Portofoli ynë i kërkimit
Përmbajtja
- ICB-led applied research projects
- NIHR funded projects
- Previously supported projects
- Type 1 RCF funded projects
- Type 2 RCF funded projects
Përmbajtja
These research projects are led by ICB colleagues supported by researchers to target ICB priority areas.
Gjetja e projekteve: Përdorni “Ctrl + F” për të përdorur funksionin e kërkimit në shfletuesin tuaj. Pastaj përdorni terma kyç për të kërkuar projekte në temën që ju intereson. Është më mirë të provoni disa fjalë alternative, p.sh. “Lindje” ose “Maternitet” ose “Maternal” ose “Natal”.
Një vështrim më i afërt mbi bazën e provave rreth përshkrimit të testosteronit për gratë me menopauzë, duke analizuar ndikimin e formularëve rajonalë dhe rritjen e kërkesës në vitet e fundit.
Modeli PathSimR është një model simulimi i gjithanshëm, i krijuar posaçërisht në BNSSG për modelimin e rrugëve të pacientëve në kujdesin shëndetësor. Duke ofruar një zgjidhje falas dhe fleksibël, softueri është përdorur në BNSSG dhe më gjerë në sisteme të tjera të NHS-së për projekte dhe detyra të ndryshme. Ky artikull tregon historinë e zhvillimit të softuerit dhe ofron detaje të plota mbi funksionimin dhe veçoritë e tij.
Balancimi i kapacitetit dhe rrjedhës së pacientëve midis spitalit akut dhe kujdesit komunitar është një problem i vështirë planifikimi, që përfshin marrjen në konsideratë të mbërritjeve të pasigurta të pacientëve dhe të gjatësive të ndryshueshme të qëndrimit. Përmes skenarëve të ndryshëm, modelimi ynë ka ndihmuar në zbulimin e alokimeve optimale të kapacitetit përgjatë kësaj rruge. Modelimi u krye në muajt e menjëhershëm pas COVID-19.
Vendosjet jashtë zonës ndodhin kur nuk ka kapacitet të disponueshëm për të përmbushur kërkesën brenda zonës lokale. Kjo shpesh ndodh për kujdesin e shëndetit mendor me intensitet të lartë, ku pacientët dërgohen në distanca potencialisht të mëdha drejt qendrave të tjera. Modelet tona, duke përdorur modelin PathSimR, konsideruan skenarë të ndryshëm të kapacitetit për të zbutur këto raste.
Listat e pritjes për operacione elektive ishin rritur ndjeshëm pas pandemisë COVID-19 dhe, në fazat e hershme të rimëkëmbjes nga pandemia, nuk ishte e sigurt se sa nga shumë ‘referime të humbura’ do të ktheheshin. U krye modelim në nivel lokal për të kuptuar madhësinë e mundshme të listës së pritjes dhe kohët e pritjes nëse do të ktheheshin përqindje të ndryshme. Modeli u aplikua gjithashtu në nivel kombëtar në të gjithë Anglinë.
Modeli ynë PathSimR u përdor për të modeluar rrjedhën e centralizuar të trajtimit të goditjes cerebrale të planifikuar në BNSSG. Modeluimi përfshiu kalibrimin e modelit të rrjedhës dhe përdorimin e tij për t'u përgjigjur pyetjeve se sa kapacitet fleksibël do të nevojitej në kohë të ndryshme, në mënyrë që të sigurohej që shumica dërrmuese e pacientëve të mos përjetonin vonesa në pranimin në njësinë hiper-akute të goditjes cerebrale.
Ky artikull raporton mbi qasjen e modelimit të ndjekur në BNSSG për të vlerësuar madhësinë e listës së pritjes në të ardhmen në nivel trusti dhe specialiteti, bazuar në supozime të ndryshme lidhur me kërkesën dhe kapacitetin e ardhshëm. Duke qenë i thjeshtë dhe i shkallëzueshëm, modeli është aplikuar që atëherë në çdo trust spitalor dhe specialitet në Angli, me këto projeksione të përditësuara çdo muaj.
Ky punim sfidoi mendimin e pranuar gjerësisht se në sistemet shëndetësore me performancë të mirë është e nevojshme të “eliminuar” transferimet e vonuara të kujdesit (ndonjëherë të quajtura ‘bllokim i shtretërve’). Studimi, duke përdorur metoda nga disiplina matematikore e teorisë së radhëve, zbuloi se ndjekja e një politike të tillë ka të ngjarë të jetë joekonomike, pasi do të kërkonte sasi të mëdha kapaciteti komunitar për të akomoduar edhe majat më të rralla të kërkesës, duke lënë shumë kapacitet të papërdorur për pjesën më të madhe të kohës.
