智能急診分診系統在創傷性休克患者急救中的應用及效果分析

□ 黃海群 HUANG Hai-qun 陳瑞敏 CHEN Rui-min 呂洋洋 LV Yang-yang 顏雷雷 YAN Lei-lei 林海鳥 LIN Hai-niao

創傷性休克是急診科常見疾病，直接或間接創傷致使患者出現身體失血，機體血流灌注下降，出現休克[1-2]。創傷性休克患者多伴隨不同程度的臟器損害或代謝紊亂，病情危急且復雜，生命安全受到嚴重威脅。對創傷性休克患者臨床醫護人員必須爭分奪秒進行急救，最大程度保證患者的生命安全[3]。急診科患者數量多，病情進展迅速，醫務人員如無法準確預見患者病情發展，容易發生醫療風險，影響急診科室的診療服務質量，甚至可能威脅到患者的生命安全。因此提高急診科室的診療服務質量是提高患者搶救成功率的關鍵。有研究指出[4]，優質準確的急診分診管理能夠有效提升急診科診療服務質量，減少醫療差錯。2020 年12 月，醫院本著“智慧醫院”建設原則，正式上線急診智能化預警評分分診平臺，整合了醫院門急診、住院醫生工作站和醫院管理系統平臺數據，依據患者病情提示患者的分級評分，急診護士根據系統評分，結合患者癥狀快速判斷，提高分診時效性和準確性，進而提高患者的急救效果。

資料與方法

1.研究對象。選擇2019 年1 月至2020 年12 月在醫院就診的144 位創傷性休克患者作為研究對象，其中2019 年1月至2019 年11 月的70 位患者納入對照組，2019 年12 月至2020 年12 月就醫的74 位患者納入研究組。對照組中男性患者42 人，女性患者28 人；患者年齡18～75 周歲，平均46.03±5.40歲；發病時間2～7小時，平均發病時間3.4±0.5小時；創傷類型：腦挫傷12 例，肝挫傷8 例，脾破裂14 例，胸部創傷18 例，合并骨折10 例，復合創傷8 例；休克指數1.19±0.36；受傷原因：交通事故46 例，重物打擊15 例，高空墜落5 例，其他4 例。研究組中男性47 例，女性27 例；年齡18～75 周歲，平均45.82±5.94 歲；發病時間2～7 小時，平均發病時間3.6±0.6 小時；創傷類型：腦挫傷11 例，肝挫傷9 例，脾破裂13 例，胸部創傷22 例，合并骨折8 例，復合創傷11 例；休克指數1.17±0.43；受傷原因：交通事故41 例，重物打擊19 例，高空墜落9 例，其他5 例。兩組患者基本情況差異無統計學意義(p＞0.05)。

研究對象納入排除標準。納入標準：①合創傷性休克的診斷標準[5]；②損傷嚴重程度評分≥16 分；③患者家屬對本次研究知情且簽署知情同意書。排除標準：①內科疾病引發休克；②年齡＞80 周歲或＜18 周歲；③中途轉院；④有免疫系統疾病或凝血功能障礙患者；⑤合并中毒、燒傷、既往心、肝、腎等重要臟器功能疾病。

2.研究方法

2.1 對照組采用采用常規三班制急診分診進行管理，每班分診人數固定，班次固定，工作時間分別為白班(8∶00-18∶00)，中班(18∶00-23∶00)，夜班(23∶00-8∶00)。夜班分診一個人，以高資歷、經驗豐富護士為主。主要工作內容為：觀察患者的各項生命體征，依據2018 年我國發布的《急診預檢分診專家共識》[6]作為分診指導規范開展分診工作，對患者進行病情分級，并安排患者就診，必要時給予患者應急處理或床旁檢查，同時負責急診分診區的日常管理。

2.2 研究組采用智能急診分診管理，主要包括智能急診分診系統和風險管理兩個部分。

3.醫院智能急診分診管理

3.1 智能急診分診管理系統，涵蓋患者資料、生命體征自動導入、智能化分科分級、智能化信息統計、智能化數據、質控報表共享六大模塊；采用讀卡器讀卡方式讀取患者基本信息，包括姓名、性別、掛號時間、年齡、聯系電話、家庭住址、急診就診編號、分診時間、就診狀態等，信息保存后傳輸給就診醫生的工作站診療系統；患者生命體征自動導入。

下拉式菜單選擇患者的主訴檢測項目，包括血壓、脈搏、呼吸、體溫、血氧飽和度等，對患者進行疼痛評分、創傷評分、格拉斯哥昏迷(GCS)評分；智能分科分級，分級標準參照《急診預檢分診專家共識》和臺灣地區急診檢傷和急迫度分級量表(TTAS)，Ⅰ級(紅色)：患者嚴重持續性心律失常、心跳呼吸驟停，病情隨時危及生命，需要立即救治。Ⅱ級(橙色)：患者病情有可能在短時間內進展至Ⅰ級，或可能導致嚴重殘疾，Ⅲ級(黃色)需要急診醫療資源≥2 個，Ⅳ級(綠色)：所需急診資源≤1 個，或沒有急性發病情況或特殊門診患者。

智能化數據應用。系統內收集大量患者急診分診數據，通過多種算法和機器學習模型，有目的地進行數據處理和歸納，依據當前患者各項生命體征數據，預測患者病情可能的進展趨勢，得出結論，并給出分診建議。分診完成的患者的各項量表評分結果、生命體征評估結果等數據會自動同步到智能化醫生診療系統中，診治醫生可以準確掌握每一位患者的情況，可進行二次分級叫號。

