问用于教育的患者和临床医生的建议和一般医疗营养信息。

先前的研究的主要目的是设计解决方案,可以帮助医务工作者估计心血管疾病风险使用传统的数据采集方式。此外,重点是心血管疾病不是HCHD,心血管疾病是他们的主要目标,因此风险评分模型(如弗雷明汉)没有使用。此外,一些研究集中在应用机器学习技术在心血管疾病的风险预测过程而不是HCHD。观察,系统设计为适用于农村医疗保健单位不允许病人与医生交流,为进一步建议,或临床工作者,为临床数据收集。此外,大多数的引入解决方案发布英文语言可能并不适用于农村的中东国家。总结这些研究的观察表所示1我们建议的解决方案的比较”HeartCare +”与其他相关工作。

本研究旨在缓解以下实体之间的通信:(1)病人在农村地区,(2)心脏病专家在城市地区,和(3)农村地区的卫生保健工作者(实验室工作人员)。此外,它专注于提供一个移动应用程序,使用机器学习技术从数据收集到自动化HCHD风险和生存的预测。通过提出的移动应用程序,病人可以接受风险评估所需的临床数据从远程实验室工作人员和风险报告发送到心脏病专家的建议。

虽然电话和短信都是不错的方式沟通,本研究提出的解决方案将允许病人与心脏病学家位于世界上任何地方的任何部分来自农村地区。这给患者选择的选项与高水平的专家医生经验跟进情况。此外,他们可以得到建议,而无需支付额外的临床旁边的访问可能代价高昂的治疗费用。建议的解决方案要求诊所工作人员只提供每每个病人的临床资料,病人可以照顾临床前风险评估所需的数据。此外,它还将减少需求在诊所方面如果HCHD风险患者远程跟踪。

3所示。提出的方法

3.1。弗雷明汉的冠心病危险因素

弗雷明汉心脏研究表明不同HCHD生物标志物可以有效地估计风险超过10年。这些生物标志物包括年龄、性别、总胆固醇、高密度脂蛋白,SBP高血压治疗、吸烟状况、糖尿病状态和HCHD的家族病史。风险评估这些风险因素之间的关系见图1。二分的分类数据值作为性别、吸烟状况、家族史、糖尿病状态,如图1。

3.2。使用逻辑回归模型计算风险

在本节中,数学模型计算的10年期风险选择弗雷明汉模型说明(1) 。这种方法是基于数学模型,使用逻辑回归模型(22]在替换原来的判别模型23,24]。下面的计算是基于Cox风险回归模型(25- - - - - -29日]。一般公式用于评估风险在特定的时间按照模型然后使用模型是定制根据性别30.- - - - - -33]。

3.2.1之上。考克斯比较生存HCHD风险预测模型

在哪里(我)根据主体性别平均生存变化;(2)每个风险因素的β是一个线性函数;(3) 代表一个风险事件的生存时间(主题与风险因素=意味着风险因素) 在哪里(我) 是一个向量的 代表特定主题的相对风险因素;(2) 是一个向量的 代表相对风险因素的日志;(3) 是一个向量的 代表的风险因素在特定的人口 应用公式扩张,

一般公式 在哪里(我) 是多年来估计HCHD选择10在弗雷明汉风险模型;(2) 的概率是时间风险生存;(3) 用平均生存对于男人来说, 用平均生存对于女性来说, 0.940200和0.987670这两个值,男性和女性的平均生存,分别确定弗雷明汉心脏研究(FHS) (https://www.framinghamheartstudy.org/risk-functions/coronary-heart-disease/hard-10-year-risk.php)在2017年基于成人治疗小组三世在2001年《美国医学会杂志》。

