突發疫情疑似癥狀風險自查應用的交互設計研究

王時惠　李春輝　黃勛　胡建中　黃偉紅

摘 ? 要：針對突發疫情帶來的患者線下交叉感染風險與醫護人工排查患者工作量激增的社會公共安全問題，通過文獻法、流行病學理論、專家咨詢與主觀賦權法（醫院感控、呼吸內科、危急重癥科、疾病控制中心等部門的專家）、人機交互設計、用戶測試與可用性評估等方法，進行了突發疫情疑似癥狀風險自查內容、可供選項、風險權重與閾值以及人機交互設計研究，制定了疑似病案篩查與患者分類居家觀察、隔離和立即就診的早期防控策略，設計了疑似癥狀風險評估人機交互應用與篩查模式并上線推廣使用. 結果表明在突發疫情爆發早期，疑似癥狀風險自查應用為民眾提供了簡單易行的臨床判斷科學依據，一定程度上緩解了民眾盲目焦慮、線下交叉感染風險以及醫護人工排查工作量，為未來新型傳染病疫情防控，提供了線上疑似癥狀風險篩查分類與線下患者分流就醫的防控策略與人機交互設計參考.

關鍵詞：突發疫情;疑似癥狀;風險自查;設計策略;人機交互;應用設計

中圖分類號：TP391 ? ? ? ? ? ? ? ? ? ? ? ? 文獻標志碼：A

Study on Interaction Design on Risk Self-check Application

of Emergent Epidemic Suspected Symptoms

WANG Shihui1，2，LI Chunhui3，HUANG Xun3，HU Jianzhong2，HUANG Weihong2

（1. School of Architecture and Art，Central South University，Changsha 410083，China;

2. “Mobile Health” Ministry of Education - China Mobile Joint Laboratory，Central South University，Changsha 410008，China;

3. Center for Healthcare-associated Infection ?Control of ?Xiangya Hospital，Central South University，Changsha 410008，China）

Abstract：A surge in the workload of the hospital for testing potential patients and an increased risk of cross-infection among patients due to emergent epidemic， poses a critical social public safety problem. Through the methods including literature review， epidemiological theory， expert consultation，subjective weighting （involving experts from the Departments of Infection Control， Respiratory Medicine， Critical Care， and the Center for Disease Control）， human-computer interactive design，user test，usability evaluation and etc，the content of online affected risk self-check application， available options， risk weighting and threshold， and human-computer interactions of high usability are investigate. An early prevention and control strategy is proposed for suspected cases screening and reliable suggestions to self-monitor at home， self-isolate， or seek immediate medical attention. The human-computer interaction application and screening model for suspected symptom risk assessment are designed and promoted online. The results indicate that in the early phase of emergent epidemic， the online emergent epidemic affected risk self-check application can provide a simple and feasible scientific basis for clinical judgement， alleviate the social panic， resolve the shortage of manual screening， and reduce the risk of cross-infection among patients by providing a straightforward， easy-to-understand scientific protocol. It provides references for future new epidemics prevention and control through online classification and offline triage of patients of suspected symptoms.

Key words：emergent epidemic;suspected symptoms;risk self-check;design strategy;human-computer interaction;application design

新型突發傳染病疫情，由于患者在發病前期缺乏與其他疾病顯著區別的臨床表現癥狀，導致普通病患者與感染患者因缺乏對自己病情判斷的科學依據，盲目恐慌扎堆至醫院候診與就診，導致門診就診人數高峰期突破上萬，線下醫療資源被嚴重擠兌，醫護24小時超高工作負荷，候診患者交叉感染風險激增，嚴重危害民眾生命健康安全，造成不可估計的損失[1-2]，亟需快速總結臨床判斷經驗，采取合理有效的疫情防控手段應對.

應突發疫情的防控需求，本研究基于中南大學湘雅醫院于2003年SARS和2013年H7N9禽流感疫情防控經驗，根據中國國家衛健委2020年1月28日發布的《防控方案》[3]與流行病學，制定了突發疫情疑似病案篩查與患者分類居家觀察、隔離和立即就診的早期防控策略，設計研發了疑似癥狀風險評估人機交互應用與篩查模式，于2020年2月5日-2020年2月9日上線推廣使用.

