วิทยาศาสตร์
พื้นฐานทางคลินิก
NEX ได้รับการพัฒนาขึ้นจากงานวิจัยของ Imperial College London โดยผ่านการรับรองจากผลการศึกษาทางคลินิกที่ผ่านการทบทวนโดยผู้เชี่ยวชาญ (peer-reviewed) และได้รับการปรับปรุงร่วมกับทีมงานในโรงพยาบาลภายใต้สถานการณ์การป้องกันและควบคุมการติดเชื้อ (IPC) ในชีวิตจริง
ขับเคลื่อนด้วยผลการวิจัย
พัฒนาขึ้นจากการวิจัยของ อิมพีเรียล คอลเลจ ลอนดอน (Imperial College London)
ผ่านการทดสอบความเครียดจากโรคระบาดใหญ่
อ้างอิงจากการทำงานในสภาวะจริงของโรงพยาบาลในช่วงการระบาดของโควิด-19
ผ่านการตรวจสอบทางการแพทย์
ผ่านการทดสอบและรับรองผลในโรงพยาบาลต่าง ๆ ทั่วโลก อีกทั้งยังได้รับการจัดพิมพ์เผยแพร่และผ่านการทบทวนโดยผู้เชี่ยวชาญในสาขาเดียวกัน
สร้างขึ้นร่วมกับทีมงานโรงพยาบาล
ระบบข้อมูลความเสี่ยงอัจฉริยะที่ขับเคลื่อนด้วย AI เพื่อระบุผู้ที่มีความเสี่ยงมากที่สุด และเวลาที่ควรเริ่มดำเนินการ
กรณีศึกษา
ค้นหาข้อมูลเพิ่มเติมจากกรณีศึกษาของเราจากทั่วโลก
กรณีศึกษา 01 · ข้อมูลกรองความเสี่ยง
การเฝ้าระวังแบบกำหนดเป้าหมายเชิงรุก
NEX ช่วยคาดการณ์ว่าผู้ป่วยรายใดมีโอกาสติดเชื้อดื้อยาหลายขนานมากที่สุด ซึ่งช่วยให้ทีมควบคุมและป้องกันการติดเชื้อ (IPC) สามารถมุ่งเน้นการคัดกรองและการสอบสวนผู้สัมผัสไปยังจุดที่มีความเสี่ยงสูงสุดได้อย่างตรงจุด
68%
การตรวจคัดกรองและการเฝ้าระวังเชิงรุกที่จำเป็นมีจำนวนลดลง
85%
ตรวจพบการรับเชื้อกลุ่มเชื้อดื้อยาหลายขนาน (MDRO) ได้ตั้งแต่ระยะเริ่มต้น ก่อนการตรวจคัดกรองตามปกติของโรงพยาบาล
กรณีที่ 02 · ข้อมูลข่าวกรองเกี่ยวกับการแพร่ระบาด
การปรับปรุงการปฏิบัติตามมาตรฐานการควบคุมการติดเชื้อ
NEX ช่วยทีมควบคุมและป้องกันการติดเชื้อ (IPC) ในการติดตามสถานะของเชื้อดื้อยาหลายขนาน (MDRO) การตรวจคัดกรองซ้ำที่ตกหล่น และขั้นตอนการแยกผู้ป่วย ซึ่งช่วยสนับสนุนให้การปฏิบัติงานด้านการควบคุมการติดเชื้อมีความสม่ำเสมอยิ่งขึ้นในทุกๆ หอผู้ป่วย
44%
อัตราการเข้าร่วมการตรวจคัดกรองเพิ่มขึ้นภายใน 4 เดือน
ผลลัพธ์ที่สนับสนุน:
การปรับปรุงแนวทางปฏิบัติในการแยกกักโรคในทุกหอผู้ป่วย
ลดโอกาสการพลาดการตรวจคัดกรองซ้ำ
ลดความเสี่ยงที่เลี่ยงได้ในการสัมผัสเชื้อภายในหอผู้ป่วย
กรณีศึกษา 03 · ข้อมูลกรองเพื่อการเฝ้าระวัง
การตรวจเฝ้าระวังการติดเชื้อที่เกี่ยวข้องกับการใช้อุปกรณ์ทางการแพทย์แบบอัตโนมัติ
NEX ช่วยให้การเฝ้าระวังการติดเชื้อที่เกี่ยวข้องกับอุปกรณ์ทางการแพทย์เป็นไปอย่างอัตโนมัติในบางส่วน ซึ่งช่วยลดภาระงานในการพิจารณาเคสด้วยตนเอง พร้อมทั้งเพิ่มความสม่ำเสมอและความสามารถในการตรวจสอบย้อนกลับได้
87%
การลดเวลาที่ต้องใช้ในการพิจารณาคดี
ผลลัพธ์ที่สนับสนุน:
ปรับปรุงความสม่ำเสมอในการจัดจำแนกประเภท
ลดโอกาสการตกหล่นของเคสอันเนื่องมาจากช่องว่างในการดำเนินงาน
บันทึกการตรวจสอบที่สนับสนุนด้วย AI เพื่อความปลอดภัยทางคลินิก
