围术期数据汇总可视化系统改善麻醉病例准备:一项随机交叉试验

2021
05/08

+
分享
评论
古麻今醉
A-
A+

现代医疗的关键特征之一是治疗选择的不断扩大。

      

现代医疗的关键特征之一是治疗选择的不断扩大。每年有新的药物、程序和设备可用,并纳入临床医疗。虽然这些新的治疗方法对某些患者有潜在的价值,但通常是在没有显示出其优于现有治疗方法疗效的情况下被引入,而且这些新方法的价格往往会上涨,结果也未经证实。有人说,“提高外科处理质量的当前挑战不是发现新知识,而是如何整合我们已经知道的知识”。有些手术经常进行,但大多数手术很少进行。例如,2017年通用操作术语(CPT)更新增加了170个新手术,修订了60个代码,删除了82个代码,一共10115个代码。在学术医学中心,外科医生变得相当专业,与他们一起工作的麻醉医师也趋于专业化。然而,这种专业知识不会自动转移到一个机构的新教员,也不会转移到第一次经历这种情况的培训人员。减少非必要治疗方案的一个挑战是有效地管理各种各样的外科手术。虽然一个机构可能会执行数千种类型的手术病例,但隐私和组织管理的限制阻止了机构查看以前的病例来了解以前的做法。为了解决这一问题,2021年《Journal of Clinical Anesthesia》杂志发表了题为《Visualization of aggregate perioperative data improves anesthesia case planning: A randomized, cross-over trial》的研究,开发了一个从麻醉记录中提取关键数据的系统。目的是提高麻醉住院医师的病例计划效率。该系统使所有围术期数据可视化,以帮助制定麻醉病例计划,减少不必要的治疗,同时让麻醉学员了解如何在他们的机构中实施麻醉,而不只是一次麻醉只能获得一个病例的经验。如果研发成功,该系统将帮助提高麻醉学员的基于系统的实践(systems-based practice,SBP)和基于实践的学习与进步(practice-based learning and improvement,PBLI)的核心能力。  

目的  

开发一个从麻醉记录中提取关键数据的系统,目的是确定使用该系统是否能提高麻醉住院医师的病例准备效率。

材料和方法  

范德比尔特大学人类研究保护计划(田纳西州纳什维尔)提供了机构审查委员会的批准,并获得了所有研究参与者的知情同意。本文遵循CONSORT指南。

系统设计与数据源

我们的目标是让麻醉医师能够以明确的方式查询特定类型手术的围术期数据库,并快速简单地从最近实施的麻醉中获得一份有解释说明的关键麻醉细节摘要。为此,我们构建了一个系统,它提供了一个可视化的围术期数据汇总来协助准备麻醉病例,我们命名为Nimbly。Nimbly的后端部分位于我们机构的围术期数据库中。我们的围术期数据库是一个基于SQL服务器的操作数据存储,它对我们的系统执行定期恢复,在此基础上开发了一个围术期数据模型,抽取出麻醉过程的关键数据。这些关键数据包括围术期工作人员、病例时间、液体、药物、执行的手术、气道控制、放置的监护仪/血管通路以及按主要CPT代码执行的手术。这些组成部分从我们的电子健康记录中的临床文档中提取。我们已经开发了围术期数据模型的视图,该视图已被确认,并提供了一个基于SQL视图的模型来提取Nimbly。在开始这项研究之前,前一年的数据从我们的围术期数据库加载到Nimbly中。

Nimbly的用户前端(图1-4)是一个web应用程序,它托管在符合《健康保险便携性和责任法案》(HIPAA)的CentOS平台上,并在Django python框架内实施。用户提供身份验证凭据,然后可以访问Nimbly的搜索界面。在该界面中,提示用户搜索执行的主要外科手术的CPT代码,该搜索通过包含手术代码或代码本身的描述的搜索来执行。系统提供内联的自动完成功能,方便用户体验。在正式使用之前,通过参与者的输入对前端进行反复修改,重点是提供易于理解的清晰信息。

