基于臨床決策支持系統的新生兒早期診療護理預警模型的構建與應用

鞏婷婷 金靚 鄭雅寧 丁苗 丁穎

(南京大學醫學院附屬鼓樓醫院 婦產科，江蘇 南京 210008)

臨床決策支持系統(Clinical decision support system，CDSS)是一種利用人工智能原理與方法，針對半結構化或非結構化臨床問題，基于知識推理和邏輯運算自動完成電子病歷中相關患者數據的采集、處理、分析，并在適當的時機通過人機交互方式向決策者提供有價值信息輔助決策的系統[1]。CDSS被認為是醫學與人工智能結合的必然趨勢，我國政府出臺了多項政策促進醫院信息化的可持續發展[2]。2018年國家衛健委下發《全國醫院信息化建設標準與規范》(試行)[3]指出：臨床決策支持護理工作要實現智能錄入、智能生成、智能提醒、護理病歷質控整改等功能。二胎時代，產科母嬰同室病區面臨著母嬰數量多、病情重、新技術應用增加與醫護人力資源相對短缺的特點，導致護士決策的難度增加、準確度下降，護理文書書寫標準化不足[4]，容易發生不良事件；同時護理決策是影響患者安全的關鍵因素[5]，CDSS可以提高決策的準確性和效率。本研究基于CDSS構建新生兒早期診療護理預警模型，旨在提高護士對臨床指南等規范執行的依從性，幫助其高效決策，從而提高護理質量，保障新生兒護理安全。現報告如下。

1 對象與方法

1.1研究對象 本研究選擇產科一體化病區(112病區)、產后危重癥病區(111病區)及產后母嬰同室病區(110病區)作為試點科室開展研究。3個病區共有床位81張，護理人員60名。知識庫構建時間為2018年6-9月。臨床應用時間2018年10月-2019年3月(其中2018年10-12月在112病區做預測試，2019年1-3月在3個病區同時使用)。納入研究的試點科室護理人員共60名，均為女性；平均年齡(33.42±5.78)歲；職稱分布：副主任護師3名，主管護師9名，護師42名，護士6名；學歷：研究生1名，本科52名，大專7名。納入研究的母嬰同室新生兒(排除進入NICU治療的新生兒)：應用系統前后內共納入新生兒2 180例，其中應用前(2018年6-9月)1 220例，應用后(2018年10月-2019年3月)共計960例；應用前后共計納入新生兒母親2 180名：年齡(29.25±4.58)歲；學歷：研究生及以上665名(30.5%)，本科生875名(40.1%)，大專及以下640名(29.3%)。

1.2方法

1.2.1新生兒早期診療護理工作結構 以臨床護士為用戶主體，母嬰同室病區新生兒(含未入NICU治療的早產兒)為服務對象，新生兒家屬為潛在服務對象，根據醫生工作站診療系統(HIS醫囑系統)下達的治療任務和護士工作站護理系統(護理醫惠系統)基于新生兒診療護理常規下達的新生兒日常護理任務，梳理工作流程，設計出符合臨床實際工作流程的新生兒早期診療護理工作結構圖。通過智能錄入和人工錄入的方式，利用PDA端或PC端，將獲得的新生兒常規監測數據和日常護理信息導入計算機信息系統進行存儲和整理，呈現新生兒早期診療護理常見問題，基于新生兒護理決策支持系統推理設計出多維度新生兒早期診療護理質量指標和預警值，生成干預措施，構建新生兒早期診療護理預警模型，見圖1。

圖1 新生兒早期診療護理工作結構圖

1.2.2基于CDSS的新生兒早期診療護理預警模型構建

1.2.2.1系統設計 根據醫、護、患多角色意見及建議以及專科特點設計出符合現有臨床護理工作流程的CDSS系統的知識庫架構。(1)建立多學科專家組，項目專家共12名，包括兒科主任醫生1名、兒科主治醫生3名、產科主任醫師1名、產科主治醫生2名、護士長1名、主管護師2名、護理部信息質控人員1名和信息工程師1名。(2)建立知識庫：根據國家及省衛健委等級醫院評審要求、國家衛健委醫院管理研究所護理質量數據平臺為依據[6]，檢索了中文及外文數據庫,包括中國知網、萬方數字化期刊和Cochrane Library等，檢索出公開發表的關于新生兒診療及護理相關文獻，專家組通過對文獻反復循證后進行整理、分析轉化，最后錄入知識庫。(3)醫院內信息系統內外網全整合：通過院網“云平臺”將醫生工作站HIS系統、護理醫惠電子病歷系統、PDA用戶端、檢驗檢查信息系統與“317護”健康教育系統實現無縫對接，確保數據的智能錄入和集成導出。(4)新生兒早期診療護理預警模型構建：以臨床護士工作需求為導向，設計出多維度新生兒早期診療護理質量指標和預警值。(5)知識庫更新：專人負責收集CDSS使用數據，護士長做效果反饋，專家組論證并結合大數據分析，保證知識庫的持續更新。

