Моделирование импорта и распространения болезни, вызванной вирусом Эбола Бундиbugyo, в Уганде на основе сетевых данных и сценариев соблюдения ненаркотических интервенций

Колоректальный рак (КРР) является важной причиной заболеваемости и смертности от рака как в странах Африки к югу от Сахары, так и в Уганде. Несмотря на национальный прогресс в повышении осведомленности о раке и разработке политики, уход за пациентами с КРР остается ограниченным из-за нехватки ресурсов. КРР служит идеальным примером для оценки устойчивости системы здравоохранения, поскольку охватывает весь спектр медицинской помощи. Этот обзор провел поиск статей, специфичных для Уганды, по КРР в PubMed с момента его создания до декабря 2025 года и проанализировал 13 рецензируемых статей, чтобы описать текущее состояние ухода за КРР в Уганде, основываясь на данных оценки потребностей в здравоохранении (ЭПЗ), проведенной в Мбарары Региональной Направляющей Больнице (МРНБ). По всей Уганде диагностика и лечение КРР тормозятся из-за недостаточной эндоскопической и патологической деятельности, нехватки медикаментов и несогласованного доступа к иммуногистохимии и молекулярным тестированиям. Программы скрининга остаются слабо развитыми из-за нехватки ресурсов для последующих диагностики. В МРНБ доступны химиотерапия и хирургическое вмешательство, но они ограничены нехваткой оборудования, длительными сроками ожидания и ограниченным числом работников, несмотря на растущее количество пациентов. Паллиативная помощь остается сильной стороной, поддерживаемой наличием морфина на национальном уровне и усилиями Hospice Africa Uganda, хотя интеграция внутри онкологических клиник остается незавершенной. Улучшение ухода за КРР потребует расширения диагностической инфраструктуры, цифровизации медицинских записей, развития рабочей силы и укрепления управления цепочкой поставок. Решение проблемы нехватки химиотерапии и медикаментов представляет собой реальный шаг к повышению качества медицинской помощи. Опыт МРНБ демонстрирует как проблемы, так и возможности для расширения оказания помощи при раке в условиях нехватки ресурсов и предоставляет иллюстративный пример, хотя и ограниченный как односторонний обзор, для решения проблем систем КРР по всей Уганде.

Фон. Новый тест на основе мазков, предназначенный для ближней диагностики (NPOC), представляет собой потенциально более дешевую и простую альтернативу тестированию методом Xpert MTB/RIF Ultra (Xpert-Ultra) для диагностики туберкулеза (ТБ). Тем не менее, критически важно понять, как их эффективность может различаться среди различных популяций, чтобы информировать о внедрении в программы и принятии клинических решений в реальной практике. Методы. Мы смоделировали работу тестирования мазков мокроты с использованием анализа MiniDock MTB и Xpert MTB/RIF (Xpert), используя положительное процентное согласие (PPA) с Xpert-Ultra, разбитое по полукачественной оценке. PPA для MiniDock MTB была получена на основе метаанализа с эффектами случайных факторов трех исследований точности диагностики. PPA для Xpert была получена из данных раннего диагностического исследования. Оценки PPA были применены к 1248 положительным результатам тестов Xpert-Ultra в рамках Фазы 1 исследования Start4All по семи странам, разбитым по месту набора участников (учреждение (n=1033) и сообщество (n=215)), сравнивая общий PPA с моделью, стратифицированной по полукачественным оценкам Xpert Ultra (от Trace до High). Результаты. Объединенный общий PPA составил 84,8% (95% ДИ: 67,1-93,8%) для MiniDock MTB и 93,1% (90,3-95,2%) для Xpert. Стратифицированное по оценкам моделирование показало более низкие значения PPA.