选择主要手术后,将显示该病例类型的概述。搜索将反馈一年内执行的手术,确保向用户提供最新的临床概述。概览屏幕显示包含的病例数以及手术位置的分布、使用的气道类型、平均手术时间、平均估计失血量、主要的监护方法和血管通路(图1)。子选项卡上提供了具体病例特征的图表,以便更详细地了解手术阶段(图2)和病例时间(图3)的用药情况,以及估计失血量的分布(图4)。

参与者评估

采用随机、平衡、交叉研究设计和标准评估方法对有无该系统的麻醉病例准备进行评估,即比较标准操作与强化操作。该方法共由24个问题组成,由住院医师和主治麻醉师输入改进的Delphi法输入来开发迭代方式。该方法采用六个病例情景设计,每一个情景都包含同一组与麻醉病例准备具体内容相关的四个多项选择题,包括麻醉类型与气道装置,病人体位,估计失血量,血管通路和监护。此外,我们还开发了一个经过修改的、简明的系统可用性量表来评估该系统的可用性。这些组成部分被合并到下面描述的三个版本的评估中,这些版本使用REDCap进行开发和管理。

我们招募了临床第二年(PGY-2,CA-1)的麻醉住院医师(n=19),他们开始独立制定麻醉病例准备,随后提交给主治医师。这些初学麻醉的受训者是通过电子邮件交流招募的,每完成一个流程,他们会得到一张价值25美元的礼品卡作为补偿。我们选择利用激励机制来最大限度地提高参与度,因此我们的总招募人数相对较少(n=19)。所有参与者都完成了所有流程。在研究登记时使用Microsoft Excel中的随机化功能(由JPW执行),参与者被随机分为两个大小大致相同的组,指定为A组和B组。评估分三次进行,在每月一次的临床培训计划开始时进行。选择的病例是住院医师在最初三个月的培训中最常执行的手术之一。

在第一个流程是向参与者介绍麻醉病例准备系统,并将基本评估情况分配给所有参与者来衡量他们的表现(附录A)。要求参与者使用他们的典型方法,即他们认为适合完成任务的任何资源,并且他们可以访问任何电子在线资源,包括传统的、基于教科书的麻醉病例材料。通过比较每个参与者的答案与实际麻醉实践的频率分布对评估结果进行评分,如统计分析部分所述,每个病例场景使用0到4的连续评分。

在第二个流程中,A组(n=9)的参与者被分配到评估的第1版,该版本指示他们在病例方案1-3中使用麻醉病例准备系统,在病例方案4-6中使用标准实践方法。B组(n=10)的参与者被分配到评估的第2版,在病例场景1-3中使用标准实践方法,在病例场景4-6使用麻醉病例准备系统。在第三流程,评估是交叉的,即A组完成评估的第2版,B组完成评估的第1版。这些评估在2018年6月至9月完成,在他们的PGY-1,CA-0学年即将结束的时候。

选择这种类型的交叉设计有两个目的:1)更好地区分强化病例准备与个体间实践差异的影响,2)检测和调整因重测现象而产生的“学习效应”,即由于重复评估而进步的表现。在研究结束时,每个参与者使用标准实践两次完成整个评估,使用增强型案例规划工具一次完成整个评估。

评估评分

在评估评分中,六个手术中每一个手术的主要麻醉类型、体位和估计失血量问题的分值在0到1之间。对于主要的麻醉药,分数由少量选定的主要麻醉药的既往手术决定。以类似的方式确定体位和估计的失血分数。然后将这些分数相加,得出每个评估共6个分数-每个案例场景一个-值从0到4不等。两位研究者(JPW,MDM)回顾了每个病例最常选择的方法,并验证了它们与我们机构目前训练和实施的麻醉方法一致。

统计分析

描述性统计以中位数和四分位间距来描述每个问题的得分。Wilcoxon-Mann-Whitney检验使用增强的练习系统与普通的练习,对每个问题的分数进行未经调整的比较。线性混合效应回归分析用于量化强化病例计划系统对平均评估分数的影响、调整手术类型和评估顺序(基线评估与后续评估)。研究参与者编入的随机拦截被用来解释个体间的表现差异。使用Wald型95%可信区间(CI)和假设检验对麻醉病例准备系统对平均评估得分的影响进行量化。p值小于0.05被认为具有统计学意义。所有的分析都使用R和附加包lme4实现。