3.2 風險管理。構建風險管理小組。由急診室護士長擔任組長，組員為各個區域的組長和主管護理人員，小組呈報風險事件后進行組內分析探討，制定對應用的風險防范對策，由組長監督落實。定期培訓。定期對急診護理人員進行培訓，詳細講解和總結分診中可能出現的風險，增強護理人員識別風險和防范風險的能力，并進行理論結合實踐的技能考核，對于考核未通過的護士進行二次培訓直至考核合格為止。

4.觀察指標。(1)急診分診時間，記錄兩組患者急診時間(開始搶救到護理結束時間)和分診時間(分析判斷患者病情輕重緩急時間)。(2)診療效果。自制患者滿意度調查問卷對兩組患者診療服務滿意度進行評分，分為非常滿意、較滿意、滿意、不滿意四個量級，滿意度=(非常滿意+較滿意+滿意)/總例數。(3)搶救成功率及預后。記錄兩組患者搶救成功率、預后療效，其中預后療效分為痊愈(意識清楚，各項生命體征及生化指標均正常)、有效(患者仍昏迷貨伴隨意識障礙，生化指標仍與正常值有所偏離)和死亡(患者搶救無效死亡)。

5.統計學方法。采用SPSS21.0 對數據進行統計學處理，計數資料采用率表示，用χ2檢驗，計量資料采用t檢驗，p＜0.05 為差異有統計學意義。

結果

1.兩組患者急診、分診時間比較。研究組急診時間、分診時間均顯著低于對照組(p＜0.05)，見表1。

表1 患者急診、分診時間

2.兩組患者搶救成功率及預后結果比較。研究組搶救成功率研究組搶救成功率為89.19%，痊愈率為70.27%，有效率為22.97%，研究組搶救成功率、預后結果均顯著優于對照組(p＜0.05)，見表2。

表2 患者搶救成功率與預后[n(%)]

3.兩組患者診療服務滿意度比較。研究組滿意度為100.00%，對照組診療服務滿意度為92.86%，顯著低于研究組(p＜0.05)，見表3。

表3 患者診療服務滿意度[n(%)]

討論

創傷性休克患者由于臟器供血不足，尤其是腦組織細胞長期缺血對腦神經造成不可逆轉的損傷，病情兇險且復雜，患者生命安全受到嚴重威脅。有研究指出[7]，如何在最短的時間內得到及時有效的救治是保證患者搶救成功率的關鍵。急診科作為危急重癥搶救的關鍵性場所，在創傷性休克患者搶救成功率中占有重要地位[8]。急診分診作為急診患者就診的第一步，是保障患者在最短的時間內得到有效救治的重要措施，尤其是在擁擠的急診環境中，如果分診能力不足，判斷失誤，極易延誤患者就醫。傳統分診模式沒有明確的分診標準，急診科護士主要依靠自己的主觀經驗判斷分診，這對分診護理人員提出較高要求。隨著信息化技術的不斷發展，也給醫療行業帶來新的機遇和挑戰，醫院基于《急診病人病情分級指導原則》，建立完善、系統科學的現代化分診工具，對患者進行合理分流，使患者在正確的時間、正確的地點使用合適的醫療資源。

急診護士接診患者時，會面臨患者病情不確定，臨床資料不足，評估時間緊迫等問題，且僅靠醫務人員經驗判斷存在較大主觀性，很難準確把握患者病情[9]。人工智能和電子信息的應用可以最大程度地輔助護士進行臨床決策，提高急診分診質量[10]。本次研究結果顯示，研究組急診時間、分診時間均顯著低于對照組。該結果表明，智能急診分診系統能夠明顯縮短急診分診時間。作者認為主要有以下幾方面原因：(1)通過急診分診培訓，護理人員具備了較為完善的臨床判斷能力和專業評估能力，可以熟練掌握分診標準和流程，能有針對性地收集有價值的信息，對患者進行及時有效的處理。(2)智能急診分診系統可以為護理人員提供快速、準確、安全的分診工具，包括分診原則、分診方法、應急處理、護理導向，護理人員嚴格按照指南收集主客觀資料進行量化判斷患者病情，最大限度地發揮急診醫療資源的作用，進而最大程度地減少患者候診時間，提高效率。本次研究結果顯示，研究組患者搶救成功率和搶救效果均顯著優于對照組。作者認為主要是以為，智能急診分診系統的分診規則運用大數據分析思維，依靠大量數據分析得出結論，分診規則覆蓋了絕大多數就診患者的分診可能性，提高分診準確性，降低因為經驗不足導致的分診失誤。智能急診分診系統應用后，分診護士僅作為生命體征采集者，由分診系統對數據進行分析處理，結合患者癥狀，精準分診，可以有效避免人工分診的主觀性和盲目性。本次研究結果顯示，研究組患者診療服務滿意度顯著高于對照組。作者認為，主要是因為智能急診分診系統與信息化管理相結合，有助于提高分診效率，改善急診擁擠狀態，為患者提供優質的醫療服務，患者就醫體驗得到提高，進而提高滿意度。

綜上所述，智能急診分診系統能夠有效縮短急診、分診時間，提高創傷性休克患者搶救成功率和搶救效果，提高診療服務滿意度，值得臨床推廣應用。