هر سال حدود 13 میلیارد آزمایش آزمایشگاهی در ایالات متحده انجام می شود، اما همه نتایج به موقع یا دقیق نیستند. خطاهای آزمایشگاهی، بیماران را از دریافت مراقبت های مناسب، ضروری و گاهی نجات دهنده باز می دارد. این اشتباهات پزشکی سومین علت مرگ و میر در کشور است.
برای کمک به معکوس کردن این روند، یک تیم تحقیقاتی از آزمایشگاه سیستم‌های مهندسی هوانوردی و فضانوردی MIT (AeroAstro) و پیمانکار مدیریت ایمنی Synensys اکوسیستم داده‌های آزمایشگاهی تشخیصی را بررسی کردند. یافته‌های آنها، از جمله شش عامل سیستمیک که در آزمایش‌های تشخیصی آزمایشگاهی به خطرات بیمار کمک می‌کنند، یک نمای کلی نادر از این شبکه پیچیده ارائه می‌دهند – نه فقط پزشکان و تکنسین‌های آزمایشگاه، بلکه تولیدکنندگان دستگاه‌ها، ارائه‌دهندگان فناوری اطلاعات سلامت (HIT) و حتی مؤسسات دولتی. مانند کاخ سفید. محققان MIT با نگاه کردن به اکوسیستم داده های آزمایشگاهی به عنوان یک سیستم یکپارچه، یک رویکرد مبتنی بر نظریه سیستم، تغییرات خاصی را شناسایی کرده اند که می تواند منجر به رفتارهای ایمن تر برای کارکنان مراقبت های بهداشتی و نتایج سالم تر برای بیماران شود.
آ گزارش تحقیقکه توسط پروفسور AeroAstro، نانسی لوسون، که به عنوان رئیس گروه ایمنی سیستم ها و امنیت سایبری، به همراه مهندس محقق جان توماس و دانشجویان فارغ التحصیل پولی هرینگتون و رودریگو رز انجام شد، پاییز گذشته به سازمان غذا و داروی ایالات متحده ارائه شد. بهبود زیرساخت داده های آزمایشگاهی یک اولویت برای FDA است که این مطالعه را از طریق Synensis انجام داده است.
صدها خطر، شش دلیل
در یک مطالعه یک ساله که شامل بیش از 50 مصاحبه بود، تیم Leveson دریافتند که اکوسیستم داده‌های آزمایشگاهی تشخیصی گسترده اما شکسته است. هیچ کس نفهمید که کل سیستم یا جمعیت بیمارانی که درمان ضعیفی داشتند چگونه کار می کند. مهندسان MIT نوشتند که کارگران خوش نیت تحت تأثیر این سیستم قرار گرفتند تا اقدامات خطرناکی انجام دهند.
نتایج آزمایش ارسال شده به بیماران اشتباه، فناوری‌های ناسازگاری که تبادل اطلاعات بین پزشک و تکنسین آزمایشگاه را تحت فشار قرار می‌دهند و نمونه‌هایی که بدون تضمین کنترل دما به آزمایشگاه منتقل می‌شوند، تنها بخشی از صدها خطر شناسایی شده توسط مهندسان MIT بودند. هرینگتون می‌گوید حجم عظیم خطرات بالقوه، که به عنوان اقدامات کنترل ناایمن (UCAs) شناخته می‌شوند، نباید سهامداران مراقبت‌های بهداشتی را از جستجوی تغییر منصرف کند.
او می افزاید: «اگرچه صدها UCA وجود دارد، تنها شش عامل سیستمیک وجود دارد که این خطرات را ایجاد می کند. با استفاده از یک روش مبتنی بر سیستم، جامعه پزشکی می تواند بسیاری از این مشکلات را در یک لحظه حل کند.
چهار عامل سیستمی – تمرکززدایی، ارتباطات و هماهنگی ناکافی، تمرکز ناکافی بر مقررات مرتبط با ایمنی، و استانداردهای مبهم یا قدیمی – نشان دهنده نیاز به نظارت و پاسخگویی بیشتر است. دو عامل سیستمیک دیگر – تصورات نادرست از ریسک و فقدان یکپارچگی تئوری سیستم – مستلزم یک تغییر اساسی در دیدگاه و عملیات است. به عنوان مثال، جامعه پزشکی، از جمله خود پزشکان، در صورت بروز اشتباه، پزشکان را مقصر می دانند. نویسندگان این گزارش نوشتند که درک سطوح واقعی خطر مرتبط با داده های آزمایشگاهی و HIT ممکن است باعث اقدامات بیشتر برای تغییر شود.
