基于警報(bào)算法優(yōu)化提升ICU警報(bào)效果的研究

王占穩(wěn)，殷俊，袁全，岳麗青，趙春光，彭操，張麗娜，錢招昕

1.中南大學(xué)湘雅醫(yī)院 a.重癥醫(yī)學(xué)科；b.臨床護(hù)理教研室，湖南 長(zhǎng)沙 410008；2.國家老年疾病臨床醫(yī)學(xué)研究中心（湘雅醫(yī)院），湖南 長(zhǎng)沙 410008；3.湖南省重癥醫(yī)學(xué)臨床醫(yī)學(xué)研究中心，湖南 長(zhǎng)沙 410008；4.深圳邁瑞生物醫(yī)療電子股份有限公司，廣東 深圳 518057

引言

監(jiān)護(hù)儀為重癥監(jiān)護(hù)病房（Intensive Care Unit，ICU）床旁必備的醫(yī)療設(shè)備，用于對(duì)患者各生理參數(shù)進(jìn)行連續(xù)監(jiān)測(cè)。當(dāng)患者生理參數(shù)變化超過預(yù)設(shè)閾值時(shí)，監(jiān)護(hù)儀即發(fā)出報(bào)警提示臨床人員。作為監(jiān)護(hù)儀的主要功能之一，生理參數(shù)報(bào)警雖然可以及時(shí)對(duì)患者異常的生命體征進(jìn)行提示，但在ICU 中，患者的病情復(fù)雜多變，生理狀態(tài)不穩(wěn)定，且患者往往需要多種臨床設(shè)備進(jìn)行監(jiān)測(cè)與維持生命體征平穩(wěn)。因此，ICU 中的監(jiān)護(hù)儀報(bào)警數(shù)量遠(yuǎn)遠(yuǎn)超出醫(yī)護(hù)人員的工作負(fù)荷，造成醫(yī)護(hù)人員的反應(yīng)能力和處理效率下降，即報(bào)警疲勞[1-2]。研究表明高達(dá)91%的ICU 護(hù)士因報(bào)警的噪音影響其工作效率，43%的ICU 護(hù)士會(huì)感覺注意力難以集中[3]。當(dāng)報(bào)警數(shù)量增加時(shí)，護(hù)士的響應(yīng)時(shí)間顯著延長(zhǎng)[4]，并且相當(dāng)一部分報(bào)警屬于無效報(bào)警[5]。一項(xiàng)在急診的研究發(fā)現(xiàn)只有小于1%的警報(bào)需要臨床床旁干預(yù)[6]。頻繁的報(bào)警還會(huì)使臨床護(hù)理人員不恰當(dāng)?shù)仃P(guān)閉報(bào)警，有研究發(fā)現(xiàn)此比例超過70%[7]。報(bào)警疲勞可導(dǎo)致醫(yī)療事故的發(fā)生，如患者的不良預(yù)后甚至死亡[8]。通過將指脈氧報(bào)警的閾值由90%降為88%，指脈氧報(bào)警的數(shù)量可下降43%[9]。因此提升警報(bào)質(zhì)量，降低無效警報(bào)具有非常重要的臨床意義。本研究基于ICU床旁患者監(jiān)護(hù)儀收集的臨床數(shù)據(jù)，旨在通過優(yōu)化參數(shù)算法降低ICU 生理參數(shù)警報(bào)誤報(bào)警，提升警報(bào)準(zhǔn)確率，以期降低護(hù)士的警報(bào)疲勞，提高臨床診療質(zhì)量。

1 資料與方法

1.1 臨床資料

本研究收集中南大學(xué)湘雅醫(yī)院重癥醫(yī)學(xué)科2021 年5 月29 日至9 月2 日的所有臨床監(jiān)護(hù)數(shù)據(jù)。警報(bào)納入標(biāo)準(zhǔn)：重癥醫(yī)學(xué)科所有邁瑞監(jiān)護(hù)儀收集到的監(jiān)護(hù)數(shù)據(jù)。排除標(biāo)準(zhǔn)：搶救患者時(shí)的監(jiān)護(hù)數(shù)據(jù)；監(jiān)護(hù)數(shù)據(jù)參數(shù)不完整者。

1.2 研究方法

本研究基于床旁監(jiān)護(hù)數(shù)據(jù)，回顧性分析了科室患者的生理報(bào)警數(shù)量。將原始的監(jiān)護(hù)數(shù)據(jù)分別用傳統(tǒng)算法和算法優(yōu)化處理后產(chǎn)生的警報(bào)數(shù)量進(jìn)行對(duì)比。