1 ? 文獻綜述與研究方法

1.1 ? 突發疫情臨床循證醫學研究

2020年1月底，臨床醫護人員、流行病專家和病毒專家通過疫情爆發區病案研究，對突發疫情的感染源頭、傳播模式、臨床癥狀及CT胸片特征等進行了階段性總結[4-5].

香港大學深圳醫院通過對5位家庭聚集患者進行流行病學、臨床、實驗室、放射學和微生物學跟蹤研究，指出了新型病毒在醫院和家庭群體聚集環境中具有人傳人的特點[6];武漢金銀潭醫院、中日友好醫院和北京協和醫院等，通過41名確診患者臨床癥狀研究，總結出多數如高燒、咳嗽、肌肉酸痛或乏力等，少數如咳痰咳血、頭疼、腹瀉等臨床癥狀. 接近一半的患者從早期癥狀發展成呼吸困難與淋巴球減少癥，所有患者都存在肺炎，呈現出非正常胸部CT影像特征，并發癥包括急性呼吸窘迫綜合征、急性心肌損傷、血漿實時RT-PCR陽性等[7];中國國家衛健委發布了《防控方案（試行第三版）》，從疑似病例定義、臨床癥狀、病案調查與匯報、特定人群個人防護等方面，提出了臨床判斷排查疑似病案的參考指南.

上述循證醫學研究，快速總結了突發疫情傳播與臨床癥狀特點，為疫情防控與疑似癥狀篩查應用設計，提供了臨床事實依據與參考.

1.2 ? 突發疫情在線咨詢服務與應用研究

2020年1月底，為應對線下醫療資源不足的問題，政府健康組織與醫療機構為民眾提供了突發疫情線上咨詢服務與應用.

中國武漢市同濟醫院開通了“發熱門診”線上咨詢人工服務，患者通過線上病情癥狀描述，獲得專家建議隔離觀察或立即就診的建議;好大夫、微醫、微脈、妙手醫生、平安好醫生、阿里健康等醫療企業，在配備多名三甲醫院的專業醫生的資源基礎上，開通了針對突發疫情的線上人工咨詢服務;騰訊公司通過微信小程序，上線了突發疫情初篩服務.

上述線上人工服務雖緩解了部分線下醫療資源壓力，但由于中國疑似感染突發疫情患者眾多，線上候診人數亦達上百人，等待時間漫長，亦耽誤民眾及時采取有效防護與醫療措施. 而騰訊公司開發的突發疫情初篩小程序，其初篩內容與判斷缺乏臨床依據.

1.3 ? 人工智能輔助突發疫情防控研究

2020年1月底至今，臨床人員、計算機科學家、數據科學家、工程師、認知科學家及企業家，利用臨床、流行病學、基因組數據，通過人工智能深度學習，進行了疫情預測防治、臨床輔助診斷、疫情監控等方面的研究與應用.

匈牙利賽格德大學在柳葉刀上發表了突發疫情在中國以外的國家地區爆發的風險評估數學模型，由中國大陸積累的病案統計、與目的地國家的聯系如旅行頻率等、以及目的地國家所采取的防控措施等核心參數構成[8];北京航天航空大學大數據中心聯合中南大學湘雅第二醫院放射科和上海智能圖像處理有限公司，通過對176名確診患者（45.3±16.5歲，96位男性，80位女性）的胸部CT片進行研究，提取出63個臨床定量特性，如肺部的感染比率、毛玻璃狀區域面積等. 通過隨機森林模型（RF model）進行訓練分析臨床定量特征與突發疫情嚴重程度的相關性，提高臨床診斷效率與預測準確性[9];美國凱斯西儲大學計算機與數據科學中心利用AI技術處理的大量實時產生的異質源數據，如源于公共健康組織的疾病相關數據、人口統計數據、移動數據、用戶社交媒體所產生的定位數據等，進行社區AI風險評估與公共場所疫情智能監控，輔助個體進行移動交通決策與個體防護[10].