Фон. Негативные симптомы при расстройствах шизофренического спектра (РШС) остаются недостаточно лечеными и требуют новых терапевтических подходов. Окситоцин может улучшить негативные симптомы, хотя его эффекты, по всей видимости, сильно зависят от контекста в соответствии с гипотезой социальной значимости. Мы провели рандомизированное, тройное слепое, плацебо-контролируемое пилотное исследование, сочетая интраназальный окситоцин с групповой терапией на основе внимательности (ГТВ), предполагая, что положительный социальный контекст ГТВ усилит эффекты, связанные с окситоцином. Методы. 47 участников с РШС (34% женщин) были рандомизированы для получения либо 24 ME окситоцина (ГТВ+ОКТ; n = 26), либо плацебо (ГТВ+ПЛА; n = 21) перед четырьмя сессиями ГТВ. Основным результатом были негативные симптомы, оцененные с помощью подшкалы негативных симптомов Шкалы позитивных и негативных синдромов (PANSS-N) после интервенции и через 4 недели. Вторичными результатами включались Шкала кратких негативных симптомов (BNSS), Шкала самооценки негативных симптомов (SNS) и дополнительные клинические показатели. Линейные смешанные модели оценили эффекты внутри и между группами. Результаты. Общее количество выбытия составило 14,89%, при этом один случай выбытия мог быть связан с лечением. Слепота была успешной. Участники завершили 95,63% сессий. Только группа ГТВ+ОКТ продемонстрировала значительные улучшения в PANSS-N от базового уровня до пост-интервенции (d = -0,74) и на контрольном осмотре (d = -0,77), с небольшим эффектом между группами на контрольном осмотре (d = 0,39). Общая оценка BNSS значительно улучшилась только в группе ГТВ+ОКТ от базового уровня до пост-интервенции (d = -0,88) и на контрольном осмотре (d = -0,91), при этом эффекты между группами были в пользу ГТВ+ОКТ на контрольном осмотре (d = -0,38). Серьезные нежелательные явления не наблюдались. Заключение. Эти данные предполагают, что окситоцин в сочетании с ГТВ может улучшить негативные симптомы при РШС и поддерживают дальнейшие масштабные исследования. Регистрация клинических испытаний: https://clinicaltrials.gov/study/NCT06136390, Регистрационный номер: NCT06136390.

Обзор. Материнская смертность остается неравномерной на глобальном уровне, а пандемия COVID-19 нарушила услуги охраны здоровья матерей через прямые риски, связанные с инфекцией, и косвенные пути через систему здравоохранения. Мы оценили отклонения от уровня материнской смертности и коэффициентов материнской смертности (КМС) на уровне стран в период с 2020 по 2023 год по сравнению с тенденциями до пандемии. Методы. Мы использовали миллионам WHO/UN MMEIG модели, основанные на оценках материнских смертей и КМС с 2000 по 2019 годы для построения ансамблевой n-sub-эпидемической модели прогнозирования. Мы сгенерировали контрфактические прогнозы без пандемии на 2020-2023 годы и сравнили их с оценками WHO/UN MMEIG за те же годы. Избыточность была определена как положительная разница между оценкой WHO/UN MMEIG и контрфактическим прогнозом; неопределенность была оценена с использованием интервалов предсказания на основе бутстрепа. Результаты. В глобальном масштабе оценки накопленной избыточной материнской смертности составили 68,489 (95% UI 34,706-147,118) за период 2020-2023 годы, а агрегированный избыточный КМС равнялся 10,154 (95% UI 4,568-23,744). Наибольшие региональные нагрузки по избыточной смертности наблюдались в регионе Юго-Восточной Азии, Восточно-Средиземное море и Африканском регионе. Среди восьми иллюстративных стран с высоким бременем нагрузки, в Афганистане и Сомали были зарегистрированы статистически значимые избыточные материнские смерти, с общими значениями 2,335 (95% UI 1,148-4,350) и 1,815 (639-3,401) соответственно. Либерия имела положительную медианную оценку в 265 избыточных материнских смертей, но её интервал включал ноль (0-990). В Нигерии, Чаде и Южном Судане медианные суммы были равны нулю, хотя интервалы неопределенности указывали на то, что нулевая избыточная смертность не могла быть исключена в Чаде и Южном Судане. Заключение. Оценки WHO/UN MMEIG за период пандемии отклонялись гетерогенно от контрфактических тенденций до пандемии. Эти результаты следует интерпретировать как смоделированное увеличение по сравнению с базовой линией без пандемии и могут отражать нарушения, вызванные пандемией, вместе с другими современными шоками в системе здравоохранения, политической и социальной сферах, а не только зарегистрированные смерти или причинные эффекты, непосредственно связанные с COVID-19.