本研究的受试者通过一个简单的样本选择,样本包括在我们机构开始临床第二年的所有CA-1住院医师。我们认为,与其他组相比,这组住院医师代表了一个可能受益于该系统的组,因为他们在日常麻醉计划中的临床暴露有限。然而,我们报告的95%置信区间的精确度证明,在模拟病例准备任务中,评估强化病例准备系统对住院医师绩效的影响具有相当高的统计精确度。

结果

从19名参与者中收集,共完成516份调查问卷。在所有参与者、评估和病例情景中,平均得分(±SD)为2.55±0.32分(表1)。使用麻醉病例准备系统后,住院医师的表现在统计学上有显著改善(p<0.001),效果为0.120分(95%CI,0.060~0.179)。虽然仅占平均得分的4.71%,这种表现上的差异代表了大约30%的受试者内的分数可变性(SD=0.32)。这一效果意味着参与模拟病例准备练习与获得额外的临床经验具有相似的效果。此外,在调整案例情景的影响和使用病例准备系统后,我们观察到从一次研究评估到下一次研究评估的学习效果,每次评估后的绩效平均提高0.055分(95%CI,0.034到0.077)(p<0.001)。评估得分也与病例情景显著相关(p<0.001)(表2)。

 
 

之后进行了若干敏感性分析。为了评估麻醉病例准备系统对每个问题表现的影响,我们根据麻醉病例准备的要素(主要麻醉的类型、病人的体位、估计的失血量、血管通路/监护),对每个亚组进行线性混合效应回归分析。四分之三的问题有助于整体表现的提高,使用麻醉病例准备系统分别使主要麻醉类型的问题的变化为0.060分(95%CI,0.024至0.096;p<0.001),患者体位问题的变化为0.001分(95%CI,-0.035至0.032;p=0.941),估计失血量问题的变化为0.027分(95%CI,95% CI, 0.002 to 0.052; p = 0.037),血管通路/监护问题的变化为0.032分(95%CI,0.007到0.057;p=0.013)(表3)。

 

修改后的简明系统可用性量表的结果显示了麻醉病例准备系统总体比较积极的印象。使用该系统后,95%的参与者同意或强烈同意这样的说法:“我想我愿意经常使用这个系统。”90%的人同意或强烈同意“我认为该系统易于使用”、“我认为该系统将改进我的麻醉病例准备”和“使用该系统使我对我的麻醉病例准备更有信心”(表4)。

 

讨论

协助医生和培训人员在他们适应新的实践环境时进行病例准备,对教育工作者来说是一个务实的挑战。从纯实际的角度来看,当在专业领域之外或在新的实践环境中工作时,麻醉医师有可能鉴别出以前接受过类似手术的病人(尽管很费劲),这些病人与他们将来计划进行的手术相似。查看这些手术的记录将提供通常如何进行麻醉准备的记录。然而,这一行为将构成对隐私的侵犯,并违反了《健康保险携带和责任法案》。因此,利用信息指导实践在理论上虽是可行的,但在现实中仍然是不可能的。在我们的研究中,我们假定当使用麻醉病例准备系统作为假想病例准备练习的一部分时,麻醉住院医师的表现会更好。我们有几个有趣的发现,每一个都将在下面根据当前的文献和常规实践进行讨论。