上述與人工智能結合的突發疫情防控解決方案，可以幫助政府、臨床工作人員與社會民眾更好地進行疫情預防、臨床診斷以及公共區域監控等，但在針對突發疫情疑似癥狀篩查方面，還缺乏針對中國患者與醫療情景的解決方案.

1.4 ? 研究方法

本研究根據中國國家衛健委發布的《防控方案》，通過專家咨詢、主觀賦權法與人機交互設計方法，制定了突發疫情疑似病案線上篩查，輔助患者線下分流的居家觀察、隔離和立即就診的疫情防控策略，設計研發了便于向社會民眾推廣應用的、疑似癥狀風險評估應用與基于流行病學的智能篩查模式. 通過醫院感控、呼吸內科、危急重癥科、疾病控制中心基于不同患者情況的小范圍內部測試與可用性優化[11-14]，于2020年2月5日上線推廣應用. 最后，通過應用后臺用戶使用數據統計驗證與反饋，總結突發疫情防控策略、智能應用的優勢與不足以及未來工作. 研究方法如圖 1 所示.

2 ? 突發疫情防控策略制定

針對上述疫情防控存在的問題，2020年1月底中南大學湘雅醫院醫院感控、呼吸內科、危急重癥科、疾病控制中心專家，根據中國國家衛健委發布的《防控方案》在疫情監測、預防與控制等提出的疫情防控指導方針與具體指南，結合2003年SARS和2013年H7N9疫情防控工作中“新病案早期發現”與“患者鑒別分類、隔離、感染控制”的經驗，經過專家組討論與決策，提出了“人工智能輔助突發疫情線上患者分流篩查，線下患者分流觀察、隔離與就醫”的防控策略如下：

1）以中國國家衛健委發布的《防控方案》為指南，結合流行病學，進行普通患者與疫情疑似患者的鑒別分類與處理措施建議;

2）以指南中《流行病學調查方案》和《個案調查表》為參考，進行突發疫情疑似癥狀風險自評內容的設定，包括患者性別、年齡、職業等基本信息、高危特點評估、疫區接觸與暴露史、既往病史和疑似癥狀5個部分的問題與選項設定;

3）根據流行病學，對問題選項進行風險評分權重、閾值和分類參考醫療建議設定. 根據患者自身情況客觀回答，構建線上智能鑒別分類篩查模式;

4）基于人機交互可用性之易學性原則[15]，考慮患者不同文化程度，設計簡單易懂的突發疫情疑似癥狀風險自評的應用說明、問題與選項、以及措施建議參考;

5）基于人機交互可用性之效率原則[16]，考慮中國本地化線上線下多類應用與推廣場景，設計極簡的讓用戶進入程序、問題回答、選擇等人機操作步驟，保證用戶每次都能方便快速地進行自評.

3 ? 人機交互與篩查模式設計

3.1 ? 便捷易懂的人機交互設計

突發疫情疑似癥狀風險評估應用人機交互流程簡單快捷，如圖2所示，一般用戶根據客觀情況做答，可在3 min內完成評估.

具體評估內容，其問題與選項文字定義，考慮到不同文化程度的患者使用，將一些臨床術語進行了簡單易懂語句的轉化，具體條目及選項如下.

1）患者基本信息：性別、年齡與職業;

2）高危特點人群的危險因素評估：醫務人員，醫院其他工作人員，病原微生物檢測人員，野生動物接觸相關人員，家禽/家畜養殖人員，孕婦和其他;

3）疫區接觸與暴露史評估：患者是否佩戴口罩進行自我防護，在華南海鮮市場及周邊接觸或居住史，武漢地區旅行或居住史，武漢周邊地區或本地病例持續傳播地區的旅行或居住史，疫區發熱或呼吸道癥狀患者接觸史（如共同工作/學習/開會/探視或場所聚過，或在公共交通/房間/排隊候診的密閉空間呆過），流行病關聯史（如出自同一家庭或生活在同一住戶），以及聚集性發病（家庭/家族/社區/市縣）等;

4）既往病史評估：高血壓，糖尿病，心血管疾病，肺部疾病（如哮喘、肺心病、肺纖維化、矽肺等），慢性腎病，慢性肝病，免疫缺陷類疾病，惡性腫瘤或其他;

5）臨床疑似癥狀評估：發熱寒戰，干咳，咳痰，咽痛，鼻塞流涕，頭痛，乏力，肌肉酸疼，關節酸疼，呼吸大于30次/min，呼吸小于30次/min，心率大于100次/min，心率小于100次/min，胸悶，惡心嘔吐，腹痛、腹瀉，結膜炎（異物感、燒灼感、眼瞼沉重、分泌物增多等）.