Фон. Медицинским организациям все чаще требуется принимать стратегические решения о системах искусственного интеллекта (ИИ) до полного понимания их клинической ценности, операционных последствий, требований к управлению и влияния на рабочую force. Пилоты клинического ИИ могут уменьшить эту неопределенность только в том случае, если они генерируют управленческие доказательства, имеющие значение, помимо ретроспективной оценки работы моделей, включая доказательства по интеграции рабочих процессов, архитектуре управления, взаимодействию пользователей, ответственностью и непрерывному обучению. Цель. Это исследование направлено на изучение того, как перспективное внедрение системы поддержки принятия клинических решений (CDSS), основанной на ИИ, в отделении интенсивной терапии (ОИТ), выявило организационные и связанные с управлением неопределенности, а также на выработку переносаемого управленческого инструментария для развертывания клинического ИИ на ранней стадии. Методы. Мы провели перспективную однопортальную оценку внедрения CDSS на основе машинного обучения для прогнозирования продолжительности пребывания в ОИТ в хирургическом отделении ОИТ в немецком университете. Исследование включало 267 подряд пребываний в ОИТ и было одобрено Этическим комитетом ЛМУ Мюнхен (Проект № 24-0336) и зарегистрировано в Немецком реестре клинических испытаний (DRKS00037851). Оценка сочетала пять управленческих областей: интеграция рабочих процессов и операционное принятие, архитектура управления и влияние защиты данных, постоянный бенчмаркинг у постели как механизм непрерывного обучения, встроенная этика и дизайн ответственности, а также взаимодействие человека и ИИ с учетом гетерогенности пользователей, оцененной с помощью инструмента Психологической оценки ИИ-систем поддержки принятия решений. Результаты. Внедрение показало, что неопределенность, связанная с ИИ, генерировалась в основном на стыке между CDSS и ее организационной средой. Небольшая нагрузка "глянуть и оценить" рабочий процесс позволила консультантам и врачам-резидентам регулярно использовать систему, с долями использования 72% (191/267) и 61% (162/267) соответственно. Требования к управлению привели к необходимости архитектуры с раздельными данными, с одним обновлением данных в день, что обеспечивало соблюдение норм, но создавало операционные задержки; устаревшие записи в списках случаев возникли в 4 из 148 отмеченных случаев (2.7%). Живой бенчмаркинг функционировал как обратная связь и поддерживал исследовательское уточнение модели, со средней абсолютной ошибкой CDSS, снижающейся с 5.95 до 4.12 дней после первого обновления модели. Встроенная этика информировала о процессе внедрения, рамках ответственности, формулировках интерфейса и дизайне объяснимости. Оценка взаимодействия человека и ИИ предполагала гетерогенные архетипы пользователей с различными потребностями в управлении изменениями. Заключение. Развертывание клинического ИИ следует рассматривать как процесс организационного обучения, а не как чисто техническую реализацию. Соответствующим объектом управления является развернутая социотехническая система, включая рабочий процесс, архитектуру управления, обратные связи, этику и взаимодействие с пользователем. Мы предлагаем инструментарий управления, учитывающий аспекты управления, который поможет администраторам и специалистам в области цифрового здравоохранения различать разрешимую неопределенность проектирования внедрения от истинного отсутствия клинической ценности и поддерживать поэтапные, основанные на доказательствах решения относительно масштабирования, инвестиций и окончательной оценки.

Цель: Разработать и оценить базу данных о раке простаты, стандартизированную в соответствии с Обсервационным партнерством медицинских исходов (OMOP), из Электронной медицинской карты (ЭМК) Epic Университета Техаса в Медицинском центре (UTMB), и улучшить качество данных с помощью обработки естественного языка (NLP) и алгоритмов на основе антигена простаты (PSA). Материалы и методы: Мы построили конвейер данных для преобразования данных ЭМК UTMB Epic (2010-2021) в Общую модель данных OMOP (CDM) версии 5.4. Качество данных оценивалось путем сравнения стандартизированных данных OMOP с данными Регистра рака Гальвестона с использованием согласия по доступности, коэффициента Каунта и внутриклассовой корреляции. NLP использовалась для извлечения PSA, оценки Глисон и стадии рака из клинического текста, а алгоритмы на основе PSA использовались для выявления отсутствующего лечения и биохимического рецидива. Результаты: Мы извлекли 815 аналитических случаев из ЭМК UTMB. Из них 700 (85,9%) были полными и согласованы с регистром рака. PSA показал отличное согласие значений. Структурированные данные по оценке Глисон и стадии были разряженными (n<20), но NLP значительно улучшила их захват. Согласие по лечению было хорошим по сравнению с регистром рака и незначительно улучшилось для радикальной простатэктомии после применения алгоритма на основе PSA. Используя траектории PSA, мы выявили 60 случаев биохимического рецидива. Обсуждение: Стандартизированные данные OMOP из UTMB показали хорошее согласие с регистром рака. Однако структурированные поля ЭМК неполностью фиксировали данные о диагнозе, патологии и лечении. NLP и алгоритмы на основе PSA существенно улучшили захват данных. Ручной обзор также выявил ошибки в данных регистра, показывая, что стандартизированные данные ЭМК OMOP могут дополнить и помочь улучшить качество регистра рака. Заключение: Стандартизация OMOP в сочетании с NLP и алгоритмами на основе PSA улучшила качество данных о раке простаты и готовность к исследованию.