使用 CogStack 基于电子健康记录的实时精神病风险检测和警报系统的实施

精神病预防的影响受到我们如何有效地检测处于危险中的个体的影响。该协议为在真实世界电子健康记录系统中实施精神病风险检测和警报服务提供了一种新方法。这种基于临床的个性化风险计算器的主要优点是，它允许自动检测有精神病风险的人大规模使用电子健康记录跨越不同的心理条件和实时。

目前检测有精神病风险的人的方法相对低效，只检测到5-12%的第一期精神病病例。该系统可改善对高危人群的检测，并改善与临床医生的沟通。该平台可针对精神病学的其他风险预测建模和检测系统进行定制，可支持临床护理中精密医学的实施，对患者有利。

我们希望向更广泛的社区传播这一新方法，并与其他研究人员、临床医生、患者、护理者和利益相关者合作，推动精密医学在精神病学中的实施。我们希望这个视频将促进这一目标的实现。尽管该脚本已用于部署此系统和方法，但本研究对此进行详细描述。

我们的研究团队将很乐意帮助那些希望在他们的临床环境中实施类似方法的未来研究人员。首先从 GitHub 下载或克隆代码存储库。要配置 CogStack 管道以进行数据引入，请打开cogstack_deploy/通信/目录并修改精神病。

属性并修改基于电子运行状况记录数据库设置的源：db 配置部分设置，包括指定数据库服务器的 IP 地址、数据库名称、数据库用户名和密码。打开 Web 浏览器并访问 Kibana 用户界面。首次访问 Kibana 时，单击"管理和索引模式"选项卡以指定感兴趣的弹性搜索索引，并在psychosis_base模式字段中输入"索引"。

单击"下一步ETL_updated_dttm时间筛选器字段名称的"下一步"。然后单击"创建索引模式"以psychosis_base的索引模式。一旦 Kibana 连接到弹性搜索索引，通过发现页面以交互方式搜索和浏览源数据。

要访问风险计算器，请打开一个新的终端窗口并打开精神病目录。在终端中输入相应的命令，以安装风险计算器中使用的所有必需的 Python 包，并运行精神病风险计算器。如果过程成功完成，风险计算的日志将打印在终端中，风险结果将存储在 CogStack 平台内名为 psychosis_risk 的新弹性搜索索引中。

若要在 Kibana 界面中检查风险结果，请添加新的索引模式 psychosis_risk 以将 Kibana 与 psychosis_risk 索引连接，并通过发现页面浏览风险结果。若要生成可视化和仪表板以获取所有风险患者群体特征的概述，请单击"可视化"并单击"创建新可视化"。选择可视化类型，psychosis_risk作为要可视化的索引。

构建单个可视化效果后，单击"仪表板"以创建一个仪表板，该仪表板一起显示一组相关的可视化效果。若要在患者面临精神病风险时为临床医生创建警报，请单击"管理和观察者"。要设置新的观察程序，请单击"创建高级监视"并输入 ID 和名称。

若要向临床医生的地址发送警报电子邮件，请删除手表 JSON 部分的内容，然后复制观察器中的内容。json 文件与精神病目录到手表 Json 部分。在保存观察程序之前，单击"模拟"以测试观察程序执行。

如果设置成功，将显示模拟输出。在此代表性图中，可以根据记录的上次更新日期按时间顺序记录随着时间的推移引入 CogStack 的记录数。在比较弹性搜索索引中数据库中记录的数量和内容时，未检测到缺失和重复数据，从而确认 CogStack 管道的可靠性和同步数据引入。

正如这些数字所表明的，精神病患者的特点，包括患者的种族、性别、年龄和诊断类别，都可以形象化。在这里，可以观察到使用 Kibana 中的手表组件设置风险警报服务的接口。一旦此服务配置成功，如果两年内有一个或多个患者患精神病的风险高于 5%，用户将收到电子邮件通知。

我们可以集成此风险计算器和此协议的优化版本，以进一步改进结果的预测。我们可以进一步集成这种风险计算器的动态版本，允许随着患者症状的变化实时更新结果，从而提供更可靠的预测，更好地反映患者的临床路径。此协议可以重新配置，以便监控和向其他风险预测模型提供警报，使临床医生能够及时做出决策，以改善患者护理、安全性和体验。