基于决策支持系统的新生儿转运给药知识库构建和应用效果验证

傅唯佳 王颖雯 张 澜 顾 莺 葛小玲 王蓓蓓 苏 玲 冯 瑞 曹 云 汪吉梅 唐 征 刘江勤 叶成杰 王道洋 汤梁峰 蒋龙泉 张 帆 郑如意 周建国张晓波

新生儿转运(NT)是危重新生儿救治过程中的重要环节，其目的是安全地将高危新生儿转运到NICU[1]。NT是“移动中”对新生儿进行的持续救治，转运途中的监护原则是维持患儿体温、血糖和血压稳定并保持呼吸道通畅[2]。急危重新生儿在转运途中根据临床需要应用药物，在医护资源限定和转运环境震动中，如何使医生根据观察和记录下的临床场景，快速精确地下达用药医嘱，同时提供给护士非整支药物的换算/稀释方法，确保给药安全，也是转运途中的重要环节。本研究团队在上海市内关于NT中维持生命体征调查发现，医生在NT中的规范用药有待提高。

本研究团队前期建设了5G+区块链的危重NT信息平台，设计融合5G数据传输功能的新生儿转诊舱，建立了转出医院、医疗急救中心、接诊医院三位一体的危重新生儿急救转诊网络体系。为危重NT照护前移、实现“上车即入院”和提升危重NT质量[3]提供了必要的条件。本研究期望在全场景NT通过决策支持系统优化NT给药临床实践。

1 方法

1.1 研究设计 质量改进研究。检索急危重NT途中给药管理的指南或共识，提取不同转运场景下药物应用证据并通过共识专家组构建NT给药知识库，分析建立的决策支持系统应用后较应用前，急危重NT用药次数和种类是否增加。

1.2 文献检索策略

1.2.1 检索数据库和时间 苏格兰大学校际协作网(SIGN)、加拿大安大略注册护士协会(RNAO)、英国国家卫生与临床优化研究所(NICE)、昆士兰卫生组织(QLD)、美国儿科学会(AAP)、PubMed、Embase、CINAHL、Web of Science、中国知网、万方数据知识服务平台和SinoMed。检索时间从建库至2022年1月1日。

1.2.2 检索词和检索式 检索采用主题词和自由词相结合，中文检索词包括新生儿/早产儿，院际转运/院间转运，指南/共识；英文检索词包括infant/neonat*/newborn/premature，interhospital/interfacility transportation/ transport/transfer，guideline/practice，guideline/consensus/statement。不同数据库检索式和检索截屏结果见附件1(http://www.cjebp.net/CN/10.3969/j.issn.1673-5501.2022.06.012)。

1.3 文献筛选标准 通过阅读题目和摘要初步筛选NT的指南或共识，再阅读全文筛选。文献纳入标准：①实施对象为实施转运的新生儿；②推荐意见中包含给药方案(至少包括药物名称)；③文献类型为指南或专家共识；④文献语言为中文或英文。文献排除标准：①指南或共识解读；②无法获得全文的文献。

1.4 文献偏倚风险评估 采用JBI标准[4]对指南或专家共识方法学质量进行评价。

1.5 数据提取 提取指南或共识中不同场景NT及其给药推荐，并尽可能精确到剂量、用药频次等。

1.6 药物使用知识库的建立 邀请我院新生儿科工作>10年的、具有NT工作经验的、副主任医师及以上职称的、5名重症专业的医生组成专家组，逐一对提取的不同场景NT及其给药推荐进行讨论和修正，形成适用于人机交互的NT药物使用知识库。