用戶根據自身客觀情況完成評估后，系統后臺將不同選項的風險評估分值統計，結合之前設定的患者分類閾值，給出評分及“居家觀察”、“隔離或就醫”以及“立即就醫”的建議.

3.2 ? 在線自查風險評估權重與患者分類閾值設定

突發疫情疑似癥狀風險自評內容包含4個計分評估類別，分別為危險因素評估、疫區接觸與暴露史、既往病史和疑似癥狀.不同選項對應的權重，見表1～表4.

不同選項對應的風險權重和患者分類閾值，由感控中心、呼吸內科、危急重癥科、疾病控制中心等專家，基于流行病學理論，先通過主觀賦權法設定，然后根據臨床多樣化情況進行小范圍內快速測試，優化風險權重分值及患者分類閾值.

分值在0～35之間被判斷為輕度疑似患者，建議進行居家觀察;36～68分之間被判斷為中度疑似患者，建議居家隔離或就醫;分值為69～179分之間被判斷為重度疑似患者，建議立即就醫.

3.3 ? 推廣應用情況

2020年2月5日，突發疫情疑似癥狀風險自評應用通過湘雅醫院科普平臺、微信朋友圈以及湘雅醫院公眾號發布，向全社會推廣應用.

根據2020年2月5日-2月11日后臺用戶訪問量與應用人數統計，2月6日單日訪問量突破9萬，用戶數突破1.6萬（見圖3），被中華人民共和國教育部快速關注，給予了很高的評價，并在教育部官方網站對中南大學團隊給予了表揚和鼓勵[17].

高訪問量以及高用戶使用數，驗證了本研究針對突發疫情防控進行的疑似癥狀風險自評、線上智能患者分類篩查與線下患者分流的疫情防控策略與智能模式的及時性與有效性，一定程度上緩解了社會盲目恐慌、線下醫療資源擠兌與患者交叉感染風險.

4 ? 結 ? 論

針對突發疫情爆發期，由于公眾缺乏對病情的科學臨床判斷依據，蜂擁至醫院候診與就診，使得醫院排查工作量與患者交叉感染風險激增，嚴重擠兌醫療資源，耽誤患者及時醫治，嚴重危害公共健康安全的問題，本研究提出了應對突發疫情，基于疑似癥狀風險自查的線上患者分類篩查，與線下患者分類觀察、隔離與就醫的防控策略，設計了智能輔助自查應用，讓患者可以線上線下多場景應用（手機端與PC段以及線下門診），方便快捷，為民眾提供了簡單易行的臨床判斷科學依據，緩解了突發疫情早期民眾盲目焦慮，降低了線下交叉感染風險以及醫護人工排查工作量. 同時，面對未來存在的突發疫情風險，本研究在前人研究基礎上，針對國內患者的特點與使用情境，為醫工交叉團隊未來快速有效應對新疫情爆發風險，提供了疫情防控策略與智能模式應用的有效參考.

致 ? 謝

本項研究感謝國家衛健委抗擊突發疫情專家組成員、中華預防醫學會醫院感染控制分會主任委員吳安華教授，中南大學公共衛生學院院長胡國清教授，中南大學湘雅醫院感控主任黃勛教授、副主任李春輝教授，中南大學湘雅三醫院呼吸科主任孟婕教授，進行防控策略與智能模式制定、內容編寫、審核和樣本測試. 中南大學湘雅醫院網絡信息中心主任馮嵩帶領軟件研發團隊，在醫院信息化服務體系的基礎上，充分利用互聯網技術，打通信息通道，快速開發部署，按期上線了本應用.

