婦科危重癥預警智能管理體系的構建及成效分析

曾麗華 喬成平 趙蕾 陶小香 周滿 姚慧 姜晨

南京醫科大學附屬婦產醫院婦科腫瘤病區，南京 210004

婦科危重癥發病急、病情重、病死率高，救治不及時可造成不可逆器質性損傷，嚴重威脅患者生命〔1-2〕。有研究表明：約26%的護士對病情變化不敏感，未及時預警，甚至造成臨床意外事件和病死率增高〔3-5〕；預警后的搶救失誤易致病情逆轉甚至增加死亡率〔6〕。因此婦科患者危重病情變化早識別潛在風險、早預警、加強預警管理是提高患者搶救成功率、降低病死率的關鍵〔7-8〕。預警系統在國外的研究大多側重于預警系統的構建，潛在風險的識別，疾病危重程度的預測〔7-8〕。但預警后的風險管理處理方案卻較少報道。國內大多數學者將國外早期預警評分表應用于急診、院前急救等領域，為預檢分診或病情評估提供依據，鮮有專科預警體系的構建及預警后風險管理的報道〔9-10〕。本研究基于前期研究——建立婦科患者危重病情變化早期預警評估表(GEWS)的基礎上〔11〕，構建婦科危重癥預警風險管理體系，利用現代信息技術實現體系的智能化，以期為臨床醫護人員提供自動化、數字化的病情監測工具，為護理人員提供實時危重癥的臨床護理決策指導，達到提高病情變化的預警率與救治效率、縮短預警時間及搶救時間、促進預后與康復、降低病死率的目的。

1 方法

1.1 婦科危重癥預警智能管理體系的構建

1.1.1工具選擇 本體系選擇喬成平等構建的GEWS表作為病情變化評估工具〔11〕。該量表通過對389例婦科病例進行回顧性分析，結合婦科臨床經驗構建而成。量表已廣泛用于某三級甲等婦幼保健院婦科病房。量表包括意識、是否吸氧、陰道流血、下腹部痛、呼吸、體溫、收縮壓、心率、血氧飽和度、疾病類型、血紅蛋白、相關癥狀、共12項指標，其中前4項指標賦值為0～2分，其余指標賦值為0～3分，總計0～32分。量表在婦科病房使用的最佳截斷點為3.5分，對應ROC曲線下面積為0.96，靈敏度為92.32%，特異度為88.85%，具有良好預警性能。

1.1.2預警風險分級及驗證 根據GEWS表評分判斷危重病情變化風險程度。依據GEWS表的ROC曲線及最佳截斷點確定風險分級數量，分級距、上下限；將<4 分劃為低風險，4～8 分為中度風險，9～12分為高度風險，>12分為極高風險。采用回顧性研究驗證GEWS表風險分級的效能，分別采用GEWS表及醫囑(護理等級與病情描述醫囑)對2019年9月1日至2020年8月31日入住南京醫科大學附屬婦產醫院婦科患者236例進行病情變化風險分級，比較2種方法的危重病情分級分布差異。納入標準：年齡>18歲，住院時間≥24 h；排除標準資料不全者病例。依據醫囑對病情分級(金標準)方法具體如下：二級、三級護理為低風險，一級護理為中風險，一級護理+病重為高風險，一級護理+病危為極高風險。

1.1.3預警處理方案的制定，采用循證方法，篩選婦科危重癥處理池，并應用軟件進行數據分析處理，最后結合婦科臨床繪制預警處理方案。預警處理方案制定具體方法如下：首先在國內外數據庫中查閱婦科危重病情變化預警處理的相關文獻，通過去重、研讀、分析、篩選建立預警處理池，然后采用Nvivo12.0數據處理軟件對預警處理逐一編碼，分類，分層，提煉主題，再梳理預警處理主題間的關系，確定順序，形成處理方案框架；將處理方案與臨床護理排班結合，確定每個護理班次的急救角色，最后對預警處理方案進一步具體化與量化，繪制成圖，形成最終處理方案。

1.2 婦科危重癥預警管理體系的智能化

實現預警管理的智能化實現分為2大步驟，第一步利用現代信息技術，以GEWS為基礎進行電子化設計；內容包括評估表自動計算，風險分級，預警信號，護理方案推薦。第二步則將電子化的預警管理系統嵌入醫院信息管理系統(HIS)，與檢驗信息系統(LIS)，臨床信息系統(CIS)、傳輸系統(PACS)，護理文書記錄系統等基礎數據庫信息融合互通。通過上述步驟，系統將實現以下功能：借助信息共享，自動對數據庫信息進行判讀、篩選、并導入系統，然后系統進行自動評分、風險分級、預警觸發、方案推薦的完整自動化操作。系統的應用終端包括桌面版和PDA移動版，移動版采用無線網絡為數據傳輸鏈路，使用移動手持終端設備，將醫院各種基礎數據源通過無線網絡與移動終端連接，實現病房、床邊的實時數據輸入、風險評估，分級查詢，風險預警，方案推薦等功能。

