臨床決策支持系統在妊娠期糖尿病管理中的研究進展

方園 周英鳳 黃娜 李麗 邢年路

(1.復旦大學護理學院，上海 200032;2.復旦大學JBI循證護理合作中心，上海 200032；3.復旦大學附屬婦產科醫院，上海 200090)

妊娠期糖尿病(Gestational diabetes mellitus,GDM)是指妊娠期首次發生的糖代謝異常[1]。GDM已成為孕期最常見的并發癥，根據2019年國際糖尿病聯盟(International diabetes federation,IDF)發布的第9版全球糖尿病地圖[2]，約有15.8%的婦女在妊娠期間發生不同程度的高血糖，其中83.6%由GDM導致。GDM可導致多種不良妊娠結局[3]，并增加了母嬰遠期患糖尿病及其他疾病的風險[4]。為了促進GDM孕期規范化的血糖管理，在管理層面，包括世界衛生組織(WHO)在內的國際組織和多數國家均制定了基于證據的GDM臨床實踐指南[5-6]，為專業人員推動GDM規范管理提供決策建議；在實踐層面，研究者積極探索多種形式的GDM管理模式，主要包括以多學科團隊為主導的管理模式[7]、以GDM專科護士為主導的管理模式[8]、以同伴支持為主導的俱樂部管理模式[9]及以護患合作為主導的協同管理模式[10]等，這些管理模式被證實能夠提高患者自我管理能力及改善患者妊娠結局，但難以突破時間和空間的限制，增加了患者的就醫負擔且存在血糖調整方案滯后的缺點。隨著信息技術的發展，移動醫療技術也被越來越多應用到GDM的管理中，通過計算機網絡、手機APP、社交平臺等形式，為GDM孕婦提供遠程血糖監測、飲食及運動指導、健康教育等[11]，減少了患者就診時間及頻率，克服了線下隨訪的局限性。但研究表明，移動醫療技術在改善GDM孕婦糖代謝水平、妊娠結局及其他并發癥方面與常規門診隨訪無顯著差異[12-14]，卻增加了醫務人員對各類信息、數據分析和處理的工作量[15-16]。近年來，依托計算機和移動醫療技術，基于臨床實踐指南等知識庫，對患者信息進行主動識別和處理，以人機交互方式為臨床人員和患者提供決策建議的臨床決策支持系統成為研究關注的熱點，并逐漸應用于GDM管理中，彌補了現有GDM管理模式的不足。本文旨在對臨床決策支持系統及其在GDM管理中的應用進展進行綜述，明確現狀及現存問題，為未來研究提供思路和方向。

1 臨床決策支持系統

決策支持系統(Decision support system,DSS)的概念最早由Gorry和Scott在1971年提出，其定義為“交互的計算機系統，幫助決策者使用數據和模型解決非結構化問題”[17]。而臨床決策支持系統(Clinical decision support system,CDSS)是一種利用人工智能技術，針對特定臨床問題，基于知識推理和邏輯運算，自動對電子病歷中患者數據進行采集、處理和分析，并通過恰當的人機交互方式向決策者提供決策輔助的信息系統。CDSS可改善和提高決策效率[18]，是人工智能在醫學中的應用[19]。世界上第一個功能較全面的CDSS是20世紀70年代Shortliffe等[20]研發的MYCIN系統，該系統主要用于輔助中樞神經系統感染的診斷和治療咨詢，系統可根據用戶輸入的患者臨床表現和實驗室檢查判斷感染細菌的種類并給出相應的臨床處理建議。隨著人工智能在醫學中的發展，目前CDSS已被應用于2型糖尿病患者自我管理[21]、慢性腎病患者自我飲食管理[22]、高風險心血管患者預防用藥管理[23]、新生兒早期診療護理預警模型[24]、患兒外周靜脈穿刺疼痛管理[25]、住院患兒疼痛護理管理[26]、住院患者低血糖護理管理[27]等慢性病自我管理與臨床癥狀管理中，以計算機技術和移動醫療技術為實現手段，通過自動采集患者數據進行分析，為患者及醫務人員提供決策建議。研究表明CDSS的應用能夠減少醫務人員的工作量，實現實時醫患交互，減輕患者的就醫負擔，改善患者結局，提高患者就醫滿意度。

2 CDSS在GDM管理中的發展現狀

目前臨床決策支持系統在GDM管理中，主要用于疾病早期預測與輔助診斷[28-31]、孕期血糖水平監測[15-16,32-34]、胰島素治療方案調整[16,33-35]、飲食方案調整[15-16,33-35]、健康咨詢[15-16,32-34]等方面。