1.2.1 實(shí)驗(yàn)平臺(tái)搭建

本研究使用中央監(jiān)護(hù)系統(tǒng)采集患者床旁監(jiān)護(hù)數(shù)據(jù)?；诳剖揖W(wǎng)絡(luò)架構(gòu)，將科室25 臺(tái)BeneVision N19 患者監(jiān)護(hù)儀（邁瑞醫(yī)療，中國深圳）連接至位于護(hù)士站的邁瑞監(jiān)護(hù)中央站電腦終端，并實(shí)時(shí)進(jìn)行數(shù)據(jù)傳輸與存儲(chǔ)。

1.2.2 傳統(tǒng)算法

傳統(tǒng)算法通過單個(gè)參數(shù)的閾值進(jìn)行計(jì)算，如心率為60～100次/min，收縮壓90～140 mmHg，舒張壓60～90 mmHg，血氧飽和度90%～100%，呼吸12～20次/min，當(dāng)監(jiān)護(hù)儀收集的數(shù)據(jù)超出設(shè)定范圍則會(huì)發(fā)出警報(bào)。

1.2.3 優(yōu)化算法

本研究從4 個(gè)方面對(duì)報(bào)警算法進(jìn)行了優(yōu)化。

（1）多導(dǎo)心電分析。首先，多通道心電原始數(shù)據(jù)經(jīng)重采樣、濾波等預(yù)處理后，分別進(jìn)行單導(dǎo)分析，輸出各通道的信號(hào)質(zhì)量指數(shù)、QRS 波位置以及分類等信息；進(jìn)而，對(duì)各通道信號(hào)質(zhì)量進(jìn)行排序，排除受噪聲干擾嚴(yán)重的導(dǎo)聯(lián)，自動(dòng)獲取最優(yōu)導(dǎo)聯(lián)組合；然后，通過移動(dòng)窗對(duì)各導(dǎo)聯(lián)QRS 波進(jìn)行匹配處理，并結(jié)合前后QRS 波的相關(guān)系數(shù)和位置偏差來判斷有效性；最后，對(duì)檢測(cè)有效的QRS 波分類結(jié)果進(jìn)行合并，倘若各導(dǎo)聯(lián)分類結(jié)果不同，則傾向于多數(shù)類型，同時(shí)對(duì)占少數(shù)的QRS 波特征進(jìn)行獨(dú)立檢驗(yàn)，綜合給出決策結(jié)果。四導(dǎo)同步分析技術(shù)的主要框圖如圖1 所示。

圖1 四導(dǎo)同步分析技術(shù)的主要框圖

（2）多參融合分析。多參融合分析（圖2）的整體策略是在充分滿足糾正條件且無危重事件漏報(bào)風(fēng)險(xiǎn)的前提下生效，將多個(gè)同源生理指標(biāo)信息進(jìn)行同步融合分析，以減少誤報(bào)警。當(dāng)出現(xiàn)同源信號(hào)數(shù)值差異過大（如脈率與心率）時(shí)，判斷信號(hào)質(zhì)量和間期特征，糾正不可靠數(shù)值。另外，為避免發(fā)生誤糾正，對(duì)于禁忌證（如行體外循環(huán)治療或具有嚴(yán)重外周循環(huán)障礙的患者）、參數(shù)非同源、信號(hào)質(zhì)量差等情況，算法會(huì)基于信號(hào)的嚴(yán)格不同步性自動(dòng)關(guān)閉融合功能。

（3）智能閾值提醒。針對(duì)臨床人員調(diào)整閾值的需求，基于患者的歷史趨勢(shì)數(shù)據(jù)自動(dòng)計(jì)算心率、呼吸率、血氧值、血壓值等生理參數(shù)閾值，當(dāng)醫(yī)護(hù)主動(dòng)交互時(shí)，智能閾值管理方法直接計(jì)算參數(shù)閾值并呈現(xiàn)給醫(yī)護(hù)進(jìn)行確認(rèn)；當(dāng)醫(yī)護(hù)沒有主動(dòng)交互時(shí)，智能閾值管理方法會(huì)根據(jù)參數(shù)值與閾值的關(guān)系和報(bào)警的情況，判斷是否應(yīng)該提醒醫(yī)護(hù)進(jìn)行閾值管理，并呈現(xiàn)提醒圖標(biāo)，待醫(yī)護(hù)確認(rèn)。從主動(dòng)與被動(dòng)兩方面，實(shí)現(xiàn)患者個(gè)性化報(bào)警閾值設(shè)置，提高閾值的合理性和易用性（圖3）。

