R(雷达)中诊断和抗菌模式的快速分析:感染管理和抗菌管理的交互式开源软件应用程序

简介

背景

随着抗菌素耐药性(AMR)的上升，全世界正在努力将抗菌素作为一种宝贵的不可再生资源加以保护。以抗微生物管理(AMS)项目为形式的感染管理已成为医院解决这一全球健康问题的有效解决方案。医疗辅助队项目的定义是“一整套促进负责任地使用抗微生物药物的行动”[1］．管理干预措施和活动侧重于单个患者(个性化药物和咨询)以及患者群体或临床综合征(指南、协议、信息技术基础设施和临床决策支持系统)，同时优先考虑改善任何干预措施的护理质量和患者安全。在准确和及时诊断的基础上适当使用抗菌素对成功管理感染是必不可少的。在此过程中，诊断方法有助于优化抗菌素的使用，从而最大限度地减少抗微生物药物耐药性。

医院的医疗辅助系统设置通常是不同的，但评估目标的审计和反馈是大多数项目的基本组成部分，它们包括在国际指南和审查中[2-7］．AMS项目的重要数据包括，例如，治疗天数(DOT)、每日限定剂量(DDD)、入院日期、住院时间(LOS)以及遵守当地或国家诊断、治疗或感染管理指南的情况[1］．例如，可以使用死亡率数据或替代参数(如LOS)来衡量临床结果、护理质量或医院资源的消耗。电子健康记录(EHRs)和地方管理数据库有助于收集这些数据。值得注意的是，管理数据也被证明是评估临床结果的可靠来源[8］．

电子病历通常能快速洞察患者个人层面的有用感染管理数据。然而，在日常实践中很难方便地分析患者群体(如按科室或病房分层、特定的抗微生物药物或使用的诊断程序)。即使这些信息可能是可用的，但快速分析更大的患者群体(例如，分布在多个专科)则更具挑战性。然而，这对于有意义的分析是至关重要的，包括可能的混杂因素和不同人群的模式识别。此外，当可以获得汇总数据时，往往不可能追踪单个患者，分析缺乏进一步调整或分层的能力。

医疗辅助队是多学科的，他们的工作超越单一专业的界限[9］．它们通常人手不足，数据分析支持有限[10，11］．因此，他们需要用户友好和省时的数据分析资源，而不需要深厚的技术专长一旦建立系统。在机构层面聚合和链接抗微生物药物使用、指南遵守和临床结果的数据，可以为这些团队的重要洞察奠定基础。这些可用于确定医院内可能从辅助医疗辅助系统干预措施中获益最多的领域(例如，遵循指南程度较低或抗菌药物使用模式不寻常的亚专科)。此外，来自这些数据的反馈可以帮助医生更好地了解他们的患者群体作为一个整体;此外，医院管理部门可以更有针对性地分配资源。

此外，对多个领域(如诊断和抗菌素的使用)的汇总数据和同时分析提供了对大量患者群体的广泛洞察。这也有助于发展综合和多学科的感染管理方法，结合诊断和治疗观点[1，9，12］．不幸的是，这类分析仍然需要大量的统计知识和软件技能，而且执行起来很费时。

技术、数据科学和软件应用程序开发可以为上述复杂的数据处理问题提供解决方案。近年来，针对医学和流行病学(研究)问题的软件应用开发找到了许多重要的答案。例如，医院急诊科(EDs)以仪表盘形式出现的软件应用程序已被证明可以提高需要紧急入院患者的护理效率和质量[13］．这些软件应用程序用于沟通明确定义的临床问题，如死亡率、心脏骤停次数或急诊再入院率。这降低了急诊科的LOS和死亡率。其他国家则使用类似的方法快速和交互式地显示结核病病例的地理位置，而不需要技术专门知识，从而增进对传播和检测的了解[14］．此外，基因组学等数据驱动领域与生物信息学密切合作，在开发新的、创新的软件应用程序以处理大型数据集方面处于领先地位[15］

值得注意的是，上面提到的所有软件应用程序都是以开源的方式创建的。这意味着底层源代码可以很容易地共享、修改，并通过开放的存储库(如GitHub)自由分发[16，考虑到开源软件的许可义务。这促进了协作，通过代码评审进行质量控制，并易于适应许多不同的设置和信息技术系统，这支持高级数据可视化的使用，为编程经验最少的用户和很少或没有预算的专业数据库工程师提供支持[15］．

在医疗微生物学领域，已经描述了与微生物诊断数据和电子病历交互工作的不同方法:电子抗生素图、集中耐药分析、电子病历数据挖掘和AMS的临床决策支持系统是该领域创新的很好的例子[17-19］．然而，在感染管理领域的医院层面上，仍缺乏一种完整的开源方法来处理应用软件与抗微生物药物的联合使用和个体患者的诊断数据。