2.1GDM早期預測與輔助診斷 基于孕期代謝特點，GDM的篩查多在孕24～28周進行，但根據2008年一項來自9個國家15個中心的高血糖和不良妊娠結局關系的研究[36]，對GDM高危孕婦盡早篩查和采取預防性策略，能改善母嬰妊娠結局。因此，如何綜合評估各項高危因素，對GDM高危孕婦進行早期預測是目前GDM管理的難點。CDSS可借助計算機技術，通過不同的算法，整合患者的多個危險因素變量，進行GDM早期預測和輔助診斷。2015年，Douali等[28]提出一種基于案例的模糊認知圖DSS，通過整合患者年齡、2型糖尿病家族史、體質量指數、多囊卵巢綜合征病史、巨大兒史等多個變量和因素，輔助GDM早期預測和診斷，預試驗結果表明，該系統做出的預測中，90.2%與臨床醫生的最終診斷完全一致。2015年，Muller等[30]也針對妊娠期婦女，開發了基于多層神經網絡的CDSS，該系統根據反向傳播算法，也將患者的基本信息和GDM危險因素作為參數，對GDM進行早期預測。2016年，Leema等[29]采用徑向基函數神經網絡和模糊推理系統，基于糖尿病數據庫，開發了GDM輔助診斷系統，幫助初級臨床醫生在沒有糖尿病學家的情況下進行GDM診斷。研究指出，該系統對GDM診斷準確率為88.31%，敏感性為79.31%，特異性為 93.75%。2018年，Abejirinde等[31]開發了針對包括GDM在內的風險識別CDSS，對GDM婦女進行早期預測，利用顏色信號可視化提示風險類別與轉診的緊迫性，并向保健人員推送咨詢和治療決策建議。

2.2GDM孕期血糖水平監測 GDM患者的代謝隨著妊娠進展而不斷變化，對血糖水平的監測有助于及時調整治療方案。指南建議所有糖尿病孕婦應進行血糖監測，即使血糖控制穩定的孕婦，每周也至少測量一次全天血糖，此外，指南也建議可通過遠程醫療技術及時監測孕婦血糖水平[6]。CDSS可通過患者輸入或智能設備自動讀取血糖儀中的數據，對患者血糖控制情況進行遠程監測，并可生成可視化圖表，全面、動態了解患者的血糖水平，依據血糖水平的變化自動生成個體化治療方案或對現有的治療方案進行調整。如2017年Caballero-Ruiz等[16]構建的Sinedie DSS中，患者通過智能設備讀取器將血糖儀中的數值上傳至Sinedie系統中，系統對上傳的血糖數據的完整性、是否標記測量時間等進行預處理，然后采用血糖分類器基于期望最大化算法將血糖值初步分為“正常、改變、顯著改變”三個類別，通過聚類算法明確患者血糖測量時間，最后根據C 4.5決策樹算法對患者血糖測量值進行順序處理，以判斷血糖水平升高是否由特定飲食所致。2018年Pustozerov等[32]構建的Diacompanion DSS則通過帶有電子日記的患者應用程序，采用患者攜帶的連續血糖監測系統記錄血糖數據，通過系統服務器監測患者血糖水平，此外，系統還能自動識別危急值等緊急情況，向專業人員發送通知以獲取緊急處理意見。2014年García-Sáez等開發的MobiGuide DSS[34]通過藍牙連接的血糖儀上傳患者血糖數據，該系統可生成可視化圖表以動態監控血糖變化，分析患者的代謝狀況。