هرینگتون می گوید: «این انتظار وجود دارد که پزشکان هر اشتباهی را تشخیص دهند. انتظار چنین چیزی غیرمنصفانه و غیرمنصفانه است، به خصوص زمانی که آنها دلیلی برای باور اشتباه بودن اطلاعاتی که دریافت می کنند ندارند.
مثل یک مهندس فکر کنید
نظریه سیستم ها ممکن است یک مفهوم جدید برای جامعه پزشکی باشد، اما صنعت هوانوردی چندین دهه است که از آن استفاده می کند.
Leveson، یک متخصص برجسته در زمینه ایمنی سیستم و نرم افزار می گوید: «پس از جنگ جهانی دوم، سقوط هواپیماهای تجاری زیادی وجود داشت که مردم از پرواز می ترسیدند. در اوایل دهه 2000، او تجزیه و تحلیل فرآیند نظریه‌ای سیستم (STPA) را توسعه داد، تکنیکی مبتنی بر نظریه سیستم‌ها که بینش‌هایی را در مورد اینکه چگونه سیستم‌های پیچیده می‌توانند ایمن‌تر شوند، ارائه می‌دهد. محققان در گزارش خود به FDA از STPA استفاده کردند. «صنعت و دولت برای معرفی کنترل و گزارش خطا با یکدیگر همکاری کرده اند. امروز تقریباً صفر تصادف در ایالات متحده وجود دارد. اتفاقی که در حال حاضر در بخش بهداشت و درمان رخ می دهد، مانند سقوط یک بوئینگ 787 است.
توماس می گوید، سایر اصول مهندسی که در هوانوردی به خوبی کار می کنند، مانند سیستم های کنترل، می توانند در مراقبت های بهداشتی نیز اعمال شوند. به عنوان مثال، کنترل های حلقه بسته نیاز به بازخورد دارند تا سیستم بتواند تغییر کند و سازگار شود. توماس می‌گوید داشتن آزمایشگاه‌ها تأیید می‌کند که پزشکان نتایج آزمایش بیماران خود را دریافت کرده‌اند یا بررسی تمام گزارش‌های خطاهای تشخیصی نمونه‌هایی از کنترل‌های حلقه بسته هستند که در اکوسیستم فعلی مورد نیاز نیستند.
توماس می گوید: «کار بدون کنترل مانند این است که از یک روبات بخواهیم با چشم بسته در خیابان حرکت کند. البته امکان اصلاح وجود ندارد. کنترل های حلقه بسته به تصمیم گیری های آینده کمک می کند و در حال حاضر در سیستم مراقبت های بهداشتی ایالات متحده وجود ندارد.
تیم Leveson به همکاری با Synensys از طرف FDA ادامه خواهد داد. مطالعه بعدی آنها غربالگری های تشخیصی را در خارج از آزمایشگاه، مانند در مطب پزشک (نقطه مراقبت) یا در خانه (بدون نسخه) بررسی خواهد کرد. از آغاز همه‌گیری کووید-۱۹، آزمایش‌های آزمایشگاهی غیر بالینی در کشور افزایش یافته است. طبق گفته Synensys، حدود 600 میلیون آزمایش کووید-19 بین ژانویه تا سپتامبر 2022 به خانواده های آمریکایی ارسال شده است. با این حال، سیستم های کمی برای جمع آوری این داده ها یا گزارش یافته ها به سازمان های بهداشت عمومی وجود دارد.
رز می‌گوید: «افراد با نیت زیادی وجود دارند که سعی می‌کنند این چالش‌ها و دیگر چالش‌های داده‌های آزمایشگاهی را حل کنند. اگر بتوانیم مردم را وادار کنیم که به مراقبت های بهداشتی به عنوان یک سیستم مهندسی فکر کنند، می توانیم راه طولانی را در حل برخی از این مشکلات ریشه ای داشته باشیم.
قرارداد تحقیقاتی Synensys هنر هماهنگ سازی سیستم و بهبود قابلیت همکاری برای داده های آزمایشگاهی است.سپر) کمپین، یک ابتکار آژانس است که به دنبال کمک و ورودی در استفاده از نظریه سیستم ها برای مقابله با این چالش است.