目标

我们遵循开放知识的原则[20.]以满足对交互式、易于使用的软件应用程序的需求，允许用户在机构(医院)层面调查抗菌药物使用、微生物诊断使用和患者结果。我们开发了一个开源的、基于web的软件应用程序——R(雷达)诊断和抗菌模式的快速分析，可用于AMS和感染管理。这款免费软件可以在普通计算机上运行，也可以在本地或基于Web的服务器上实现，以便通过标准的Web浏览器访问。这个软件应用程序的重点用户组是涉及AMS的医疗保健专业人员(例如，传染病专家、临床微生物学家和药剂师)。虽然安装和实现需要一些技术专业知识(基本的R知识)，但是RadaR的使用遵循通常的Web浏览器用户体验。雷达能够快速和可复制的数据分析，不需要大量以前的分析专业知识，以图形化的方式吸引人，同时适应不同的设置。雷达的分析是基于个别病人的数据集。因此，聚合的结果也可以被剥离，并可以调查更多的患者特征。通过这个软件应用程序，我们的目标是支持数据驱动的医院洞察和决策，为AMS领域的参与者提供免费、透明和可复制的方式。

方法

为了在开源环境中开发软件，我们使用了开源编程语言R，并结合RStudio版本1.1.463 (RStudio, Inc) [21]，是R的开源集成桌面环境[22］．R和RStudio都是免费的，需要安装它们来开发和实现RadaR。为了将RadaR构建为基于web的软件应用程序，我们使用了R [23］．Shiny允许R用户在不需要大量Web设计及其编程语言知识的情况下创建交互式Web应用程序。Web应用程序可以在Web上免费运行和托管[24]，以及本地或基于云的服务器或个人电脑。

通过安装额外的包，可以很容易地扩展R的功能。所有用于雷达开发的软件包都列在表1．RadaR在开源环境中开发，并根据GNU通用公共许可证v2.0授权[25]，提供了根据个人和商业用户的需要更改、修改和适应RadaR的选项，同时要求需要记录代码更改[25］．

雷达的计算和数据聚合是在用户选择的基础上反应性地完成的。在病人层面上的单一观察为任何计算奠定了基础。RadaR使用常见的CSV文件作为输入。在RadaR中总共读取3个不同的数据源，用于接收、抗菌和微生物数据，这些数据在启动时进行合并和转换。患者编号或研究编号用作唯一标识符。检查所有的抗菌和微生物数据，以确定它们是否在入院日期的间隔内。

输入数据应该以数据集格式结构化，其中每个变量是1列，每个观察结果是1行。这遵循了哈德利·维克汉姆(Hadley Wickham)所定义的“整洁数据”的概念。26］．表2显示雷达功能的变量集。在我们开发RadaR的设置中，这些变量来自3个不同的数据源:来自医院数据仓库的管理数据、来自实验室信息系统的微生物数据和来自计算机化处方输入系统的抗菌处方数据。数据的准备和清理过程对于每个数据源都非常具体，依赖于当地的数据标准，难以一般化。因此,表2表示用于雷达分析和使用的最终变量和格式，参考上面的“整齐数据”概念和用于制备过程的tidyverse R包集合[26，27］．使用润滑油包和zoo包作为时间点和间隔，使用AMR包作为抗菌(组)名称、微生物隔离物名称、第一隔离物识别和耐药性分析，计算和转换其他变量[28-30.］．微生物耐药按每种抗菌物质计算，如果选择了一种以上的物质，则按共耐药计算。

雷达可用于图形探索性数据分析。LOS的差异通过Kaplan-Meier曲线结合log-rank检验显示，使用survminer包[32］．每年、每季度或每个月的住院人数、抗菌素消费和耐药计数的时间趋势使用qicharts2包在运行图中可视化[33］．使用Anhøj的规则检验这些运行图中的非随机变化[34］．

雷达已经在macOS High Sierra (1.4 GHz, 4gb RAM)中开发，并成功地在Windows 7 (3.2 GHz, 8gb RAM)和Linux (Ubuntu 16.04.4 LTS, 3.4 GHz, 12gb RAM)中进行了测试。一个运行的示例版本已经部署到shinyapps。io是R Shiny应用程序的公开网络托管服务[35］．RadaR的完整源代码可在GitHub上免费访问[36］．我们打算整合来自用户和R社区的建议和反馈。雷达是利用在荷兰格罗宁根大学医学中心住院的患者的数据开发的。回顾性收集数据，并获得伦理委员会的许可(METc 2014/530)。雷达可以在本地受保护的环境中使用，也可以托管在Web上，只要根据国家法规采取了适当的措施来保证数据保护。

结果

概述

我们开发了RadaR，这是一个基于web的软件应用程序，为快速分析包含患者入院、抗菌药物使用和微生物诊断检测结果信息的大型数据集提供了一个直观的平台。这软件应用程式可协助使用者(即医疗辅助队队员)找出问题的答案，例如“某机构/专科/部门最常用的抗微生物药物是什么?它们有否随时间而改变?”，“在抗菌治疗开始时是否进行了充分的微生物诊断?”，” “What are the most frequent microorganisms found and their resistance patterns in different departments?,” and “Can we identify priority areas within a hospital where antimicrobial or microbiological diagnostic use has the largest room for improvement?”