參考文獻

[1] ? ?WANG C，HORBY P W，HAYDEN F G，et al. A novel coronavirus outbreak of global health concern[J]. The Lancet，2020，395（10223）：470—473.

[2] ? HUANG C L，WANG Y M，LI X W，et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan，China[J]. The Lancet，2020，395（10223）：497—506.

[3] ? ?國家衛生健康委辦公廳. 關于印發新型冠狀病毒感染的肺炎防控方案的通知[R]. 第三版

National Health Commission of the People's Republic of China. “Diagnosis and Treatment Protocol for COVID—19”[R]. 3rd edition. （In Chinese）

[4] ? ?GUO Y R，CAO Q D，HONG Z S，et al. The origin，transmission and clinical therapies on coronavirus disease 2019（COVID-19） outbreak-an update on the status[J]. Military Medical Research，2020，7（1）：93—103.

[5] ? ?SINGHAL T.A review of coronavirus disease-2019 （COVID-19）[J]. The Indian Journal of Pediatrics，2020，87（4）：281—286.

[6] ? ?BAI Y，YAO L S，WEI T，et al. Presumed asymptomatic carrier transmission of COVID-19[J].JAMA，2020，323（14）：1406—1407.

[7] ? ?ZU Z Y，JIANG M D，XU P P，et al. Coronavirus disease 2019 （COVID-19）：a perspective from China[J].Radiology，2020，296（2）：E15—E25.

[8] ? ?BOLDOG P，TEKELI T，VIZI Z，et al. Risk assessment of novel coronavirus COVID-19 outbreaks outside China[J]. Journal of Clinical Medicine，2020，9（2）：571.

[9] ? ?TANG Z Y，ZHAO W，XIE X Z，et al. Severity assessment of coronavirus disease 2019 （COVID-19） using quantitative features from chest CT images[EB/OL].2020.

[10] ?YE Y，HOU S，FAN Y，et al. alpha $-Satellite：an AI-driven system and benchmark datasets for hierarchical community-level risk assessment to help combat COVID-19[EB/OL]. 2020.

[11] ?EUBANK B H，MOHTADI N G，LAFAVE M R，et al. Using the modified Delphi method to establish clinical consensus for the diagnosis and treatment of patients with rotator cuff pathology[J].BMC Medical Research Methodology，2016，16（1）：1—15.

[12] ?LAZAR J，FENG J H，HOCHHEISER H. Experimental research[M]//Research Methods in Human Computer Interaction.Amsterdam。Elsevier，2017：25—44.

[13] ?MARAMBA I，CHATTERJEE A，NEWMAN C.Methods of usability testing in the development of eHealth applications：a scoping review[J]. International Journal of Medical Informatics，2019，126：95—104.

[14] ?XU X Z. A note on the subjective and objective integrated approach to determine attribute weights[J]. European Journal of Operational Research，2004，156（2）：530—532.

[15] ?MARTIN M L，BLUM S I，LIEDGENS H，et al. Mixed-methods development of a new patient-reported outcome instrument for chronic low back pain：part 1-the Patient Assessment for Low Back Pain-Symptoms （PAL-S）[J].Pain，2018，159（6）：1045—1055.

[16] GEORGSSON M，STAGGERS N. Quantifying usability：an evaluation of a diabetes mHealth system on effectiveness，efficiency，and satisfaction metrics with associated user characteristics[J]. Journal of the American Medical Informatics Association，2016，23（1）：5—11.

[17] ?新型冠狀病毒感染的肺炎防治及科普平臺上線[R].

COVID-19 prevention and control knowledge platform supported by Xiangya Hospital Central South University[R]. （In Chinese）

收稿日期：2020-10-12

基金項目：國家重點研發計劃資助項目（2018YFC2002400），National Key R&D Program of China（2018YFC2002400）;湖南省自然科學青年基金資助項目（2020JJ5781），Youth Program of Natural Science Foundation of Hunan Province（2020JJ5781）;長沙市科技計劃新冠肺炎專項項目（kq2001046），The Special Science and Technology Project for COVID-19 of Changsha City（kq2001046）

作者簡介：王時惠（1985—），女，湖南長沙人，中南大學講師，博士

通信聯系人，E-mail：whuangcn@qq.com