2.3GDM飲食方案調整 飲食調整是GDM孕期血糖管理的關鍵策略，研究指出，70%～85%的妊娠期糖尿病患者均可以通過良好的飲食輔以運動管理維持正常的血糖水平而無需胰島素等藥物治療[37]。門診隨訪雖然能夠依據患者血糖水平指導其飲食方案的調整，但仍然存在管理上的滯后性，且增加了患者的就診負擔。CDSS可自動分析患者的血糖、體質量、孕周、目前的飲食方案等相關信息，實時給出合適的飲食方案建議。在Caballero-Ruiz等[16]構建的基于網絡的Sinedie決策支持系統中，該系統結合兩個有限自動機，依據患者的血糖與尿酮監測數據，當系統監測到患者一周內血糖水平“顯著改變”、且尿酮連續2 d或不連續3 d出現“陽性”時，系統基于知識庫判斷患者需要調整治療方案，系統首選自動生成“飲食處方”建議患者進行飲食調整，在“初始飲食方案”的基礎上調整為“因高血糖而減少飲食的方案”或“因酮尿癥而增加飲食的方案”，調整患者每餐中碳水化合物的量。預試驗結果表明，該DSS成功檢測到了所有因高血糖與酮尿癥需要調整飲食方案的案例，在對15例患者生成的29個飲食處方中，僅3個處方未被接受，與患者未遵循及醫務人員早于系統進行了飲食調整有關。在Hernando 等[35]構建DIABNET DSS中，系統根據因果概率網絡定性分析1 d內不同時間血糖監測數據與飲食等多個因素之間是否存在因果關系，在飲食方面，基于“特定時間內碳水化合物的有效性”定性模型，當模型參數指示碳水化合物攝入“不足”或“過多”時，系統可自動判斷增加或減少該時間段內的碳水化合物攝入量或修改進食間隔時間，并向患者發送飲食調整建議，如建議患者重新分配早餐和上午加餐等。在García-Sáez等[34]開發的MobiGuide DSS中，該系統基于對患者GDM(如血糖水平)與產科(如孕周)相關參數，自動生成飲食調整方案，并發送至醫務人員核查后再推送給患者，此外，該系統還考慮了患者的個性化需求，如根據患者偏愛的用餐時間提供個性化的反饋，如血糖測量時間的提醒，與患者通過線上互動給出飲食調整的建議，若患者在旅行，則系統會激活“半常規飲食計劃”等[15]。

2.4GDM胰島素治療方案調整 根據GDM臨床實踐指南[5]，對經過積極的非藥物干預1～2周后，血糖仍控制不佳的孕婦，建議給予藥物治療。CDSS通過自動數據分析，識別無法通過調整飲食方案進行血糖管理的患者，自動生成胰島素治療處方與建議。CDSS這一功能，能夠克服門診隨訪對治療方案調整的滯后性，減少患者的就診時間和頻次，同時也能夠結合GDM孕期葡萄糖、內源性胰島素等生理代謝情況輔助臨床醫生進行分析，做出胰島素治療方案調整的決策。如在DIABNET[35]DSS中，系統綜合考慮患者個人信息、當前治療方案和胰島素吸收曲線之間的相互作用，基于“特定時間內胰島素的有效性”及“與膳食相關胰島素充足性”2個定性模型，當模型參數指示該時間段內胰島素需求“不足”或“過多”時，系統可自動判斷患者需要增加或減少胰島素，并在通過線性轉換函數[胰島素劑量=胰島素需求×(最大劑量-最小劑量)+最小劑量]將胰島素需求轉換為定量建議，其中最大與最小劑量取決于患者的體質量、胰島素的類型以及胰島素治療方案的初步生成或僅做劑量調整。在對該系統的評價性研究[33]中，DIABNET對92%的病例提出了治療方案的調整建議，其中80%的建議被專家接受，拒絕的主要原因是專家認為DIABNET系統對患者需要胰島素治療的建議過于激進，依據過于單一，建議后期DIABNET系統中應納入更多相關指標作為決定患者是否需要胰島素治療的依據。而為了提高DSS對需要胰島素治療患者識別的準確性，在Sinedie DSS[16]中，當系統監測到患者出現反復的血糖升高且系統自動生成的飲食處方對改善患者代謝情況無效時，胰島素治療建議的生成即被觸發，系統將提醒醫務人員結合該患者的具體情況決定是否開始胰島素治療。在患者接受胰島素治療期間，系統則通過患者電子日志發送每日胰島素給藥時間、類型和劑量的建議，醫生審核后發送給患者。在針對60例GDM患者的預試驗中，該系統監測到了所有需要胰島素治療的患者，盡管該系統具有很高的預測價值，但醫務人員為確保對患者安全性，仍然拒絕或推遲了治療開始第1周生成的胰島素治療建議。

3 CDSS應用于GDM護理管理的啟示

3.1通過CDSS提高患者血糖監測的依從性 目前我國GDM管理的多種模式中，醫務人員要么通過隨訪患者攜帶的紙質日志了解患者近期的血糖監測情況，要么通過信息平臺了解患者血糖水平，前者存在監測與管理上的滯后性，后者則增加了醫務人員對信息處理的工作量。而CDSS則可借助網絡與計算機技術，通過不同途徑與方法實時采集患者自我監測數據，并進行自動分析以生成決策建議。在Rigla等[15]的研究中發現，與歷史隊列人群相比，使用MobiGuide系統能夠提高患者的血糖監測依從性及滿意度；而在Pustozerov等[32]的研究中也提到60%患者認為CDSS在血糖監測的便利性上優于傳統日記的形式。CDSS采用智能的方法對患者的數據進行采集，能夠為醫患雙方帶來實時血糖監測結果交互便利性，同時提高患者對于血糖自我管理的依從性，且相較于微信、電話等目前常見的遠程醫療模式，CDSS還能夠基于知識庫等結合患者的各項參數為醫務人員提供初步的分析結果，輔助決策。

