【患者安全】技术作为促进患者安全的工具

Technology as a Tool for Improving Patient Safety

编译自：Bryan Gale,The PSNet，Perspectives，March 29, 2023

【介绍】

在过去的几十年里，技术进步为保障患者安全提供了新路径。应用技术实现医疗保健流程数字化有可能提高临床工作路径的标准化和效率，并减少所有医疗机构中的错误和成本。然而，如果技术方法设计或实施不当，临床医生的负担可能会增加。例如，负担过重的临床医生可能会对警报疲劳，并且无法及时响应。这可能会导致更多的医疗错误。近年来，为了证明这一主题的重要性，一些政府机构，例如医疗保健研究和质量机构（AHRQ）和医疗保险和医疗补助服务中心（CMS），已经开发了资源来帮助医疗机构整合技术，例如由国家卫生信息技术协调员办公室（ONC）开发的EHR弹性安全保证因素（SAFER）指南。然而，有一些证据表明这些资源尚未被广泛使用。最近，CMS开始要求医院使用SAFER指南作为2022财年医院住院预支付系统（IPPS）的一部分，这表明应该提高对指南的认识以及利用。

在2022年期间，对技术方法的研究是患者安全网（PSNet)文章的主要主题。研究人员审查了PSNet上的所有相关文章，并咨询了健康信息技术及其在患者安全中的作用的主题专家A Jay Holmgren博士和Susan McBride博士。以下重点介绍了关键主题和思想。

【临床决策支持】

根据PSNet上发表的文章数量，2022年技术研究中最突出的焦点与临床决策支持（CDS）工具有关。CDS 为临床医生、患者和其他个人提供相关数据（例如患者特定信息），这些数据通过各种格式和渠道有目的地过滤和传递，以改善和增强医疗照护。

【医嘱录入系统】

CDS 的主要应用之一是医嘱录入系统 （CPOE），这是临床医生通过计算机应用程序录入和发送治疗指令的过程。 虽然从纸质医嘱开具到电子医嘱录入本身可以减少错误（例如，由于笔迹不清晰或手动复制错误），但 2022 年的研究表明，录入系统还有改进的余地，以及一些有前途的新方法。

两项研究调查了在没有CDS和CPOE的情况下出现药物错误的频率和原因，并证明存在明显的患者安全需求。一项研究发现，大多数用药错误发生在录入或处方阶段，本研究和另一项研究发现，最常见的用药错误是剂量不正确。正在进行的研究，如AHRQ药物安全措施开发项目，旨在制定和验证EHR系统中错误患者、错误剂量、错误药物、错误给药途径和错误频次的药物医嘱的措施规范，以便更好地了解和捕获健康IT安全事件。通过使用有效的CPOE和CDS系统可以避免或至少减少这种类型的错误。但是，即使CPOE和CDS就位，错误仍然可能发生，甚至由系统本身引起。一项研究审查了重复的药物医嘱，发现20%的重复医嘱是由技术问题引起的，包括警报被覆盖，警报未触发和自动化问题（例如，预填充字段）。去年的一个案例研究说明了一个技术问题，手动按键错误可能会导致安全事件。一名药剂师错误地将药物的开始日期设置为第二年而不是第二天，CPOE系统未能标记出这一点。作者建议对系统进行各种警报和编码更改，以防止将来出现这种特定错误。 

2022年也有研究表明，实施良好的 CPOE 系统取得了有成效的结果。一项深入的前后混合方法研究表明，全面实施的CPOE系统显著减少了严重和常见的处方和程序错误。作者还提供了证据，证明这是具有成本效益的，并且从为研究收集的定性数据中吸取了详细的实施经验教训。2022年，一项具体的CPOE功能显示出统计学上的显著改善，即自动取消医嘱描述，并将相关信息传达给药房。取消处方是有计划和有监督的减少剂量或停止不再有效或可能造成伤害的药物的过程。该研究表明，在实施该软件后，成功停药的几率立即和持续增加了78%。关于相同功能的第二项研究确定，目前只有1/3~1/2的药物是电子处方，该研究建议应该扩大电子处方，以增加取消处方软件的影响。然而，应该指出的是，系统并不完善，有一小部分药物被无意中取消。最后，在另一项研究中开发并实施了一种检测结果后需要随访的患者的算法。该算法显示出一些过程改进，但没有报告结果评估。