应用程序设计

RadaR是以基于Web浏览器的仪表盘的形式设计的，大多数用户从典型的网站和基于Web的工具(参见图1)．雷达功能的基础是过滤数据集并根据用户定义的选择标准生成分析图。任何计算和数据聚合都是基于对个别患者的单一观察。为了识别和分析患者组，可以在侧栏中找到17个不同的选择标准(表3)．RadaR的输出分为4个面板(患者、抗菌剂、诊断和结果)，每个面板包括3到4个显示结果的输出框(见多媒体附件1)．

所有输出都基于侧栏中用户定义的选择标准。每个新的选择和任何更改都需要通过单击确认选择按钮(参见图1)．用户可以通过单击相应的按钮在不同的分析面板之间导航。

‎ 查看此图

结果以条形图、密度图、运行图、气泡图和Kaplan-Meier曲线显示。每个面板进一步显示一个总结各自数据分析的表。中描述了所有输出框及其内容表4．大多数输出框包括可以通过小齿轮图标识别的修改选项(参见图1)．这些可点击的图标允许对生成的图和表进行进一步的说明。用户可以比较不同的组(例如，按抗菌素使用抗菌药物，每个分离物的耐药性模式，或按专业的LOS)或修改图(例如，从计数切换到比例，更改图表类型，或显示或隐藏图例)。图和表可以通过下载按钮下载为PNG文件的图和CSV、Excel或PDF文件的表。

最后，用户定义选择的2个数据集(抗菌/入院数据和微生物数据)可以从侧边栏菜单中以csv文件格式下载，用于进一步分析(例如，检索所选患者组的患者编号列表)。

开发过程

雷达的开发与AMS团队和荷兰格罗宁根大学医学中心的高级咨询专家密切联系，以满足这一用户群体的需要和要求。随后，欧洲临床微生物学会和传染病抗菌管理研究小组(ESGAP)的所有成员被要求通过运行的基于web的RadaR示例和填写基于web的调查来评估和测试软件应用程序。ESGAP由来自全球30多个国家的约200名成员组成。共有来自9个不同国家的12名成员参加了评估。这产生了用户使用软件应用程序体验的重要信息，进而导致了进一步的改进，反映在我们在本报告中提出的版本中。下一阶段，雷达将在ESGAP成员和其他感兴趣的合作伙伴的不同环境中使用当地现有数据(例如，荷兰一家拥有837张床位的三级护理医院和希腊一家拥有750张床位的三级护理医院)进行测试。

工作流

RadaR的开发和测试使用了我们机构的所有患者的数据集，我们的机构是一家拥有1339个床位的学术三级转诊医院，在2009年至2016年期间，包括超过180,000名入院患者。为了模拟目的和基于web的用户测试，我们创建了一个包含60,000个模拟患者的测试数据集。这个样本数据集允许测试RadaR的功能，但它不会产生有意义的结果。

使用RadaR的典型示例工作流包含6个步骤(包括来自测试数据集的示例)。它们列举如下:

1. 定义选择:例如，接受第二代或第三代头孢菌素静脉注射作为首次治疗至少2天的患者，从数据集中所有年份的任何专科住院的头2天开始。
2. 患者组:确定患者总数和纳入患者人数最多的亚专科(例如，共选择537名患者，其中97名患者来自内科)。调查患者的性别和年龄分布。
3. 抗微生物药物小组:确定每100个床位日的DDD和DOT中初始头孢呋辛治疗的总使用量(例如，分别为4.51和1.5)。按亚专科对结果进行分层，并确定每100个床位日的DDD和DOT的最高数量(例如，DDD和DOT在内科的最高使用量)。
4. 诊断面板:检查所选微生物诊断测试(例如，血液培养测试)是否在治疗开始的同一天进行(在侧栏中定义)。调查多年来进行的测试的比例，并调查与其他亚专科相比，哪个亚专科表现最好(例如，儿科学)。检查在选定的诊断标本(最常见的分离物:大肠杆菌)．调查对头孢呋辛耐药菌株的比例(8.9%)，并分析其随时间变化的趋势。
5. 结果组:根据亚专科或进行的诊断检查确定的患者组中LOS的差异模式(例如，手术中最高平均LOS为7.8天)。
6. 细化选择:调查原始选择的子组。例如，按患者数量只选择前3个子专业，然后重复步骤2到5。

