儿科患者病情恶化早期预警临床决策支持系统构建及应用评价

章莹莹,张晓波,陆国平,黄勤,王颖雯,傅唯佳,胡静,沈伟杰,杨玉霞,顾莺

(1.复旦大学附属儿科医院 重症医学科,上海 201102;2.复旦大学附属儿科医院 呼吸科;3.复旦大学附属儿科医院 护理部;4.复旦大学附属儿科医院 信息科)

儿科疾病起病急、发展迅速、易致重症[1],早期识别可能病情恶化的患儿并及时干预,可有效改善预后[2-3]。儿童早期预警评分(pediatric early warning score,PEWS)[4]作为初筛工具,已被证明其高敏感性、特异性,但有研究[5]描述,PEWS使用时存在评估不准确、记录不完整的问题,可能导致无法准确识别病情恶化患儿、错误传递信息。我院于2018年实现信息化PEWS评估,但缺少决策支持功能,护士缺乏评估支持、未能基于评估制订相应策略。研究[6]表明,智慧医疗系统可有效解决问题,临床决策支持系统(clinical decision support system,CDSS)作为其一,利用模型或知识库,针对半结构化、非结构化临床问题,以人机交互辅助临床决策[7]。多项研究[7-8]表明,CDSS对改善护理质量,实现科学化、标准化护理实践,提高工作效率具有重要价值。本研究旨在依据临床决策支持系统参考模型(clinical decision support system-reference model,CDSS-RM)构建儿科患者病情恶化早期风险评估及预警决策支持系统(intelligent risk assessment and early warning system,IRA-EWS)并评价应用效果,为护士准确评估、制订分级响应策略提供决策支持。

1 对象与方法

本研究分为2个阶段,第1阶段为IRA-EWS研发,目的是构建“儿科患者病情恶化早期风险评估及预警决策支持系统”,采用半结构式访谈和专家论证会确定系统功能清单;第2阶段为IRA-EWS应用效果评价,目的是描述IRA-EWS的应用效果,采用横断面调查评估护士使用体验。

1.1 第1阶段:IRA-EWS研发 以半结构式访谈了解护士对现有信息化PEWS评估的使用体验、对IRA-EWS的功能需求,参考CDSS-RM形成IRA-EWS功能清单,以专家论证会讨论其可行性后完成系统设计。CDSS-RM是构建决策支持系统的参考模型,它依据临床决策过程重要特征,要求设计者考虑六大要素:模仿临床决策者认知、提供具有纵向洞察力的建议、符合实际场景、考虑并改进过去的错误决策、整合已有临床标准和常规、利用非结构化数据。IRA-EWS功能清单除考虑护士需求,也根据这些要素补充设计了相应功能。

1.1.1 研究对象 采用目的抽样法,选取上海市某三级甲等儿童医院护士为研究对象。纳入标准:责任护士、信息联络员(收集、反馈信息系统运行现况的护理人员);排除标准:不使用或很少使用信息系统的护士(实习及进修护士、不直接参与临床护理的护士、门急诊及ICU护士)。样本量以访谈资料饱和为标准。专家论证会选取5名中级及以上职称、本科及以上学历、至少10年儿科临床工作经验的护理专家参与讨论。

1.1.2 访谈提纲 (1)PEWS可以帮到您吗?(2)PEWS便于使用吗?(3)您使用PEWS时遇到了什么问题?如何解决?(4)您认为信息技术可以帮助解决问题吗?(5)如果设计一个信息系统改善PEWS使用感,您希望具备什么功能?(6)您认为现有响应程序及措施需要修改吗?如何修改?

1.1.3 资料收集 采用面对面半结构访谈收集资料。访谈地点为科室会议室,时间为25～40 min。访谈前告知受访者研究目的、意义,征得知情同意。研究者全程录音,观察并记录受访者表情、动作、情绪反应。对IRA-EWS功能清单初稿的临床适宜性,采取少数服从多数原则,由专家对每项功能逐一投票表决是否保留,形成正式版功能清单。

1.1.4 资料分析 访谈结束24 h内将录音转换成书面文字并归档,以 Colaizzi 7 步分析法结合 NVivo 11.0进行资料分析。

1.2 第2阶段:IRA-EWS应用效果评价 本阶段采用横断面调查评估护士使用体验。

1.2.1 研究对象 选取上海某三级甲等儿童医院护士作为研究对象。纳入标准:工作1个月及以上、掌握IRA-EWS使用方法。排除标准:实习及进修护士、不直接参与临床护理的护士。采用与群大小成比例的不等概率抽样法,将我院11个住院病区按病区数字排序,计算各病区半年均PEWS记录数构成比、累计比,按照累计比赋予抽样代码区域。以计算机在1～100间生成4个随机数,为17、36、53、70,其所落区域的4病区(心内及免疫科)、6病区(肿瘤外科)、9病区(普外科)、11病区(肾脏及风湿科)为选中的研究场所。样本量为连续纳入研究场所内所有符合纳排标准的护士。