【可用性】 

CDS系统的可用性是 2022 年研究的一大焦点。设计不好的系统不适合现有工作流程，会导致用户感到沮丧，并增加出错的可能性。例如，如果用户被要求在多个地方输入数据，或者被提示输入他们无法获得的数据，他们可能会找到绕过该系统的方法，甚至停止使用该系统，从而增加患者安全错误的可能性。美国临床医生的文档负担已经非常高，因此重要的是，新技术方法不会增加这种负担，而是尽可能通过提供高水平的可用性和互操作性来减轻这种负担。

一项研究使用人为因素设计来创建一个CDS诊断急诊科的肺栓塞，然后调查临床医生用户使用该工具的体验。尽管受访者对该工具给予了很高的可用性评级，并报告说CDS很有价值，但该工具的实际使用率很低。根据用户的反馈，作者提出了一些改变以增加使用，但用户和作者都提到了在不增加负担的情况下，试图改变临床医生现有工作流程时所面临的挑战。另一项研究收集了临床医生对诊断急诊科神经问题的理论CDS系统的定性反馈。在这项研究中，许多临床医生也看到了CDS工具的潜在价值，但对工作流程集成以及它是否会影响他们做出临床决策的能力感到担忧。最后，一项研究开发了一个仪表板，以显示多种医院获得性感染的各种风险因素，并收集用户的反馈。用户普遍认为仪表板有用且易于学习，他们还就颜色比例、位置和显示的数据类型提供了有价值的反馈。所有这些研究都表明，关注最终用户的需求和偏好是成功实施CDS的必要条件。然而，最近电子健康记录供应商的市场整合可能会对收集并集成到CDS系统中的用户反馈量产生影响。较大的供应商可能有更多的资源用于改善CDS的可用性和设计，或者他们在市场上近乎垄断的地位可能无法激励他们进一步创新。随着这一趋势的持续，需要更多的研究。

【提醒和警报】

提醒和警报是大多数CDS系统的重要组成部分，因为它们可以在治疗过程中向临床医生提示重要和及时的信息。但是，这些提醒和警报必须准确且有用，才能引发适当的响应。在警报提高安全性与临床医生警报疲劳之间取得权衡是重要的平衡点需要去攻克。

2022年的许多研究着眼于临床医生对药物相关警报的反应，包括覆盖率和修改率。一些研究发现了较高的警报覆盖率，但质疑仅使用覆盖率作为CDS有效性和可用性的标志的有效性。例如，一项研究调查了药物过敏警报，发现尽管44.8%的警报被覆盖，但其中只有9.3%被不恰当地覆盖，很少有覆盖导致不良过敏反应。一项关于“不给予”警报的研究发现，临床医生在 78% 的警报后修改了他们的指令以遵守警报建议，但仅在 26% 的警报后取消了指令。一项范围界定审查研究了药物-药物相互作用警报，发现了类似的结果，包括高覆盖率和需要更多关于警报为何被覆盖的数据。这些发现得到了另一项研究的支持，该研究发现触发药物 - 药物相互作用警报的潜在药物值集通常是不一致的，导致许多不适当的警报，然后被临床医生适当地覆盖。这些研究表明，虽然预计会有一定数量的覆盖，但警报系统的基本标准应在设计和定期审查时考虑到特异性和敏感性。这将增加适当警报的频率，从而促进临床行动，减少警报疲劳。

不同地点警报系统的有效性似乎也存在差异。一项研究观察了如果临床医生开具了一种没有根据患者视图指示的药物，则会向问题列表中添加一个项目的警报。该研究发现，两个站点的警报准确率约为90%，但站点之间采取适当行动的频率差异很大（83%和47%）。这表明，每个站点的背景因素（例如文化和组织流程）可能与技术本身一样影响结果。

另一项研究使用日志数据研究了解除警报的心理学，发现解除警报已成为习惯，而且随着时间的推移，这种习惯会自我强化。此外，近四分之三的警报在3秒内被解除。这表明，一旦警觉的习惯形成，要改变或打破它们是多么具有挑战性。

【人工智能和机器学习】 

近年来，医疗保健领域新兴技术的最大领域之一是人工智能（AI）和机器学习。人工智能和机器学习使用算法来吸收大量历史和实时数据，然后在临床医生输入新数据时预测结果并推荐治疗方案。2022 年研究表明，这些技术正开始集成到 EHR 和 CDS 系统中，但挑战仍然存在。对本专题的全面讨论超出了本综述的范围。在这里，我们将讨论限制在 2022 年发布在 PSNet 上的几个以患者安全为中心的资源。