1.7 NT药物使用知识库的决策支持系统建立 图1显示，①基于已经建立的5G+区块链的危重NT信息平台，通过建立的转出医院和接诊医院危重新生儿急救转诊网络体系，在开始NT前实现转运新生儿母婴病例信息(胎龄、体重、体温等)转接；②基于专家组形成的NT药物使用知识库，设计相应的决策支持逻辑；③区分智能识别场景(利用人工智能模型实现心率、呼吸、血压、血氧饱和度、血气、血糖的多源数据融合分析)和医生主观判断场景(无法依靠人工智能识别、仅能通过医生主观判断选择场景，如患儿症状显示皮肤苍白、毛细血管充盈时间>3 s、心音低钝，医生判断为低血容量表现，根据主观判断选择药物)；④智能识别场景时，由系统分析结果，当满足触发条件时，自动弹窗推荐应使用的药物；⑤医生主观判断时，由医生手动选择场景，系统根据医生选择推荐应使用的药物，医生开具给药医嘱，其中给药剂量由人工智能模型结合患儿体重自动换算；⑥形成电子文书。

图1 新生儿转运全场景决策支持系统

1.8 结局指标 NT用药次数和种类。

1.9 验证数据的来源 决策支持系统2022年8月正式上线运行，选取2022年6～7月上海市内NT药物使用为对照组，2022年9～10月上海市内NT药物使用为干预组。

1.10 统计学方法 采用SPSS 26.0软件进行数据分析，计数资料采用n(%)表示，两组比较采用χ2检验。P<0.05为差异有统计学意义。

2 结果

2.1 文献检索和筛选 图2显示，中英文数据库共检索到141篇文献，其他资源补充检索到8篇文献，去重后107篇文献进入初筛。最终纳入1篇专家共识[5]进入不同场景NT药物使用知识库的提取。

图2 文献检索和筛选流程

2.2 JBI评价专家共识文献质量 具体评价结果如下。是否明确标注了观点的来源(是)，观点是否来源于该领域有影响力的专家(是)，所提出的观点是否以研究相关人群利益为中心(是)，推荐意见是否是基于分析的结果？观点的表述是否具有逻辑性(是)，是否参考了现有的其他文献(是)，所提出的观点与以往文献是否有不一致的地方(否)。评价质量为高。

2.3 不同场景NT药物使用知识库 专家组对纳入的1篇专家共识中提取的不同场景NT的用药推荐进行了讨论，认为：①血糖<2.6 mmol·L-1场景设置不精确，应当分为症状型和非症状型低血糖场景；②10%葡萄糖、生理盐水、多巴胺、5%碳酸氢钠、米力农的推荐药物方案不够具体；③建议增加权威专著3部作为证据来源[6-8]，完善不同场景NT药物使用知识库。表1为基于1篇专家共识和3部专著提取的不同场景NT的用药推荐和专家组讨论形成的NT药物使用知识库。

表1 新生儿转运不同场景给药知识库药物推荐

2.4 决策支持系统的验证 表2显示，对照组30例，干预组61例，两组患儿性别、病种、胎龄差异均无统计学意义。

表2 新生儿转运给药知识库使用前后患儿基本信息[n(%)]

出生体重差异有统计学意义，干预组极低出生体重儿比例是对照组的2.6倍(34.4%vs13.3%)。干预组NT来自于闵行区17例，松江区9例，杨浦区和徐汇区各7例，奉贤区6例，浦东新区5例，青浦区和长宁区各4例，金山区2例。对照组NT来自于松江区6例，徐汇区5例，杨浦区4例，闵行区、长宁区、浦东新区和奉贤区各3例，静安区2例，金山区1例。

对照组NT中使用了33次4种药物，其中10%葡萄糖使用了30次(90%)，多巴胺、多巴酚丁胺和芬太尼各1次。

干预组NT中使用了88次11种药物，其中由决策支持系统智能识别后触发弹窗提醒使用了74次(85.9%)，由医生主观判断选择场景后触发使用了14次；10%葡萄糖使用了56次(67.6%)，芬太尼8次，5%碳酸氢钠6次，多巴胺、多巴酚丁胺、肾上腺素、生理盐水、咪达唑仑各3次，呋塞米、前列地尔、肝素钠各1次。干预组用药种类覆盖了对照组，不同场景NT药物使用知识库确定的药物共16种，干预组中5种药物(利多卡因、阿托品、苯巴比妥、甘露醇、米力农)没有使用。

人均使用药物次数比对照组[1.1(33/30)]较干预组[1.44(88/61)]差异有统计学意义(t=-2.06，P=0.041)，人均使用药物种类占比对照组[25%(4/16)]较干预组[62.5%(11/16)]差异有统计学意义(χ2=6.15,P=0.013)。