Procesi ReSPECT është një iniciativë që krijon rekomandime të personalizuara për kujdesin dhe trajtimin klinik të një personi në një emergjencë të ardhshme, kur ai nuk është në gjendje të marrë ose të shprehë zgjedhje. Kjo nismë u zbatua në zonën lokale gjatë pandemisë. Qëllimi i analizës është të përcaktojë barazinë në procesin e zbatimit të formularit ReSPECT (gjatë valës së parë të Covid-19) dhe çdo ndryshim të lidhur me mënyrën se si pacientët dhe organet e tyre lokale të kujdesit shëndetësor ndërveprojnë më pas. Kjo do të ndihmojë në informimin e vendimeve të ardhshme të komisionimit në lidhje me përdorimin e formularit ReSPECT.
IBNSSG ICB ngarkoi fushata lokale për të inkurajuar njerëzit që kanë më pak gjasa të vaksinohen që të marrin vaksinën COVID-19. Kjo analizë do të na ndihmojë të kuptojmë sa efektive ishin këto fushata, në mënyrë që të përmirësojmë organizimin e programeve shëndetësore lokale dhe kombëtare që përfshijnë numër të madh njerëzish në të ardhmen.
Ky projekt synon të reduktojë pranimet në kujdesin intensiv duke ndërhyrë më herët për të korrigjuar problemet para se të bëhen kritike. Ata planifikojnë ta bëjnë këtë duke përdorur vëzhgimet e pacientëve dhe analitikat e avancuara për të prodhuar një vlerësim të saktë të rrezikut të përkeqësimit për çdo pacient individual. Pikëzimi Kombëtar i Paralajmërimit të Hershëm (NEWS) është një pikëzim “një madhësi për të gjithë” që thekson sa i sëmurë është një pacient. Fatkeqësisht, NEWS nuk merr parasysh veçori të rëndësishme si diagnoza dhe historia mjekësore e mëparshme. Ky projekt synon të përmirësojë pikëzimin dhe të parashikojë përkeqësimin më herët.
Ky projekt është pjesë e Partneritetit për Kujdes më të Mirë të Health Data Research UK South.
Segmentimi i popullsisë në grupe të veçanta bazuar në atributet individuale dhe/ose aktivitetin e kujdesit shëndetësor është një komponent kyç i Menaxhimit të Shëndetit të Popullsisë (PHM). Megjithatë, ekziston një shumëllojshmëri metodash të mundshme për të kryer segmentimin e popullsisë, secila me avantazhet dhe disavantazhet e veta. Ky projekt rishikoi 16 nga qasjet më të përdorura për të përcaktuar se cila metodë është më e përshtatshme për t'iu përgjigjur llojeve të caktuara të pyetjeve. Gjetjet kanë informuar që atëherë zgjedhjen tonë të metodës së segmentimit kur punojmë në projekte brenda programit tonë të PHM.
Referimi për trajtim (RTT), që mat përqindjen e pacientëve që presin më pak se 18 javë, është barometri kryesore e performancës elektorale në NHS dhe përdoret për të monitoruar sa gjatë pacientët presin për trajtimin e planifikuar. Për sistemet e kujdesit shëndetësor, është e rëndësishme të kuptohen dhe të modelohen dinamikat e rrugës RTT, në mënyrë që kohët e ardhshme të pritjes të mund të parashikohen me besueshmëri dhe të vlerësohet efekti i ndryshimeve në referime dhe kapacitet. Modeli ynë i simulimit kompjuterik është përdorur rregullisht për këtë qëllim, si për trust-e të ndryshme spitalore ashtu edhe për specialitete klinike të ndryshme.
Pa kapacitet të mjaftueshëm, rrugët klinike mund të bllokohen, me pacientë gati për t'u shkarkuar, por të paaftë për t'u transferuar më tej. Kjo është e dëmshme si për pacientët ashtu edhe për spitalet. Megjithatë, vlerësimi i kapacitetit optimal të nevojshëm nuk është i thjeshtë. Ndërsa qasjet me fletëllogaritje janë të shpejta dhe të lehta, ato zakonisht nënvlerësojnë numrin e shtretërve që duhet të vihen në dispozicion. Këtu zhvillojmë një qasje më të qëndrueshme duke ofruar një model kompjuterik të personalizueshëm dhe të ripërdorshëm, i cili aplikohet për të vlerësuar kapacitetin e rrugës së trajtimit të goditjes në tru në të ardhmen.