人工智能的一个有前景的方面是它能够改善CDS流程和临床医生的整体工作流程。例如，去年的一项研究考虑使用机器学习来改进和过滤CDS警报。他们发现该软件可以在保持高精度的同时将警报量减少54%。减少警报量有可能缓解警报疲劳和习惯性覆盖。在一篇综述中探讨的另一个主题是使用人工智能来减少药物不良事件。虽然只有少数研究审查了临床环境中的实施情况（大多数评估了算法技术性能），但发现人工智能系统有几个具有前景的用途，可以预测药物不良事件的风险，这将有助于早期发现并减轻负面影响。

尽管人们对人工智能的应用充满热情和希望，但实施速度缓慢。实施面临的挑战之一是系统质量的不稳定。例如，最近发现一种常用的败血症检测模型的灵敏度非常低，随着新数据的集成，算法也会随着时间的推移而漂移，这可能会影响性能，尤其是在COVID-19大流行等大型干扰期间和之后。 关于人工智能算法对医疗保健中种族和民族偏见的影响的研究也在不断出现；在本文发表时，AHRQ EPC正在对有关该主题的证据进行审查。这些例子强调了一个事实，即人工智能不是一个“设置它并忘记它”的应用程序；它需要从专用资源进行监控和定制，以确保算法随着时间的推移表现良好。一个相关的挑战是缺乏使用高质量人工智能的有力商业案例。正因为如此，许多卫生系统选择使用开箱即用的人工智能算法，其总体质量可能较差（或不适合特定设置），也可能是“黑匣子”算法（即，由于供应商不允许访问底层代码，卫生系统无法定制）。不稳定的质量和缺乏透明度可能会导致临床医生的不信任和对人工智能干预的总体厌恶。

为了解决这些问题，2022 年的一篇文章详细介绍了在卫生系统中实施人工智能的最佳实践，重点关注商业案例。最佳实践包括使用人工智能来解决卫生系统的优先问题，而不是将其本身视为目的。此外，使用卫生系统的患者和数据测试人工智能，以证明该设置的适用性和准确性，确认人工智能可以提供投资回报，并确保人工智能可以轻松有效地实施也很重要。另一份白皮书描述了用于开发人工智能的人为因素和人体工程学框架，以改善医疗保健系统、团队和工作流程中的实施。联邦政府和国际组织也发布了人工智能指南，重点是提高可信度（国家人工智能计划）和确保道德治理（世界卫生组织）。 

【总结和展望】

正如本综述所强调的，技术的范围和复杂性及其在医疗保健中的应用对于医疗保健系统来说可能是令人生畏的。因此，研究人员去年创建了一个框架，卫生系统可以使用该框架来评估其数字成熟度并指导其进一步整合的计划。 

未来几年，该领域将受益于几个领域的更多研究。首先，需要高质量的前瞻性结果研究来验证新技术的有效性。其次，在系统可用性、系统如何集成到工作流程以及它们如何影响临床医生的文档负担方面需要做更多的工作。特别是对于CDS，需要更加关注以患者为中心的CDS（PC CDS），它通过帮助临床医生和患者根据每个人的情况和偏好做出最佳决策来支持以患者为中心的护理。AHRQ已经通过其CDS创新合作项目在这一领域发挥了领导作用。最后，由于采用电子病历记录员来减轻文件负担变得越来越普遍，因此需要对其对患者安全的影响进行研究，特别是与新技术方法有关的研究。例如，当抄写员遇到CDS警报时，他们是否在所有情况下都会提醒临床医生？

除了本文中提到的方法外，处于早期开发阶段的其他新兴技术在理论上有望提高患者安全。一个突出的例子是“计算机视觉”，它使用相机和人工智能来收集和处理医疗环境中发生的物理事件的数据，而不是EHR数据中捕捉到的数据，包括能够立即检测到患者倒在房间里。

随着技术的不断扩展和改进，研究人员、临床医生和卫生系统必须注意可能阻碍，进展并威胁患者安全的潜在障碍。然而，技术提供了一系列机会，使医疗保健更加集成、高效和安全。

翻译：陈莹 重庆医科大学附属第一医院信息中心

审校：肖明朝 重庆医科大学附属第一医院

打赏