阿片类药物
FDA发布了新的指南,规定一些人工智能工具应该作为医疗器械进行监管,包括预测败血症、识别患者恶化、预测心力衰竭住院、标记可能成瘾于阿片类药物的患者等。这是FDA在AI/ML监管方面的最新举措。
一项研究表明,疫情期间接受阿片类药物相关远程医疗护理与更低的医疗过量风险和更好的药物保留率相关。这项研究使用了来自医疗保险费用服务的数据,分析了两个群体的数据,其中一个是105,240名受益人的预疫情队列,另一个是70,538名受益人的疫情队列。
ONC和CDC联合开发了一个名为“整合框架”的交互式资源,旨在帮助改善州处方药监测计划(PDMP)与临床工作流程的整合,以应对阿片类药物危机。
一项由Epic Research和马里兰大学药物滥用研究中心(CESAR)进行的新研究表明,尽管合成阿片类药物和芬太尼是美国18至45岁人群死亡率最高的原因,但只有5%的药物过量患者接受了这些药物的检测。
本文介绍了如何利用电子病历系统应对美国的阿片类药物危机,包括任务组的成立、电子病历如何帮助治疗、预防和监测阿片类药物滥用等方面。
研究人员开发了一种机器学习模型,利用公共卫生信息和执法数据等代理数据源,能够准确估计全国每周阿片类药物过量死亡趋势。这项研究有助于解决过量死亡数据滞后的问题,提高公共卫生官员的预测和干预能力,从而更好地应对阿片类药物危机。
研究人员开发了一种预测模型,能够预测妇科手术后门诊阿片类药物使用情况,该模型正在临床实施中。这种数据分析和统计模型可帮助医生更有效地进行个性化的疼痛管理和阿片类药物处方。