3.3。风险评估阶段

根据弗雷明汉风险函数33),选择10年期HCHD模型有五个阶段,如图2,以评估风险的严重性类(1)的检查如果病人没有糖尿病,(2)计算总分和映射的总风险比例,根据(1) 两性来说,(3)总点映射到风险比例,(4)双重检查风险%根据冠心病家族史,和(5)定义风险类基于给定的标准(14,34]。如果病人没有糖尿病,使用的模型是适用的;否则,病人应该使用另一个合适的模型。总风险点计算求和的值分配给风险因素基于病人的数据。然后映射到这些点的总结总风险百分比。重新计算基于家族史比例风险。如果冠心病家族史被设置为true,前面的风险%乘以2;否则,它应该是相同的。然后定义风险类基于以下标准:(1)低风险类如果%风险小于10,(2)中度风险类如果风险% 10至19包容,和(3)高风险类如果风险%等于或超过2014,34]。基于这些风险类别,治疗建议(35]。

作为一个例子,考虑到病人的数据,如下所示(我)正常血糖水平(无糖尿病)(2)年龄是“75”(3)性别是“男性”(iv)吸烟状态设置为“true”(v)高密度脂蛋白是“14.58 mg / dl”(vi)总胆固醇是“93.6 mg / dl”(七)SBP是“140”(八)高血压状态设置为“true”(第九)冠心病家族史被设置为“true”

分配一个风险类标签的过程基于四个阶段说明如下

阶段1。检查如果病人没有糖尿病。
正常血糖水平(无糖尿病)意味着模型适用于预测患者的冠心病的风险。

阶段2。计算总分基础上(1) 。
(我)年龄是“75”,男→13分(2)吸烟状态设置为“true”→1分(3)高密度脂蛋白是“14.58 mg / dl”→2分(iv)总胆固醇是“93.6 mg / dl”→0分(v)治疗高血压,SBP是“140”→2分总分= 13 + 1 + 2 + 0 + 2 = 18分。

阶段3。总点映射到风险比例:15分占风险6%。

阶段4。仔细检查风险%根据冠心病家族史。
冠心病家族史被设置为“true”这意味着风险% = 6%2 = 12%。

第五阶段。根据给定的标准定义风险类。
12%是10至19这表明病人的风险是温和的。

在这项研究中,排除标准将把所有数据,并不适合在弗雷明汉评分模型。这种排斥将帮助减少误差提出了移动应用程序的水平。这个排除标准包括解雇与年龄在20岁以下或病人的数据大于79。

4所示。提出了移动应用程序框架

建议的模型分为农村和城市如图3。农村方面涉及到两类用户的耐心和实验室工作人员的医疗单位在农村中东国家。在其他城市方面,专家心脏病专家经验水平高代表唯一的用户类别。在图3、数字标签分布显示移动应用的工作流活动和涉及到的用户之间的沟通过程。这些标签描述下面的行动步骤。

步骤1。病人可以选择一个心脏病专家跟进他/她的情况下通过移动应用程序。

步骤2。一旦医生证实监督病人,医疗实验室的工人能够增加病人的临床前数据文件访问基于前面的病人,病人应该填补只有临床前数据。临床数据包括糖尿病状态取决于血糖水平、高密度脂蛋白、总胆固醇、高血压治疗,和SBP。临床前数据代表简单的问题,可以很容易地回答病人(如年龄、性别、冠心病家族史,和吸烟状况)。这个数据部分的原因是减少错误,可能导致患者来填补自己的临床前数据不熟悉一些医学术语。

步骤3。临床前和临床数据的总和。

步骤4。类将估计风险低,中度或高度的基础上,结合数据。

第5步。生成的报告将包括所有风险因素的输入和预测风险类。

步骤6。报告将被发送到心脏病专家负责监视病人的情况。

步骤7。心脏病可以发回建议病人基于生成的报告。

该框架在图3表明,所有涉及到的用户将通过提出HeartCare +移动应用程序进行通信。移动应用程序使用的生物标志物10年期HCHD基于弗雷明汉风险估计模型方程(1) 。模型的计算和估计病人是否低,中度或高度风险基于输入的数据。