圖3 智能閾值推薦的主要框圖

（4）獨(dú)創(chuàng)的報(bào)警策略。報(bào)警策略包括報(bào)警延遲與報(bào)警不應(yīng)期技術(shù)。在傳統(tǒng)監(jiān)護(hù)系統(tǒng)中，參數(shù)一旦超限就會(huì)立即觸發(fā)聲光報(bào)警，若參數(shù)在報(bào)警限附近上下波動(dòng)，報(bào)警便會(huì)非常頻繁。報(bào)警延遲策略主要是對(duì)報(bào)警進(jìn)入和退出機(jī)制進(jìn)行優(yōu)化，以高限報(bào)警為例，設(shè)定一個(gè)波動(dòng)值，若參數(shù)值大于報(bào)警限與波動(dòng)值之和，立即報(bào)警；若參數(shù)值在報(bào)警限與波動(dòng)值之間徘徊，則對(duì)大于報(bào)警限的時(shí)間進(jìn)行累積，累積時(shí)間超閾值才發(fā)出報(bào)警。

根據(jù)生理報(bào)警的臨床危急度，對(duì)報(bào)警種類進(jìn)行優(yōu)先級(jí)分級(jí)（圖4）。加入報(bào)警不應(yīng)期機(jī)制，在不應(yīng)期內(nèi)，高優(yōu)先級(jí)的報(bào)警發(fā)生后將屏蔽自身和低級(jí)報(bào)警。例如，血氧極低報(bào)警發(fā)生后的數(shù)秒內(nèi)不響應(yīng)血氧過低報(bào)警，呼吸窒息報(bào)警發(fā)生后的數(shù)秒內(nèi)不響應(yīng)呼吸率低的報(bào)警。極度心動(dòng)過速/極度心動(dòng)過緩報(bào)警發(fā)生后，數(shù)秒內(nèi)不相應(yīng)心動(dòng)過速/心動(dòng)過緩報(bào)警。算法優(yōu)化細(xì)節(jié)見前期研究[10]。

圖4 報(bào)警種類的優(yōu)先分級(jí)

1.3 數(shù)據(jù)分析方法

從邁瑞監(jiān)護(hù)中央站電腦終端導(dǎo)出臨床數(shù)據(jù)，數(shù)據(jù)導(dǎo)出后使用邁瑞報(bào)警統(tǒng)計(jì)軟件（Alarm Statistics）進(jìn)行分析。本研究分別計(jì)算與分析了同一時(shí)段臨床數(shù)據(jù)在兩種算法下的報(bào)警數(shù)量差異，分析范圍為有創(chuàng)血壓（Invasive Blood Pressure，IBP）、心率（Heart Rate，HR）、呼吸頻率（Respiratory Rate，RR）以及血氧飽和度（Qxygen Saturation，SpO2）的超限生理報(bào)警，對(duì)比使用了報(bào)警優(yōu)化算法前后（傳統(tǒng)算法vs.優(yōu)化算法）的報(bào)警數(shù)量改善。現(xiàn)有算法報(bào)警數(shù)量直接從監(jiān)護(hù)報(bào)警日志文件獲??；優(yōu)化算法報(bào)警數(shù)量則基于臨床數(shù)據(jù)回放結(jié)果。

1.4 統(tǒng)計(jì)學(xué)分析

本研究中的數(shù)據(jù)使用SPSS 21.0 軟件進(jìn)行分析，定量資料的表示形式為±s，采用獨(dú)立樣本t檢驗(yàn)對(duì)定量資料統(tǒng)計(jì)學(xué)差異性進(jìn)行驗(yàn)證，使用F檢驗(yàn)對(duì)定量資料的標(biāo)準(zhǔn)差差異性進(jìn)行驗(yàn)證，采用χ2檢驗(yàn)比較兩種算法的報(bào)警準(zhǔn)確率。以P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 一般結(jié)果

研究期間共收集到24 個(gè)床單元的患者臨床數(shù)據(jù)（12 床由于數(shù)據(jù)采集問題剔除），患者總數(shù)848 例，數(shù)據(jù)總時(shí)長(zhǎng)53422.21 h。傳統(tǒng)算法總報(bào)警數(shù)量為331550 例，每小時(shí)每病床平均報(bào)警數(shù)6.21 例。優(yōu)化算法總報(bào)警數(shù)216337 例，每小時(shí)每病床平均報(bào)警數(shù)4.05 例。總體優(yōu)化率為34.75%。