3.2通過CDSS實現對患者個體化飲食管理 個體化飲食管理是指根據GDM患者的BMI、糖代謝水平、生活習慣等個人具體情況制定患者個體化的營養方案，相較于常規GDM飲食指導能夠更有效地控制血糖水平，改善妊娠結局[38]。目前臨床上專科護士在GDM患者非藥物管理中起主導作用[8]，但在為患者制定個體化飲食方案中，仍存在多種障礙因素，包括自身的知識儲備及對患者個體化信息的分析等，且受患者隨訪的影響，飲食方案的調整存在較大的滯后性。而CDSS不僅能夠通過采集患者個人監測數據分析其代謝情況從而反映目前飲食方案的有效性，還能通過對患者血糖測量時間和結果分析判斷血糖異常情況與進餐時間及攝入量之間的因果關系，有針對性地進行飲食方案的調整。通過CDSS自動生成飲食調整方案的準確性與可行性已被證實，未來，將CDSS應用到患者個體化飲食管理中，是幫助護理人員實現GDM護理管理的重要策略。

3.3通過CDSS輔助患者運動鍛煉的管理 運動鍛煉是GDM患者孕期非藥物管理的重要內容之一，2013年，加拿大糖尿病協會建議應根據GDM患者孕期高危因素選擇運動的類型、頻率、強度以及持續時間，根據年齡段選擇運動時應該達到的目標心率區間[39]。2019年，章孟星等[6]對于GDM臨床護理實踐指南中也提出衛生保健人員應在評估GDM患者有無運動禁忌證后建議其選擇合適的運動類型與頻率，以低至中強度的有氧運動或抗阻力運動為主。目前運動鍛煉主要依靠GDM患者居家自我管理實現，如何對患者運動鍛煉效果進行實時監測并提高其依從性是護理管理的難點。而CDSS，如MobiGuide[34]和Diacompanion[32]DSS則通過患者身體活動監測器和運動手環的佩戴實現了患者運動時各項內容監測的可行性，幫助醫務人員實現對GDM患者實時的運動管理，并結合患者飲食、用藥及血糖代謝水平，提出相應的決策建議。

3.4通過CDSS提升GDM管理質量 CDSS是信息化技術發展的高級階段，是信息系統和決策支持技術相融合的結果[40]，其能夠為護理管理者和實踐者提供的以患者為中心的管理，創建個體化的醫療保健服務，提高患者依從性和自我管理能力，減少醫務人員的工作量，實現實時醫患交互，減輕患者的就醫負擔。Caballero-Ruiz等[16]評估了Sinedie系統對于GDM管理中臨床工作量的影響，結果顯示每位GDM患者臨床評估時間平均減少了27.39%，面對面就診的次數減少了88.56%；同時CDSS也能為臨床護理人員提供基于最佳護理臨床實踐指南的決策支持，提高臨床醫務人員對于指南的依從性，促進最佳證據的運用。在GDM臨床護理實踐指南的實施中，缺乏GDM護理常規和操作流程是一大障礙因素，只有促進和改善護理人員依據指南的護理實踐行為，才能推動指南的實施，進而提升GDM管理質量[41]。目前我國將CDSS運用于住院患兒疼痛[26]、住院患者低血糖[27]和新生兒早期診療護理預警[24]管理的研究也發現，CDSS能夠在一定程度上提高護理工作質量、效率和護士工作滿意度。因此，未來將CDSS應用于GDM患者管理是提高護理管理質量的重要措施。

4 小結

目前，國內外對CDSS在GDM管理中的研究較少，大多聚焦于臨床決策支持系統的設計與開發，現有研究中無論是CDSS的構建平臺、決策內容、算法與模型還是決策依據都不相同。本文總結了目前CDSS在GDM早期預測與輔助診斷、患者血糖水平監測、飲食方案與胰島素治療方案調整中的應用現狀，并指出CDSS對GDM護理管理的啟示，基于CDSS的護理管理模式將成為GDM護理管理領域的熱點。