3 讨论

新生儿转运工作指南(2017版)[5]中即要求转运医护团队具备识别早期休克征象，采取纠酸、扩容等技术，能够处理发绀、低血糖、心律失常等问题。AAP发布的新生儿与儿童转运指南(第4版)[9]中推荐将重要药物的使用方案标准化，以避免或减少转运中用药差错及潜在的不良影响。由于我国NT网络的建设起步较晚，受限于设备设施以及服务半径，临床对NT用药的关注有限，能够获取的证据相对有限，本研究构建的NT药物使用知识库，基于系统的文献检索和文献质量评价，专家组论证场景与给药间的关系，不仅考虑证据本身的质量，同时根据临床实践进行了批判性思考，并增加了3部专著作为证据提取，专家组共接受了9条推荐意见，修改了2条推荐意见表述，细化了5条不同应用场景的推荐意见。

本研究以构建的NT药物知识库为基础，通过概念化知识描述、形式化知识编码、系统测量与评估，将信息系统中患儿数据与临床决策概念绑定，根据知识库内容匹配合适的决策支持功能，对各项条目设置相应的决策支持触发引擎，决策支持系统适用于NT过程中需要给药的各种临床场景，为转运医生及护士等提供迅速、可靠的给药推荐，并通过自动抓取患儿的体重信息，快速完成药物剂量的换算。

发生在2022年3～5月的上海市新冠病毒奥密克戎疫情，使转运特别是NT受到较大的影响。本文NT药物使用知识库的决策支持系统正式上线运行时间为2022年8月，是2022年3～5月的上海市新冠病毒奥密克戎疫情NT的恢复阶段。本文以NT药物使用知识库的决策支持系统应用前2个月和后3个月在上海市内NT数据作为比较，验证NT药物使用知识库的决策支持系统是否能改善NT中用药规范化，用药更积极，以最大可能地实现“上车即入院”。结果显示，对照组NT中使用了33次4种药物，10%葡萄糖使用占比90%，多巴胺、多巴酚丁胺和芬太尼各使用了1次；干预组NT中使用了88次11种药物，10%葡萄糖使用占比下降为67.6%，而芬太尼和5%碳酸氢钠使用占比上升为9%(8次)和7%(6次)，多巴胺、多巴酚丁胺、肾上腺素、生理盐水、咪达唑仑各使用占比3%；不仅干预组用药种类覆盖了对照组，而且人均使用药物次数比干预组(1.44)显著高于对照组(1.1)。说明医生在NT药物使用知识库的决策支持系统中用药积极，更主动地投入到了院前早产儿救治中。

NT药物使用知识库的决策支持系统的智能识别系统也是促使医生积极用药的因素，触发弹窗提醒使用率达85.9%，触发弹窗提醒是基于规范和当前最好证据的推荐，让医生的医疗行为处于更安全和有信心，医生主观判断选择场景后触发仅占14.1%，说明NT药物使用知识库的决策支持系统包含了绝大多数的NT医疗情景。

虽然干预组人均使用药物次数比高于对照组，但应注意到，干预组验证时间较对照组多1个月，NT用药由33次上涨到88次，极低出生体重新生儿比例是对照组的2.6倍。说明随着2022年3～5月的上海市新冠病毒奥密克戎疫情NT恢复时间越长，NT将逐步走向正轨，NT药物使用知识库的决策支持系统也将发挥更正向的作用，使得医生有信心和保障更主动地投入到了院前早产儿救治中。

本研究不足与局限：①本文NT药物使用知识库的决策支持系统的验证样本量小、且情景只在上海市区，与新冠病毒奥密克戎疫情有较大的关联，更大样本量、更远更复杂的转运情景有待进一步验证。②NT药物使用知识库可能随着更为复杂的NT情景会要求不断更新。③决策支持系统中医生主观判断的项目还有待于逐渐转化为智能识别。

致谢：复旦大学附属儿科医院护理部王文超和康琼芳老师对本文的贡献。