首先,我们的研究结果显示,当使用麻醉病例准备系统时,受训人员的表现略为优越。此外,学员们对我们改进的、简明的系统可用性量表给予了高度评价。在尚未制定具体处理方案的地区,减少处理差异的另一种方法是参考描述各种病例的教科书。然而,教科书很快就会过时,它们不一定描述某一特定机构的现行做法。与教科书不同的是,通过动态提取最近实施的治疗总结观点,创建经验性的、基于实践的指导方针,并根据支持情境学习的使用频率对方法进行排序。虽然不能保证这是一个最佳实践方法,但它确实使每个麻醉医师了解他们机构的常规实践,这对于整个围术期团队的处理协调非常重要。对于已建立的大型外科手术,一些研究小组已经制定了详细的指南,说明如何为此类特定类型的手术提供优化的外科和麻醉准备,如结肠切除术、膀胱癌和乳房重建术、髋部骨折和关节成形术,以及各种其他手术。这些指导方针是在仔细回顾现有文献,并与多个卓越中心的外科医生讨论后制定的,这些外科医生专门从事其中一种手术。然而,对于那些试图开发基础麻醉学临床应用的新学员,在他们的机构的围术期领域他们将MK(医学知识)、PC(病人护理)与SBP和PBLI的核心能力结合在一起,与建议的循证指南相比,回顾总结、典型病例管理可能有助于他们自己的病例准备,也有助于了解他们机构的资源利用和处理提供情况。对于早期的GME学习者来说,这种容易获取的数据汇总可以开发一种模板化、系统化、基于证据的多学科患者治疗方法。

第二,我们目前的工作证明了开发一个系统的可行性,该系统可以收集病人围术期治疗的关键麻醉信息。在将临床信息汇编成可解释的患者临床路径集合方面,已经描述了多种方法;然而,所描述的方法是用于非手术患者处理。例如,Care Pathway Explorer是一个从电子病历中提取事件的系统,即诊断、实验室和药物序列。然后利用Sankey类型的流程图以可视化的方式分析和呈现这些序列。这些方法的其他版本侧重于更灵活的事件管理,但具有相同的底层框架。所呈现的用例与糖尿病和高脂血症的管理相关;没有一个结构的方式,将有助于麻醉准备。虽然这些类型的系统在理论上可以在围术期使用,其中使用了许多可预测的药物序列,但为支持该系统而开发的数据结构是基于医生处方的药物,而不是医生提供的药物,并且是在数月而不是数分钟的时间轴上完成的。这些因素排除了这种以内科为主的应用在围术期的整合,供麻醉医师使用。

已经开发了特定的系统来识别治疗过程的变化和一致性。这些系统与我们开发的系统一样,利用摘要图表和表格为特定的患者队列提供描述和处理概要。然而,与上述系统一样,这些系统的重点是围绕入院、检查、诊断和出院的基于医学和急诊医学的应用。因此,虽然存在某些共享的可视化特性,但最终现有的系统无法满足所确定的需求,我们开始开发自己的方法。

第三,在进行上述系统评估的同时,我们开发了一种方法,将此系统集成到我们的电子病历中,麻醉提供者只需点击一下就可以访问他们正在准备的病例的主要手术摘要。因此,我们开发和评估的这个方便、快速获取的查询系统具有现实的可行性。在这个系统的帮助下,从业者有可能有效地管理各种各样的外科手术。为了取得更好的效果,还需要开展进一步的工作,以确定更新版本是否有助于减少不必要的处理变化,从而通过增加更多循证实践和处理标准来改善患者结果。

我们的研究有几个局限性。由于该系统是在我们的研究机构反复开发的,并且依赖于我们围术期数据库的特定数据结构,因此将该系统提供给其他机构以进行多中心研究是不可行的。这使得我们的样本量仅限于一类低年资住院医师,这可能会影响我们结论的普遍性。第二,该系统不允许CPT和外科医生同时进行搜索。由于一些麻醉准备决策是为了适应手术技术而做出的,而手术技术可能因外科医生而异,因此在这些情况下,汇总视图可能缺乏适当的数据细分来提供适当的决策。虽然这在我们的机构中不太重要,因为多数手术的外科操作已经达到标准化,一个有用的未来开发工作将是增加按外科医生筛选结果的能力。最后,我们将研究重点放在我们的低年资住院医师身上,因为他们的经验最少,是我们认为最有可能受益于这种系统的人群。虽然这一系统可能对更多开始进一步轮转的高年资住院医师有价值,但开始这种轮转的住院医师数量有限,这在执行研究时带来了管理上的挑战,因此我们选择只纳入低年资住院医师,这可能会限制我们结论的普遍性。