在下面几节中,移动应用的需求。这些要求已经引发了从文献综述以及类似的系统。

5。移动应用程序需求

这个移动应用程序应该反映的医疗需求弗雷明汉风险评分模型来估计未来10年。摘要移动应用程序需求如图4。图4显示了移动应用程序需求的用例图。主要演员参与HCHD-FRED移动应用程序(1)病人,(2)实验室工作人员,(3)心脏病专家,和(4)移动应用程序。病人可以是低风险病人,中度风险的病人,或者高危病人。病人用例选择心脏病专家,临床前数据,心脏病和发送报告。实验室工作人员用例填临床病人的文件数据。心脏病专家用例选择病人追随自己的情况下,发送推荐后查看他们的医学报告。移动应用的演员在10年内负责评估可能的风险以及生成所需的数据填充后的病例报告。

6。结果与讨论

提议的手机解决方案估计HCHD基于临床和临床前的风险指标基于弗雷明汉评分模型。HeartCare +应用涉及以下用户类别:病人,实验室工作人员,心脏病专家。整个过程开始于病人登录到该系统如图5(一个)。病人接口与两个动作会出现滑动板的医生和正在进行的检查列表,如图5 (b)。病人可以从列表中选择一个医生跟进他/她的情况如图5 (c)。在正在进行的检查屏幕,病人要求医生选择将出现在未决状态如图5 (d)。如果病人点击未决请求,只有部分报告临床前数据,由病人登记期间,将会出现。

其次,心脏病专家必须确认病人的请求为了让病人文件可用实验室工作者,谁来,某些病人的临床资料。在图6,这个过程发生在心脏病专家登录HeartCare +应用程序如图6(一)。心脏病专家界面就会显示出来,可用的行动所示的滑动板可用清单和准备实验报告如图6 (b)。列表中就会出现所有发送请求,心脏病的患者,这些患者的心脏病专家可以确认监督任何点击病人的名字显示在图6 (c)。

第三,实验室工人将获得心脏病后的病人档案的确认。这开始于实验室职工登录HeartCare +应用程序如图7(一)。实验室的工人将获得病人档案的check-options当他/她点击滑动面板如图7 (b)和7 (c)。实验室工作人员点击病人档案时,他/她将能填补相关临床资料,耐心,他们可以发送这些数据之后病人和分配心脏病如图7 (d)。

因此,病人和心脏病专家将能够查看完整报告分配风险类基于病人的临床和临床前数据。病人检查结果将出现在检查列表完成如图8(一个)。同样,心脏病专家能找到一个新的实验室报告他/她的接口与患者的姓名和医疗记录号码(MRN)如图8 (b)。一旦病人或心脏病单击新添加的检查结果出现在列表中,风险评估的完整报告将如图8 (c)。后来,病人和心脏病专家都可以交换消息进一步询问或建议如图8 (d)。此外,该接口与它所有的步骤也支持阿拉伯语使得HeartCare +应用程序更可靠和适用的解决方案在中东以及在西方世界。

7所示。结论

冠状动脉心脏病的风险越来越大,缺乏资源需要引入一个健壮的、低成本,风险解决方案检测中东人口在农村和城市地区。在这项工作中,我们提出了HeartCare +手机解决方案,能够准确地估计HCHD风险超过10年基于医学测量引入的弗雷明汉心脏研究。此外,HeartCare +应用加剧实验室工作人员和病人之间的通信通道居住在农村城镇和心脏病学家在城市的地方。应用程序可以分类患者根据临床和临床前数据低,基于弗雷明汉的中度或高度风险评分模型的标准。HeartCare +应用程序,然而,有其自身的局限性,将在未来解决工作。这些限制包括以下:(1)应用程序并不能保证医生的身份注册,但注册新医生可以通过卫生部可控的未来,(2)所有实验室人员得到任何病人的文件自动根据诊所的位置可以调整患者的实验室检查完成。因此,我们提出了智能手机有助于早期风险预测冠心病的风险都在农村和城市地区。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者想扩展他们的感谢博士Liyakathunisa Syed和承认苏尔坦王子大学连续支持和动力来完成这项工作。同时,他们又要感谢玛利亚姆艾哈迈德博士医学指导参与移动应用程序。