2.2 分參數(shù)報(bào)警對(duì)比結(jié)果

IBP 報(bào)警總數(shù)量在傳統(tǒng)算法中占比為58.27%，在優(yōu)化算法中占比為59.59%。使用傳統(tǒng)算法每小時(shí)產(chǎn)生的警報(bào)IBP 為3.62 次，HR 為1.26 次，RR 為0.93 次，SPO2為0.39 次；使用優(yōu)化算法后每小時(shí)產(chǎn)生的警報(bào)IBP 為2.41 次，HR 為0.55 次，RR 為0.78 次，SPO2為0.31 次。本研究中各參數(shù)報(bào)警數(shù)量分布如表1 所示。

表1 各參數(shù)報(bào)警優(yōu)化率

2.3 分床單元報(bào)警數(shù)量對(duì)比結(jié)果

使用F檢驗(yàn)對(duì)優(yōu)化前后每小時(shí)報(bào)警數(shù)進(jìn)行分析，算法優(yōu)化后，各床位標(biāo)準(zhǔn)差顯著降低（2.13vs.1.28,P＜0.05），提示各床報(bào)警數(shù)量分布更加平均。本研究中各床單元報(bào)警數(shù)量分布如表2 所示。

表2 分床單元報(bào)警優(yōu)化率

2.4 分時(shí)段報(bào)警對(duì)比結(jié)果

進(jìn)一步分析白天（07:00～20:00）與夜間（21:00～06:00）的優(yōu)化率分布發(fā)現(xiàn)，夜間時(shí)段報(bào)警優(yōu)化率顯著高于白天時(shí)段（36.62%±1.55%vs.33.59%±2.07%，P＜0.05）。分時(shí)段報(bào)警數(shù)量分布如表3 所示。

表3 分時(shí)段報(bào)警優(yōu)化率

3 討論

3.1 ICU警報(bào)數(shù)量多，有待進(jìn)一步優(yōu)化警報(bào)質(zhì)量

ICU 患者病情復(fù)雜多變，臨床干預(yù)措施較多，因此會(huì)產(chǎn)生大量的監(jiān)護(hù)報(bào)警。ICU 中每天每張床單元產(chǎn)生的警報(bào)高達(dá)100 到350 次或者更多[11-12]。

其中包含相當(dāng)比例的誤報(bào)警且無意義報(bào)警的占比高達(dá)90%。誤報(bào)警產(chǎn)生的原因之一是監(jiān)護(hù)系統(tǒng)默認(rèn)的參數(shù)配置閾值不能滿足患者個(gè)體化病情需要。本研究中，基于總時(shí)長(zhǎng)超過5 萬小時(shí)的ICU 報(bào)警數(shù)據(jù)結(jié)果表明，每小時(shí)每床單元平均會(huì)產(chǎn)生超過6 個(gè)生理報(bào)警，即整個(gè)科室每小時(shí)有超過150 個(gè)生理報(bào)警需要臨床人員進(jìn)行處理。現(xiàn)階段，ICU 臨床人員的工作負(fù)荷較重，同時(shí)，本研究發(fā)現(xiàn)IBP 相關(guān)的報(bào)警占比最高（達(dá)到55%以上），是主要的報(bào)警來源，其次依次為HR、RR 與SpO2。不同ICU 的報(bào)警占比可能存在不同，這可能與不同ICU 收治的病種不同相關(guān)，比如，心血管重癥監(jiān)護(hù)病房中患者的主要類型是心梗、心衰、高血壓和各種心律失常，因此排名前三的生理報(bào)警類型依次為呼吸頻率、心率過高和心率過低[12]。新生兒重癥監(jiān)護(hù)病房中報(bào)警數(shù)量主要來源為血氧飽和度、呼吸頻率和脈搏，而前人研究中對(duì)ICU監(jiān)護(hù)儀報(bào)警統(tǒng)計(jì)發(fā)現(xiàn)其主要來源為血壓、心率、呼吸頻率和血氧飽和度，這也與本研究的結(jié)果一致。數(shù)量巨大的警報(bào)以及大量的誤報(bào)警和低級(jí)別的報(bào)警嚴(yán)重影響了護(hù)士對(duì)警報(bào)的判斷，是造成警報(bào)疲勞的主要因素，這與前期研究結(jié)果一致。因此減少ICU 警報(bào)數(shù)量和提升警報(bào)的質(zhì)量有助于提升護(hù)士對(duì)警報(bào)的判斷和應(yīng)對(duì)。