最后,这种病例准备系统可能有助于临床医师更好地了解患者在其他同行进行治疗下所经历的治疗过程。它还可以为住院医师管理者提供一个客观的衡量标准,用来评估培训学员对治疗指导方针的遵守情况,以及作为一个客观的方法来评估治疗变化与住院医师日常绩效评估之间的关联。总的来说,实现这种透明度的系统可以促进围绕最佳实践和GME学习者的对话,通过提供治疗差异、后果和改进建议的具体说明,提高绩效反馈的价值,从而促进专业发展。在缺乏需要进行大量的并且范围有限的工作来制定正式指南的情况下,这种自动抽象的治疗指南的制定方法可能有助于减少不必要的治疗变化,并引导临床医生,特别是受训人员,进入一个新的处理环境。通过减少治疗变化,临床医生可以为患者提供更有效和更安全的治疗;通过所述的病例准备系统,住院医师可以更好地了解基于系统的实践,也可以获得可访问的、用户友好的工具来进行基于实践的学习和改进。

结论

本研究证明了开发一个临床数据可视化系统的可行性,该系统可以整合关键麻醉信息,并在模拟病例准备中发现使用该系统有效提高了住院医师的效率。

头头是道点评:

毕业后教育是教育的重要组成部分,对于医学教育更是如此,关系到如何使医学生更快更好地转变为合格的医生。医疗职业更有其特殊性,新晋医生需要在长期的临床实践中积累经验,增长水平,才能成长为能治病救人的、真正的医生;但另一方面又要保证临床安全,临床医疗不像制造产品有重新来过的机会。这些都是对医学教育者的巨大挑战。目前在我国广泛开展了住院医师规范化培训,其目的也是为了培养合格的临床医师,是医学专业毕业生完成学校教育之后,在经过认可的培训基地,以住院医师的身份,接受以提高临床能力为主的系统、规范的培训。住院医师规范化培训是为了提高临床医师队伍的整体水平,从而提高医疗质量,更好地维护人民群众的利益。如何提高培训效果一直是一线教育培训工作者不断探索的问题。在此过程中也总结了多种教学方法如基于病例的教学法,基于临床实训的教学,情景模拟教学,基于岗位胜任能力评价体系的教学,虚拟仿真实验教学等,每种教学方法都有其各自的优势和特点,在住院医师规范化培养中都发挥了重要的作用。这篇研究的研究人员开发一个临床数据可视化系统整合关键麻醉信息,用于住院医生的培训,让其通过该系统学习其他医生是如何如何处理该病例,并在该系统中进行模拟病例准备,从中汲取经验,查找不足,而又有效避免临床风险,使用该系统能有效提高了住院医师的效率。它还可以为住院医师管理者提供一个客观的衡量标准,用来评估培训学员对治疗指导方针的遵守情况,以及作为一个客观的方法来评估治疗变化与住院医师日常绩效评估之间的关联。同样的,该系统也存在一定的局限性,就如作者在讨论部分所言,不具备在其他医疗机构开展的条件,对临床数据库有更高的要求,受益人群可能仅局限于低年资住院医师,因此我们在借鉴其经验的同时不能全盘照抄,还需要结合自身实际综合应用各种教学方法,探索出适合自身医疗机构住院医师规范化培训方法,切实提高住培效果。

编译:孙朱洁

审校:蒋珏;点评:姜虹


原始文献Jonathan P. Wanderer, (M.D. M.Phil., FASA, FAMIA) ,Thomas A. Lasko, et al. Visualization of aggregate perioperative data improves anesthesia case planning: A randomized, cross-over trial.Journal of Clinical Anesthesia. 68 (2021) 110114


  
本文由作者自行上传,并且作者对本文图文涉及知识产权负全部责任。如有侵权请及时联系(邮箱:nanxingjun@hmkx.cn
关键词:
围术期,数据,麻醉,随机,方法,手术,外科,医生

人点赞

收藏

人收藏

打赏

打赏

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

推荐课程


社群

精彩视频

您的申请提交成功

确定 取消
剩余5
×

打赏金额

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!