Bridging Data Systems to Develop Interventions for Older Adults Exposed to Extreme Heat.

چکیده اصلی

BACKGROUND: The development of clinical tools to combat extreme heat events (EHEs) is urgently needed. However, the collection, linkage, and application of data and technology required to address the health consequences of EHEs-through individualized decision-making, population-focused interventions, and health system planning-remain in its infancy despite the wealth of data infrastructure in health care systems. METHODS: In this paper, we describe a use case for data-intensive system architecture that can enable best practices for addressing EHE-related health risks in older adults with cardiovascular disease (CVD), a population uniquely vulnerable to EHEs. RESULTS: Descriptions of various data sources integrated into a modular approach are discussed that allows multilevel (ie, individual-level, population-level) evaluation of EHE-related risk. Individual data streams include batched data from personal digital health devices such as wearables, indoor temperature sensors, and electronic medical record data linked through unique identifiers. Data collection, processing, and analysis as well as related challenges (eg, data quality, processing requirements, and health care system attribution) are also discussed. How this data architecture can then address important preclinical, clinical, and related questions are then described, including: (1) which physiological signals (including cardiovascular and sleep measures) may best anticipate EHE-related health care utilization in older adults with CVD; (2) how do heat thresholds that increase EHE-related health care utilization differ by medication use and type, and comorbidities; and (3) how does indoor versus outdoor temperature measures influence these associations-all understudied aspects of EHE risk in older adults. CONCLUSIONS: With considered effort and expertise, a modular data architecture that allows the combination of different elements will enable the development of clinical tools to address EHE-related health risk among older adults with CVD at multilevel scales.

ترجمه فارسی چکیده

توسعه ابزارهای بالینی برای مقابله با رویدادهای گرما شدید (EHE) به شدت مورد نیاز است. اما جمع‌آوری، پیوند و کاربرد داده‌ها و فناوری‌های مورد نیاز برای مدیریت پیامدهای سلامتی EHE، از جمله تصمیم‌گیری فردی، مداخلات متمرکز بر جمعیت و برنامه‌ریزی سیستم سلامت، در حالی که زیرساخت‌های داده در سیستم‌های مراقبتی غنی است، هنوز در مراحل ابتدایی است. این مقاله یک مورد استفاده از معماری سیستم‌های مبتنی بر داده را توصیف می‌کند که می‌تواند بهترین شیوه‌ها را برای مدیریت ریسک‌های مرتبط با EHE در سالمندان مبتلا به بیماری‌های قلبی عروقی (CVD) که به این رویدادها حساس هستند، فراهم کند. این رویکرد از داده‌های متعددی از جمله داده‌های دستگاه‌های سلامت دیجیتال، سنسورهای دمای داخل و داده‌های سوابق پزشکی الکترونیکی استفاده می‌کند. همچنین به چالش‌هایی مانند کیفیت داده و نیازهای پردازش اشاره می‌شود. این معماری می‌تواند به سوالات پیش‌بالینی، بالینی و مرتبط پاسخ دهد، از جمله اینکه کدام سیگنال‌های فیزیولوژیکی (از جمله اندازه‌گیری‌های قلبی و خواب) می‌توانند بهتر از استفاده از خدمات سلامتی در سالمندان مبتلا به CVD در برابر EHE پیش‌بینی شوند.

متن کامل اصلی