以新生兒疾病知識庫中新生兒心臟篩查為例，知識庫內容的構建路徑如下。(1)專家組成員分工：兒科主任將國家衛健委開展新生兒心臟篩查的技術規范和工作方案列出，明確篩查時間(出生后6～72 h)、方法(心臟聽診和經皮脈搏血氧飽和度測定，Ⅰ級證據A級推薦)；兒科主治醫生搜索文獻制定操作步驟，檢查部位(清潔右手及任意1足，安靜狀態)，結果(陽性和陰性的標準，設置報警值界限，Ⅱ級證據A級推薦)；護士長等查閱文獻制定工作流程圖，并將操作部位、技術規范和結果導入知識庫(Ⅲ級證據B級推薦)。(2)專家組通過對相關文獻整理并劃出推薦等級后，由信息科質控人員進行數據轉化錄入醫院內外網云平臺，對接醫生工作站和護理醫惠系統等客戶端。(3)臨床醫護人員實踐，發現問題及時處理和更新知識庫信息。

1.2.2.2技術架構 CDSS系統構成一般有分為3大類[7-8]：一是基于知識庫的框架；二是基于非知識庫的框架；三是兩者混合，目前臨床應用較多。本研究設計的新生兒早期診療護理CDSS系統也采用兩者混合，具體分為3個界面：支撐界面、大數據分析界面及人機交互界面。(1)支撐界面：護士將新生兒信息和監測數據錄入計算機系統。(2)大數據分析界面：挖掘分析數據，包括靜態干預和動態干預，靜態干預判斷標準主要參考病區維度和單個新生兒維度給予診斷、預測、計劃等，動態干預方式為提示或報警等，最終實現決策應用[9-11]。(3)人機交互界面：本研究根據臨床護士實際工作流程需求梳理出新生兒早期診療護理管理指標共8項(新生兒喂養效能管理、新生兒體溫管理、新生兒血糖管理、新生兒出生早期血氧及心率管理、新生兒黃疸管理、新生兒體質量管理、新生兒心臟篩查項目管理及新生兒早期疾病篩查項目管理)[12]。專家組根據8項管理指標設計出單個項目預警值和護理干預規則并觸發干預措施，并據此構建出新生兒早期診療護理預警模型。

1.2.2.3新生兒早期診療護理預警模型 新生兒早期診療護理預警模型分3部分。(1)8項預警護理CDSS規則界面：分為6個維度，包括項目內容、項目提醒、數值范圍(正常值、異常值1級、異常值2級、異常值3級及無效值)、功能提示(正常錄入、異色提示、對話框提示、系統提示無效值及無法正常錄入提示)、閾值報警(系統顯色預警、手動啟動措施預警、系統強推措施預警、PDA或PC端聲音預警)和對應措施(醫護聯動措施模塊、預警規則護理措施模塊及啟動健康教育推送模塊)。(2)新生兒早期預警評分(MEWS)：本研究根據黃曉波等[13]新生兒早期預警評分系統應用研究進展，提取新生兒早期預警評分表，設置MEWS評分界面的8個項目(呼吸頻率、血氧飽和度、體溫、心率、血糖、皮膚顏色、體質量和意識水平)；根據臨床指南推薦的范圍設置各個觸發值，系統自動計算預警分值并作分級預警提示，在PDA端和PC端同步彈框提示，需要護士手動解除預警提示。(3)醫護交互管理規則界面[14]：此界面分為3個維度，即預警項目(依據專家組討論需要醫生處理的新生兒早期診療護理項目和新生兒預警評分結果)、預警數量與分級提示(根據實際情況推送)、可視化呈現方式(分為醫生工作站起始界面和開具醫囑界面)。新生兒早期治療護理預警模型工作流程，見圖2。