定制

在数据准备完成后，用户只需执行以下4个步骤，即可在新环境中搭建RadaR:

1. 下载R及RStudio [21，22)，它们是免费使用的开源软件
2. 下载或复制粘贴RadaR的源代码[36到RStudio-global中的3个文件中。R,服务器。R和ui。R
3. 在全球。R，manually edit the paths for the prepared datasets to be imported into RadaR
4. 通过在控制台中调用runApp()函数或单击绿色的Run app按钮，在RStudio中运行应用程序。这将下载和安装应用程序所需的R包(如果它们之前没有安装过)，这将创建用于分析的最终数据集。RadaR界面将在RStudio查看器窗格中或在用户操作系统的标准浏览器的新窗口中打开。

雷达的外观已使用级联样式表(CSS)脚本自定义[37它会在应用程序启动时加载到应用程序中。此脚本需要保存到3个主文件(global. xml)目录的子目录中。R,服务器。R和ui。R) called “www.” We recommend RStudio’s project function to create a single project for RadaR and to store all information in this project directory. Users with experience in using CSS can fully alter RadaR’s design by changing the underlying CSS script.

讨论

主要研究结果

我们开发了一个基于web的软件应用程序，用于快速分析诊断和抗菌模式，可以支持AMS团队调整他们的干预措施。它的设计旨在加强相关发现的交流，同时易于使用。这也适用于先前没有广泛软件技能的用户，因为它遵循通常的Web浏览器用户体验。此外，它是使用开源软件开发的。因此，它可以免费使用和下载。根据我们的经验，该系统可在1天内适应新的设置，当所需的数据(表2)。

可获得用于感染管理的商业软件(如Epic抗菌管理模块，TREAT Steward)。这些为过滤、分析和可视化与医院数据基础设施实时连接的电子病历提供了广泛的选项，并已被证明在临床实践中非常有用[38］．然而，由于这些工具的非开源性质，很难比较它们的功能。这一事实，以及购买软件所需的预算，极大地限制了它们的使用。我们相信，透明的软件开发可以支持采用数据驱动的开发，同时增强最佳的护理质量和患者安全，鉴于使用电子病历的新数据驱动开发，这一点至关重要[39，40］．

感染的全球性进一步要求开发适用于资源有限环境的软件工具[41］．用于数据分析的开源方法(如RadaR)比传统方法(如Excel或SPSS)更有优势。Hughes等人在他们的报告中描述了rna测序数据分析软件应用程序[15］．他们强调的方面也是雷达发展的基础。首先，R允许通过易于共享和更改的脚本进行透明、可复制和可持续的数据分析。这可以建立合作的基础，并加强开放科学的精神(也通过网络上强大的合作R社区)。第二，R是开源的，可以免费使用;因此，它还支持在资源有限的设置中使用。最后，Shiny让用户能够与数据进行交互，从而能够快速解释非常大的数据集。

正在研究利用电子病历支持感染管理的创新方法[17-19］．关于抗微生物药物耐药性、抗微生物药物使用和医院感染(如用于质量保证)的报告已经建立，但重要的是将这些数据源以一种允许对所有输入进行详细过滤选项的方法进行集成。仅仅查看抗微生物药物的使用情况或比较汇总结果(例如，每家医院的某一特定抗菌物质的总量与耐药分离物的总数相关联)将导致信息丢失，甚至造成误解。根据每个患者的详细数据和计算对于得出明智的结论至关重要。不幸的是，上述的感染管理方法[17-19要么依赖额外的商业软件进行数据可视化，要么源代码不能公开使用。我们希望鼓励其他人转向可用的开源软件解决方案，如R，以增加合作和透明度的潜力。然而，它们的优势在于与实时数据流的连接。这使得前瞻性的使用成为可能，并增加了它们在日常临床实践中的可用性。由于我们设置的医院数据基础设施不断变化，雷达目前仍然局限于回顾性数据分析。从技术上讲，将RadaR等基于r的软件应用程序连接到按临床数据标准运行的实时医院数据基础设施是可行的[42］．首先，访问静态数据提取通常更容易、更快。雷达可以用来提倡使用数据可视化工具和改善医院数据源的可访问性。在与实时医院数据建立连接之前，RadaR可以作为感染管理中回顾性数据分析的独立选项支持用户。下一步将涉及在多种环境下进行测试，并组建一个用户和研究小组，以继续和扩大在感染管理中使用开源技术和开放科学原则。

结论

RadaR演示了以开源方式为感染管理和AMS团队开发软件工具的可行性，使其可以在不同的设置下根据各种需求自由使用、共享或修改。雷达有潜力成为感染管理和日常实践中AMS的一个非常有用的工具。