Në fazat e hershme të pandemisë COVID-19, rreth 30,000 banorë të cenueshëm të BNSSG-së u kërkua të ‘mbrohen’ për t'u mbrojtur nga rreziqet e infektimit me COVID-19. Megjithatë, dihej pak për këtë grup individësh. Duke përdorur të dhëna të lidhura, u identifikuan gjashtë segmente të ndryshme brenda popullsisë që mbrohej. Njohja e këtyre na ndihmoi të përshtatnim më mirë këshillat për pacientët dhe të mbështesnim ekipet lokale të kujdesit parësor në menaxhimin e gjendjeve të tyre gjatë periudhës së mbrojtjes.
Që në fillim të pandemisë, kishte shumë pak informacion për t'i ndihmuar menaxherët dhe klinicistët të kuptonin sasinë e shtretërve të kujdesit intensiv të nevojshëm për t'iu përshtatur kërkesës së mundshme që do të vinte. Kjo ishte e rëndësishme, pasi ishte e vështirë t'i konvertoje shtretërit në specifikimet e kujdesit intensiv. Megjithatë, nëse konvertoheshin shumë pak, kjo mund të rezultonte në pacientë që nuk mund të kishin qasje në nivelin e kujdesit që u nevojitej. Për të adresuar këtë çështje, u zhvillua me shpejtësi një model simulimi kompjuterik i rrjedhës së pacientëve me COVID-19 dhe u përdor si pjesë e reagimit fillestar thelbësor ndaj numrit të lartë të rasteve në pranverën e vitit 2020.
Ndërsa efektet e menjëhershme të COVID-19 ishin në kujdesin spitalor të emergjencës, shpejt u bë e qartë se vendimi për të shtyrë trajtimet elektive në pranverën e vitit 2020 do të kishte një ndikim të rëndë në kohët e pritjes. Pyetjet ishin: sa i madh do të ishte ky efekt dhe sa shpejt mund të rikuperonim? Për t'i përgjigjur këtyre, një mjet ekzistues i përdorur për modelimin e dinamikës së referimit në trajtim (RTT) u rikalibrua dhe u përdor për të parashikuar kohët e pritjes nën skenarë të ndryshëm të konsideruar të besueshëm në fillim të pandemisë.
Ndërsa zënia e shtretërve u rrit shpejt në valën e dytë të pandemisë, planifikuesit e spitalit kishin nevojë për vlerësime të numrit të pritshëm të pranimeve në ditët në vijim. U ndërtua dhe u vendos në përdorim një model i thjeshtë parashikimi me seri kohore për përdorim ditor në parashikimin e zënies së shtretërve të kujdesit akut dhe intensiv për të gjithë spitalet lokale. Kjo ndihmoi në sigurimin që numri i duhur i shtretërve të përgatitej dhe të hapeshin pavione të reja infektive sipas nevojës.
Për të ndihmuar në kufizimin e infeksioneve spitalore, një pjesë e konsiderueshme e konsultimeve ambulatore u zhvendosën nga mjedisi fizik në atë virtual në fazat e hershme të pandemisë. Duke shqyrtuar një numër të madh sondazhesh të pacientëve, u zbulua se më shumë të anketuar ‘preferonin’ takimet virtuale sesa ato fizike, dhe shtatë herë më shumë i gjetën ato ‘më pak stresuese’ sesa ‘më stresuese’. Rezultatet kanë ndihmuar në informimin e përshtatshmërisë së mundshme të konsultimeve me video në të ardhmen.
Edhe pse fatmirësisht NHS nuk ka pasur nevojë të vendosë triazhin për pranimet në kujdesin intensiv gjatë vitit të parë të pandemisë, herë pas here ka qenë shumë pranë kësaj. Kur kërkesa për një burim të tillë tejkalon ofertën, mund të thuhet se është e rëndësishme të promovohet qasje më e mirë për ata që kanë më shumë për të përfituar. Megjithatë, ka pak prova që mbështesin se sa shumë mund të fitohet nga zbatimi i triazhit. Puna jonë trajtoi këtë boshllëk, duke zbuluar se triazhi mund të reduktojë vitet totale të jetës së humbura me 12%, nëse kërkesa ndonjëherë tejkalon ofertën.
