智能化的語言云預檢分診系統在急診分診中的應用

董 蘭，胡娟娟

（海軍軍醫大學第二附屬醫院，上海 200003）

急診是危重癥患者聚集的地方，急診患者多具有發病急、進展快、病死率高等特點。因此，急診預檢分診對于患者疾病的早期識別、及時救治有非常重要的臨床意義［1-2］。急診預檢分診護士的主要任務是迅速、準確地判斷患者的病情嚴重程度，并對患者進行準確分診。但目前我國醫院急診患者中往往涌入大量非急診患者，這給急診預檢分診護士的工作帶來很大的難度，繼而造成分診不準確、患者候診時間延長，甚至錯過最佳搶救時機，造成患者死亡等嚴重后果［3-4］。海軍軍醫大學第二附屬醫院急診科在采用智能化的語言云急診預檢分診系統后，在急診分診方面取得了較好的臨床效果，現報道如下。

1 智能化的語言云急診預檢分診系統

1.1 概述智能化的語言云急診預檢分診系統是基于語言云而建立的預檢分級指標電子檔案庫，系統可根據檔案庫內信息進行智能判斷，從而進行智能化的急診預檢分診，并給出相應的急診分診級別。該系統電子檔案庫內包括患者一般信息和分診相關信息2 部分內容。一般信息由就診卡自動導入，包括患者姓名、性別、年齡等一般資料。分診相關信息包括發病時間、主訴/癥狀、個人史、既往史及手術史等，是由醫護人員通過語音系統錄入。該語音系統通過建立無線語音傳輸網，連接相關醫護人員和各醫療部門。

1.2 功能該急診預檢分診系統共包括7 個功能模塊。①患者基本信息錄入模塊：患者掛號時，通過刷就診卡可實現患者一般信息的自動錄入，包括患者姓名、性別及年齡等一般資料。②生命體征自動導入模塊：該模塊的端口為護士端，患者生命體征數據由護士通過監護儀采集，采集的數據直接同步至該系統，患者可通過監護儀顯示屏幕了解自己的基本生命體征。③評估工具模塊：該模塊的端口在護士端，包括格拉斯哥昏迷評分表、疼痛評分表、創傷評分及快速病情評分表，評估工具均參考《急診預檢快速分診評估單》［5］設定，均由急診預檢分診護士通過問診的形式完成。④智能分級模塊：系統自動根據患者年齡、癥狀、嚴重程度、各類評分表結果、生命體征等數據進行整合分析，智能給出急診預檢分級及分區。患者的分診級別不是固定不變的，急診預檢分診人員需要密切觀察患者的病情變化并作出調整。⑤患者主訴錄入模塊： 該模塊端口在醫師端，共有3 部分內容，第1 部分為系統分類；第2 部分為癥狀描述，包括10 大類系統的癥狀描述；第3 部分為嚴重程度判斷，使用輕、中、重度等詞語或短句描述疾病嚴重程度。該錄入模塊由問診醫師完成問診、錄入，并對癥狀及嚴重程度進行判斷和描述。⑥統計模塊：系統可根據患者的資料進行相關統計。⑦質控模塊：系統可自動生成各類報表，如各時段急診患者人數、各級別患者人數、護士分診時間、患者等候時間、患者年齡分布、患者疾病譜分布等，并自動生成相應的圖表等。

1.3 使用流程患者到達急診室掛號后系統自動導入患者基本信息，急診預檢護士對其進行生命體征監測及相關評估，并進行相關信息錄入，電腦自動根據分診標準確定分診級別； 患者在確定急診預檢分診級別后至相應區域等待就診； 急診醫師看診過程中可直接通過智能化的語言云系統獲取患者的基本信息及生命體征。另外，系統內還設置腦出血、心血管、急性心梗、創傷等一些特殊人群的綠色通道模塊； 急診分診護士接待患者時，需對患者進行信息化系統適用性的評估，與患者及家屬做好及時有效的溝通，妥善安排患者，做好動態評估，根據患者病情變化及時作出調整。

2 效果評價

2.1 評價對象選取2017 年1 月—2018 年6 月期間在海軍軍醫大學第二附屬醫院急診就診的7 282 例患者作為研究對象。根據入院的先后時間進行分組，將2017 年 1—9 月就診的3 641 例患者設為對照組，將2017 年 10 月—2018 年 6 月就診的 3 641 例患者設為觀察組。納入標準：神志清楚；無心理、精神疾病；能配合完成急診的預檢分診；自愿參與本研究，并簽署知情同意書。排除標準：自動轉院或放棄治療；有精神病史。對照組患者中，男性 1 900 例（52.18%），女性 1 741 例（47.82%）；年齡 18～84 歲，平均年齡（50.16±5.30）歲；既往本院就診次數 1～3 次，平均就診（1.40±0.50）次；初中及 以 下 學 歷 1 600 例 （43.94%），高 中 1 300 例（35.70%），大專及以上 741 例（20.35%）。觀察組患者中，男性 1 850 例（50.81%），女性 1 791 例（49.19%）；年齡 17～82 歲，平均年齡（51.58±5.70）歲；既往本院就診次數 1～3 次，平均就診（1.30±0.40）次；初中及以下學歷1 700 例（46.68%），高中 1 240 例（34.06%），大專及以上701 例（19.25%）。兩組患者性別、年齡、學歷、既往本院就診次數比較，差異沒有統計學意義（P>0.05）。