1.3實施方法 我院于2018年6-9月完成基于CDSS系統的新生兒早期診療護理預警模型的系統構建和開發工作；2018年10月-12月在產科一體化病區(112病區)進行臨床測試，測試階段112病區護士長反饋實際使用情況，項目組根據反饋不斷優化和改進系統功能。2019年1-3月在產科112、111和110的3個病區同時使用，完成對產科全體護士培訓，培訓方式為業務學習授課、錄制使用視頻并下發使用手冊電子版。

以新生兒體質量管理為例，基于CDSS系統的新生兒早期診療護理預警模型的應用過程如下。臨床護士按照新生兒出生管理規范流程測量其出生體質量，使用PDA將測量數據錄入護理醫惠電子病歷系統；按照新生兒護理常規護士每日錄入體質量測量數值，計算機系統自動根據決策支持系統的知識庫觸發計算功能，在錄入數值的同時自動計算出該數值與其出生體質量相比所下降的百分率，根據體質量下降幅度規則轉化，分三級預警提示：<7%，在PDA護理任務端和PC端同時顯示預警數據，護士手動觸發干預措施和推送“317護”宣教模塊中新生兒生理性體重下降宣教內容；7%～10%，在新生兒早期預警評分界面顯示體質量數值和預警值，強制彈出對話框預警并自動觸發護理干預措施，加推科普宣教內容至新生兒家屬手機端；>10%，直接進入醫護交互管理界面，在醫生工作站起始界面彈出體質量數值和下降預警值，督促醫生下醫囑，共同處理，改善新生兒體質量下降結局。

圖2 新生兒早期診療護理預警模型工作流程圖

1.4評價指標

1.4.1模型應用效果分析 評估模型應用前后的新生兒風險評估及時率及預防措施落實與風險評估合格率。(1)新生兒風險評估及時率=發生異常風險值在30 min內有醫囑或處理的新生兒數/受試新生兒總數×100%。(2)預防措施落實與風險評估合格率=接收到健康教育推送的家屬數/受試家屬總數×100%。

1.4.2護士對系統滿意度評價指標分析 應用D&M信息系統成功模型理論[15]對本系統進行評價。 根據模型自行設計評價系統應用的調查問卷,采用整群抽樣對使用該系統的護士進行橫斷面調查,內容包括6個維度,共14條目,即系統可用性(滿分20分)、數據可靠性(滿分15分)、系統支持力度(滿分15分)、使用意向(滿分10分)、總體滿意度(滿分5分)和凈收益(滿分5分),采用Likert 5級評分法,1～5分表示“很不滿意”～“很滿意”。該問卷的Cronbach′s α系數為0.87, 問卷效度測評得出效度為0.86。由專人發放問卷給使用者, 用統一指導語解釋填寫要求,問卷當場回收。本研究中納入培訓的護士中有10名因產假及病假等原因未發放問卷，實際發放問卷50份,回收50份,其中有效問卷50份,有效回收率為100%。

1.4.3早產兒家屬滿意度 經統計，應用后的960例新生兒中有早產兒196例，早產兒觸發的預警系統率約為68%，且早產兒家屬對早產兒癥狀的早期識別關注度高，配合完成健康教育和調查表的意愿度高，因此系統應用后自制早產兒家屬對護士的“滿意度調查表”，內容包括5個維度,即健康教育、人文關懷、服務可及性、質量與安全及總體滿意度，調查表共計10個條目，每項 10 分，滿分 100分，≥90 分為滿意；出院時隨機抽取早產兒家屬發放調查表，發出30份，回收30份，有效回收率100%。

2 結果

2.1模型應用效果分析 護士應用新生兒早期診療護理預警的CDSS系統后,新生兒風險評估及時率(96.94%)高于模型應用前(85.18%),差異有統計學意義(P<0.001)；應用后預防措施落實與風險評估合格率(98.13%)高于模型應用前(90.35%),差異有統計學意義(P<0.001)。

2.2護士對系統滿意度評價指標分析 50名護士對系統的可用性評價為(18.63±1.13)分,數據可靠性為(14.22±1.42)分,系統支持力度為(13.51±2.23)分,使用意向為 (8.51±1.52)分,總體滿意度為 (4.42±0.51)分,凈收益為(4.19±0.63)分，各維度評分均處于較高水平。