Qendrat e vaksinimit ishin thelbësore për zgjerimin e vaksinimit masiv të popullatës kundër COVID-19. Megjithatë, planifikuesit kishin shumë pak informacion për të udhëhequr konfigurimin e këtyre qendrave, të cilat duhej të ngriheshin brenda pak javësh. Në vendin e Bristol Ashton Gate u përdor modelim me simulim kompjuterik për të informuar kapacitetin maksimal të qendrës, në aspektin e numrit të njerëzve që mund të vaksinoheshin çdo ditë. Rezultatet e modelit u përdorën gjatë muajve të parë thelbësorë të operimit.
Ndërsa shumica e vëmendjes ishte përqendruar te rastet e COVID-19, kufizimet shoqërore ndikuan gjithashtu në mënyrë të konsiderueshme në pranimet në spital për shkaqe jo-COVID-19. Për shembull, me më pak lëndime sportive dhe aksidente rrugore, kërkesa për shërbime urgjente në spitalet lokale u ul. Në muajt e parë të vitit 2021, ndërsa bllokimi po lehtësohej gradualisht, u përdor një model regresioni për të parashikuar, bazuar në rritjet e pritshme të lëvizshmërisë publike, në çfarë mase mund të rritej numri i pranimeve në spital.
Një rezultat afatgjatë dhe gjerësisht i paprekur tregon se spitalet duhet të synojnë një mesatare prej 85% të zënies së shtretërve për të balancuar rreziqet për sigurinë e pacientit nga kapaciteti i pamjaftueshëm me pasojat financiare të kapacitetit të tepërt. Megjithatë, një masë e vetme nuk është e ndjeshme ndaj gamës së kushteve që ekzistojnë realisht në terren. Duke hartuar një tabelë referimi bazuar në madhësinë e pavionit dhe specialitetin, modelimi ynë zbulon një grup objektivash më të sakta që mund të përdoren nga menaxherët e spitalit dhe komisionerët.
Gjatë valës së parë të pandemisë, kishte shumë pasiguri në lidhje me sasinë e kërkesës së grumbulluar për shërbimet e shëndetit mendor, e cila mund të çonte në presion pas heqjes së karantinës. Një model i gjithanshëm i radhësimit me kohë diskrete u hartua shpejt dhe u përdor për të shqyrtuar efektin e mundshëm të disa trajektoreve të ndryshme të kërkesës dhe ndërhyrjeve të shërbimit të hartuara për të zbutur presionin e rëndë në sistem.
Ndërsa modelimi epidemiologjik është përdorur rutinë për të informuar marrjen e vendimeve në nivel kombëtar, ka pasur shumë pak për të udhëhequr planifikimin në nivel lokal. Në fund të fundit, masa kryesore e interesit ka qenë numri i pritshëm i ardhshëm i pranimeve akute me COVID-19. Duke përdorur një model kompartimental të tipit ‘SEIR’, u krijua një grup pune ndërdisiplinor ndër-sistemik për të konfiguruar skenarë të ndryshëm të besueshëm, me rezultatet që formësuan reagimin lokal në përcaktimin e numrit të shtretërve të nevojshëm për të përballuar në mënyrë të sigurt kërkesën e ardhshme.
Duke u bazuar në punën e mëparshme që përfshinte një model të tipit ‘SEIR’ të ndarë në kompartamente, u bënë një sërë përmirësimesh teknike për të marrë parasysh efektin e vaksinimit në dinamikën e transmetimit. Më pas modeli u përdor për të shqyrtuar disa skenarë që lidhen me hartën e relaksimit të masave të karantinës në fillim të vitit 2021. Parashikimet u validuan kur rritja e rasteve spitalore në vjeshtën e vitit 2021 ra rehatshëm brenda intervalit ndërkuartil të modeluar.
Përveç ndikimit të menjëhershëm të infeksionit COVID-19 në shërbimet e kujdesit shëndetësor akut, kishte shqetësim se efektet afatgjata (të ashtuquajturat ‘Long-COVID’) mund të vendosnin kërkesa shtesë në mjedise të tjera të kujdesit shëndetësor. Baza të dhënash e tërë sistemit BNSSG u përdor për të identifikuar prova të rritjeve statistikisht të rëndësishme në aktivitetin e kujdesit shëndetësor brenda tre muajsh nga diagnostikimi me COVID-19.