1.2.2 研究工具 选取赵永信等[9]研制的临床护理信息系统有效性评价量表,其包括5个维度、23个指标,从“非常不同意”到 “非常同意”分别计1～5分,量表总Cronbach’s α系数0.768,信度良好。

1.2.3 资料收集 量表制成在线问卷后通过问卷星平台发送链接及填写说明。选择研究对象休息时发送,填写时间为5～20 min,全部条目勾选完毕才可提交。共发放40份,回收40份,有效问卷39份,有效回收率为97.5%。

2 结果

2.1 第1阶段:IRA-EWS的研发结果

2.1.1 临床护士对IRA-EWS的功能需求 访谈至第12人时出现信息饱和,多数受访者认为现有评估流程实用,但也存在问题,希望IRA-EWS提供自动评估和明确、详细的响应程序和处置措施,见表1。

表1 护士使用体验和需求

2.1.2 IRA-EWS功能 IRA-EWS功能清单初稿含三色预警、自动触发评估、自动评估、决策支持、统计视图、数据共享等功能。自动评估是指由系统抓取相应生命体征数据后自动生成得分,专家对此提出异议,担忧该功能所使用数据的准确性、时效性,认为可能削弱护士批判性思维,经讨论后决定删除。最终,IRA-EWS呈现以下功能,见表2,细化后的响应策略见表3,运行流程见图1。

图1 IRA-EWS运行流程

表2 IRA-EWS功能清单

表3 细化后的响应策略

2.2 第2阶段 IRA-EWS的应用效果评价结果

2.2.1 护士一般资料 39份有效问卷填写者均为女性,平均年龄(31.21±3.60)岁;平均工龄(6.73±2.14)年;本科学历为主,共26名(66.66%);护士层级N1(14名,35.89%)、N2(16名,41.03%)能级较多;护士、护师居多,各15名(38.46%);心内科及免疫科护士9名(23.08%)、肿瘤外科护士10名(25.64%)、普外科护士11名(28.20%)、肾脏风湿科护士9名(23.08%)。

2.2.2 护士使用IRA-EWS的体验 总分115分,平均得分(97.46±0.90)分。系统质量、信息质量、服务质量及用户满意的维度得分分别为(4.12±1.09)、(4.25±0.91)、(4.27±0.78)、(4.28±0.88)分;得分最高的条目是“应用培训能满足临床操作需要”,最低是“可以在各个界面灵活切换”;护士使用体验感不佳的条目主要为“可以在各个界面灵活切换”“去除WiFi影响,完成指令的响应时间短暂,卡顿现象小”“满意系统效率”。详见表4。

表4 护士使用IRA-EWS的体验

3 讨论

3.1 CDSS-RM指导护理信息系统构建的合理性 研究[10]指出,国内护理信息系统开发多由临床护士向研发人员提出要求,再行研发。这种模式基于个人理解、需求,没有统一规范、标准化构建体系支持,导致研发的功能重复、参差不齐,造成资源浪费、推广受限。本研究基于CDSS-RM构建IRA-EWS,使其具备完善的决策支持功能,避免因个人经验主导造成系统功能局限。CDSS-RM为构建护理决策支持系统应考虑的因素提供思路,帮助优化功能设计,提高护理信息系统应对临床决策挑战的反应。例如,据此模型建立的决策支持系统可以有效提升老年患者在院及出院后生活质量[11];此模型和知识图谱协同构建的决策支持系统可提供以患者为导向的信息,有效协助护士快速管理患者信息、制订以患者为中心的护理计划[12]。

3.2 IRA-EWS对护理工作的指导意义 本研究充分收集临床护士在PEWS使用过程中的实际需求,开发“自动触发评估”功能,基于可能反映患儿病情恶化的特殊字段(如意识不清、医生下达用氧医嘱)触发PEWS评估,增加了潜在危重症患儿检出率。Viraj等[13]对自动触发功能用于监测电子健康数据、报告不良事件的效果研究很好证明了自动触发可有效监测和报告较多不良事件,提高护理质量、安全。同样,IRA-EWS的“决策推荐”功能通过整合评估结果及预警级别,自动推荐协定护理措施,辅助护士判断并制订合理的护理计划。多项研究[14-17]已验证,决策推荐功能可辅助护士快速判断健康问题、采取措施、制订更优的护理计划,显著提高护理质量和患者安全。

3.3 护士对IRA-EWS的使用体验 本研究表明,护士使用IRA-EWS体验良好,5个维度得分均在4分以上。护士“不满意”的条目较多集中于“系统质量”维度,并对IRA-EWS效率感到不满意。例如患儿一直处于高流量吸氧状态,无其他病情恶化表现,IRA-EWS会基于规则反复触发PEWS评估,可能与系统尚不能有效利用非结构化信息如病程录中导致高流量吸氧的原因有关,影响了体验感。及时、准确、可及的信息联动是临床决策支持系统必备要素之一[18],提升护理决策支持系统工作效率,必须确保其与各模块、与其他信息系统之间存在稳定信息联动,通过数据挖掘、信息抓取实现数据整合、分析以提高护士工作效率[19-20],这也为改进IRA-EWS提供了思路。