3.2 通過優(yōu)化警報(bào)算法有助于減少ICU警報(bào)的數(shù)量

ICU 巨大的警報(bào)數(shù)量導(dǎo)致的報(bào)警疲勞與患者的安全和預(yù)后緊密相關(guān)[2]。因此，如何減少監(jiān)護(hù)儀的誤報(bào)警數(shù)量成為研究熱點(diǎn)。通過調(diào)整相關(guān)指標(biāo)的報(bào)警閾值等方法可以降低監(jiān)護(hù)儀誤報(bào)警數(shù)量。研究期間共收集到24 個(gè)床單元患者的臨床數(shù)據(jù)，本研究引入的優(yōu)化算法，通過多導(dǎo)心電分析、多參融合分析、智能閾值提醒與獨(dú)創(chuàng)報(bào)警策略等方法，降低了誤報(bào)警數(shù)量，對(duì)于報(bào)警數(shù)量降低的總體優(yōu)化率達(dá)到近35%。進(jìn)一步分析各參數(shù)的報(bào)警優(yōu)化率可知，由于多導(dǎo)心電與多參融合分析算法的加入，優(yōu)化算法對(duì)于心電相關(guān)的誤報(bào)警降低效果明顯，HR 相關(guān)報(bào)警的優(yōu)化率達(dá)到56.33%。而IBP 作為本研究中ICU 報(bào)警的主要來源，其相關(guān)報(bào)警數(shù)量的優(yōu)化率為33.30%，大量的誤報(bào)警被優(yōu)化算法排除，明顯降低了警報(bào)數(shù)量。雖然本研究所用的優(yōu)化算法在前期研究中已得到了驗(yàn)證，但是其采集數(shù)據(jù)的監(jiān)護(hù)病房包括了ICU、兒科ICU、新生兒ICU 等，因不同ICU 收治病種及人群存在差異，產(chǎn)生的報(bào)警類型也存在差異，因此需要針對(duì)綜合ICU 進(jìn)行單獨(dú)分析。在前人的研究中，針對(duì)ICU分析的數(shù)據(jù)時(shí)長(zhǎng)為1174 h，總報(bào)警數(shù)為12785 次[10]。本研究分析場(chǎng)景為綜合ICU 病房且研究所涉及的時(shí)間長(zhǎng)達(dá)5 萬小時(shí)、分析的報(bào)警數(shù)量 33 萬次，研究結(jié)果具有在綜合ICU 病房推廣的價(jià)值。

3.3 優(yōu)化警報(bào)算法能顯著提升夜間警報(bào)的質(zhì)量，降低夜班護(hù)士警報(bào)疲勞

ICU 護(hù)士在夜班期間較白班往往更容易產(chǎn)生疲乏，并且對(duì)警報(bào)的警覺較白天會(huì)有所降低[1]。與此同時(shí)，有研究結(jié)果顯示夜班護(hù)士面對(duì)工作壓力容易產(chǎn)生工作疲潰感，夜班護(hù)士情緒疲潰感高于白班護(hù)士，頻繁的警報(bào)更易引起夜班護(hù)士的疲潰感。因此，降低夜間警報(bào)數(shù)量，提升警報(bào)質(zhì)量對(duì)夜班護(hù)士判斷患者情況有極大的幫助。本研究結(jié)果顯示通過算法優(yōu)化在夜間警報(bào)的優(yōu)化率顯著高于白天，極大地減少了ICU 夜間的警報(bào)數(shù)量，對(duì)于降低夜班護(hù)士的警報(bào)疲勞具有重要作用。

4 結(jié)論

本研究結(jié)果顯示ICU 警報(bào)頻繁且包含了大量的誤報(bào)警，嚴(yán)重影響了ICU 護(hù)士特別是夜班護(hù)士對(duì)于病情的判斷?；诰瘓?bào)算法優(yōu)化有助于減少ICU 警報(bào)的數(shù)量，降低誤報(bào)警，與此同時(shí)能夠顯著提升夜間警報(bào)的質(zhì)量，能夠有效降低護(hù)士特別是夜班護(hù)士的警報(bào)疲勞。盡管如此，我們?nèi)匀粦?yīng)該進(jìn)一步關(guān)注其安全性，確保重要的警報(bào)不被遺漏，這有待進(jìn)行進(jìn)一步的研究和驗(yàn)證。