2.3早產兒家屬滿意度評價 30名早產兒家屬對護士的滿意度為(98.12 ±1.61)分，處于較高水平。

3 討論

3.1跨學科多模式合作保障了基于CDSS系統的新生兒早期診療護理預警模型具有實用性和可行性 本研究團隊由臨床產科醫生、兒科醫生、護理管理者、臨床護士和數據庫工程師等專家組成。根據臨床實際工作流程梳理出的新生兒早期診療護理質量指標項目，經專家組充分討論和循證，對每個項目指標的邏輯、數據源、用戶群、收集和反饋周期等關鍵信息進行分析，構建新生兒早期護理診療決策知識庫，創造性地設計出新生兒早期診療護理預警模型。通過內測與小規模試用并及時反饋；使用前對全體護士培訓，尤其是重點培訓該決策支持系統的實用性和便利性，從護士實際工作需要出發促進護士使用的意愿和主動性；引入新生兒早期預警評分系統(MEWS)，利用計算機自動評分，減少護士人工計算失誤；醫護交互界面增加醫護的溝通途徑，保證新生兒早期診療護理質量。

3.2構建基于CDSS系統的新生兒早期診療護理預警模型有利于提高臨床護士決策的效率和準確性 本研究基于臨床實際工作需要，經專家組充分討論，幾乎涵蓋了新生兒早期診療護理的大部分問題和決策需要。通過內測和試用，該系統的穩定性和使用便利性等優勢明顯，尤其為低年資護士等經驗不足或新技術應用水平不足人群提供了高效和準確的決策支持，提升了護士對執行護理常規的依從性，促進護士評判性思維的養成，幫助“新手護士”具備“成熟護士”的經驗和水平，快速做出臨床決策，同時也提升了護理工作效率及護理電子病歷記錄內容的質量，從而改善新生兒護理結局。本研究中，新生兒風險評估及時率及預防措施落實與風險評估合格率均高于應用前，差異有統計學意義(P<0.001)。此外，護士對系統滿意度評價處于較高水平，說明護士對系統的滿意度較高。

3.3構建基于CDSS系統的新生兒早期診療護理預警模型有利于提高早產兒家屬滿意度 本研究結果顯示，早產兒家屬對護士的滿意度較高。分析原因：滿意度很大程度上取決于被護理時的感受及護理結局的影響。早產兒家屬由于對早產兒護理知識的缺乏，希望獲得更多更全面更專業的護理知識。CDSS系統的實施明顯地減少護理工作量，并能夠使護理工作系統化、精細化、精確化，使得護士有更多的時間去了解并滿足家屬及早產兒的需求，更加有針對性地提供相關護理知識，進行相應的護理，可及時預警早產兒的病情變化，從而提高了家屬滿意度。

3.4基于CDSS系統的新生兒早期診療護理預警模型構建需要持續完善和不斷更新 本研究仍存在一些不足，一方面CDSS系統本身仍需進一步完善，包括非結構化數據收集不足、準確性低，對一些經驗類直覺性知識轉化能力弱，電子病歷系統建設尚不完善，仍存在信息孤島現象[17]；另一方面，在應用上，醫、護、患多角色人群接受新事物均需一個過程。因此，未來需要不斷更新思路和理念，培養醫護人員對規范指南執行的依從性，以減少護理診斷錯誤導致的護理不良事件。科學地構建知識庫是系統持續發展的基礎。本項目基于循證研究，經專家組論證，梳理出新生兒日常護理工作流程；抓取8大指標項目并構建新生兒早期診療護理預警模型。但是隨著新生兒常規護理的發展，新生兒護理任務的需求增加，護理新技術的應用和發展，醫院信息系統智能化水平的不斷提高，獲取數據和信息能力日益增加，護理決策支持系統的深度和寬度亦將不斷得到提高和更新。因此，本次梳理的質量指標項目庫需要持續完善，預警模型閾值[16]需科學設定并及時更新，項目的構建過程需要持續完善不斷更新。

綜上所述，基于CDSS系統的新生兒早期診療護理預警模型的構建可以為臨床護士在照護新生兒以及對疾病進行早期識別和護理干預時提供正確高效的決策支持[18]，提升護士對臨床常規執行的依從性，促進其評判性思維的養成，提高護士參與護理質量管理的能力，提高醫、護、患多角色滿意度。本研究在臨床應用中已初見成效，值得臨床推廣。