2.2 方法對照組患者由急診分診護士采用常規四級分診模式進行分診，即通過“一看、二問、三查”的方式，根據《急診預檢快速分診評估單》上的內容綜合分析患者的臨床資料，初步判斷患者病情，將患者劃分至相應的搶救區域或普通診室進行診治。觀察組采用智能化的語言云急診預檢分診系統進行急診分診。

2.3 評價指標①分診準確率：責任護士于每天下午4 時統計兩組患者分診準確例數。根據席淑華等［5］制訂的急診預檢分診分級標準界定急診分診準確率，將分科錯誤、分級不準確列為分診不準確，其他為分診準確。分診準確率(%)=正確分診例數/總例數×100%。②搶救成功率（通過搶救使危及生命體征的危險解除，病情平穩達到24 h 以上）、死亡率、候診意外（候診期間出現病情加重或緊急情況）發生率：責任護士于每日下午5 時進行統計。③患者滿意度：于患者就診后離院時，由責任護士對急診就診患者或家屬進行滿意度調查，采用醫院自制的滿意度評價表，評價內容主要包括分診護士工作態度、專業技能、應急處理等，滿分為100 分。根據總分將其分為非常滿意（＞80 分）、滿意（60～80 分）、不滿意（＜60 分），滿意度=（非常滿意患者數+滿意患者數）/總例數×100%。

2.4 統計學方法采用Epidata 3.1 中文版雙人錄入數據，采用SPSS 19.0 軟件進行統計分析，計數資料以頻數、構成比描述，組間比較采用 χ2檢驗，以 P＜0.05 為差異有統計學意義。

3 結果

3.1 智能化的語言云預檢分診系統實施前后急診分診準確率、搶救成功率、死亡率、候診意外發生率的比較見表1。

表1 智能化的語言云預檢分診系統實施前后急診分診準確率、搶救成功率、死亡率、候診意外發生率的比較 ［n（%）］

3.2 智能化的語言云預檢分診系統實施前后急診患者滿意度的比較見表2。

表2 智能化的語言云預檢分診系統實施前后急診患者滿意度的比較 ［n（%）］

4 討論

4.1 智能化的語言云預檢分診系統的應用可提高急診預檢分診質量急診科作為高風險科室，容易發生醫療糾紛，這與急診患者的構成、疾病特點有著直接關系，而引發醫療糾紛的主要原因與護理工作沒有緊密銜接、護患溝通不暢等因素有關［5］。有研究顯示，急診科的分診流程直接影響科室護理質量，這可能與科室護理規章制度不完善、科室環境較差，以及患者及家屬、護士等因素有關［6］。本研究采用智能化的語言云急診預檢分診系統后，提高了急診預檢分診準確率 （P＜0.05）。智能化的語言云急診預檢分診系統建立了預檢分級指標電子檔案庫，根據急診分診評估項目對急診分診級別進行智能判斷，整個實施流程完善了患者信息錄入、信息查詢等功能；對病情評價指標進行量化，做到分診有據可依；分診設施齊全，通過生命體征監護儀可采集患者病情相關客觀指標，再結合分診護士的專業知識及分診能力，從而確保了急診分診的準確率［7］。

4.2 智能化的語言云預檢分診系統的應用可提高急診患者的滿意度本研究結果顯示，觀察組搶救成功率得以提高、死亡率及候診意外發生率均降低、患者滿意度得以提升（P<0.05），說明智能化的語言云預檢分診系統能夠提高急診就診患者的搶救成功率，從而提升患者滿意度。急診四級分診標準相對籠統，分診護士多依據自身經驗進行分診，缺乏客觀性評價指標，同時存在患者主訴不清等問題，導致過度分診或分診不足的情況出現。而智能化的語言云預檢分診系統優化了分診流程，患者掛號時可通過就診卡直接導入患者基本信息，分診護士在采集患者生命體征數據后利用評估工具進行評估及信息錄入，此時醫師端即可看到患者的基本信息及自動導入的生命體征、患者主訴等，醫師可通過工作站查詢患者生命體征及相關評分指標，根據病情進行區域間的轉診，所有患者資料均可通過系統進行查詢，從而提高急診分診管理效能及患者滿意度。

5 小結

智能化的語言云預檢分診系統應用于急診預檢分診，能提高分診準確率、搶救成功率，降低候診意外發生率及死亡率，從而提高患者滿意度。基于我院智能化的語言云預檢分診系統的應用效果，建議有關各方推進各大醫療機構之間急診分診信息的共享，使急診患者能夠享受到更便捷、更有效、更人性化的醫療服務。但該系統還處于推廣應用階段，仍然有部分內容需要完善，如該系統如何與輔助檢查科室等對接，尚需今后進一步研究。