1.3 婦科危重癥預警智能化管理體系的應用

1.3.1研究對象及方法 采用前瞻性觀察研究，采用方便抽樣，收集2019年9月1日至2022年1月31 日入住該院婦科危重癥患者56例，其中2019年9月 1日至2020年8月31日為常規組25例，2020年9月1日至2022年1月31日為智能組31例。納入標準：確診婦科危重癥患者(依據醫生診斷與醫囑)包括婦科急腹癥，靜脈血栓、婦科惡性腫瘤，合并嚴重心肺腦腎疾病，電解質紊亂、感染、大出血；住院期間至少經歷過一次緊急搶救；年齡>18歲；住院時間≥24 h；排除標準：資料不全病例或入院時病情危重立即實施搶救者。

1.3.2預警處理措施 常規組為現在臨床采用的預警模式即患者出現不適時按鈴，護士床邊評估判斷病情后，認為患者處于危機狀態，啟動床旁預警裝置并施救即為預警。智能組采用預警智能化管理體系，系統自動抓取患者數據實時風險評估監測，自動研判，風險分級，觸發預警，推送預警處理方案；醫護人員接到預警信號后立即啟動急救處理流程，參照預警處理方案，結合實際情況施救。

1.3.3觀察指標 以預警率及預警時間評估預警效率，以搶救時間、急救護理達標率評價預警處理效率。其中預警率是指發現并正確判斷異常病情變化的能力，且及時觸發預警次數占同時期病情危重變化實際次數。未預警次數為同時期病情危重變化實際次數-正確預警次數。包括患者不適按鈴后護士未能判斷出病情危重而1 h內患者出現嚴重病情變化者，護士巡視病房時發現病人已經發生了嚴重病情變化，或由病房其他人來告知病人已經發生了明顯異常者。急救護理達標率是對急救護理時間及操作水準的綜合評價，即在規定時間內完成并達到操作標準才認定為達標。觀察項目包括：呼吸道管理、靜療管理、準確用藥、病情監測。預警時間：是指發現異常到急救團隊到達現場耗費的時間(常規組由啟動床旁預警裝置的護士記錄，智能組由智能系統自動記錄，第1個到達搶救現場的醫務人員)。搶救時間：預警開始到該次搶救最后一項操作結束時間(常規組由啟動床旁預警裝置的護士記錄；智能組由系統自動記錄預警開始時間，負責記錄搶救過程的護士記錄結束時間)。

1.4 統計學方法

2 結果

2.1 GEWS表的風險預測能力

共收集婦科病例共236例，其中婦科急腹癥48例，婦科腫瘤92例，盆底疾病20例，生殖系統感染10例，其他66例。GEWS與金標準的風險等級分布結果顯示：GEWS表預測低、中、高、極高風險等級的人數分別172、47、11、6例，風險分布與金標準基本相符，差異無統計學意義(P>0.05)，見表1。

表1 GEWS與金標準的婦科危重病情風險等級分布〔n(%)〕

2.2 預警處理編碼

經文獻檢索篩選婦科危重癥智能預警處理編碼共75個，形成二級編碼32個，最終提煉主題12個，針對4級風險等級分別繪制智能預警處理方案4組，每組管理方案包含8個子模塊，每個模塊針對患者不同病情變化種類。

2.3 智能化預警應用研究對象的一般資料

本研究共納入婦科搶救病例56例，其中常規組25例，智能組31例，在院期間共發生94次搶救，平均每名患者發生搶救1.7次，其中因大出血搶救38次，嚴重感染5次，過敏性休克3次，肺栓塞2次，心肺功能障礙4次，其他原因42次。兩組患者在疾病類型、年齡、手術時間、合并疾病差異均無統計學意義(均P>0.05)，見表2。

表2 兩組一般資料比較

2.4 兩組病情變化時預警率比較

兩組病情變化時預警次數比較結果顯示：智能組病情變化時預警率高于常規組，差異具有統計學意義(P<0.01)，見表3。

表3 兩組病情變化時預警率比較〔n(%)〕

2.5 兩組病情變化時預警時間比較

病情變化時預警時間結果顯示：智能組病情變化時預警時間平均(14.57±5.666)s短于常規組(36.74±10.929)s，差異具有統計學意義(t=53.970，P<0.01)。

2.6 兩組急救護理達標率

表5兩組急救護理達標率結果顯示：智能組呼吸道管理,規范給藥,靜脈管理,病情監測達標率分別為92.453%、98.113%、94.340%、94.340% 均高于常規組,差異均有統計學意義(均P<0.05)。見表4。

表4 兩組急救護理措施達標率比較〔n(%)〕

2.7 兩組搶救時間比較

兩組研究對象搶救時間結果顯示：智能組平均搶救時間(43.66±19.174)min短于常規組(50.81±21.670)min，差異具有統計學意義(t=12.901，P<0.01)，提示預警智能管理體系應用有利于縮短搶救時間。

3 討論

3.1 預警智能管理體系具有科學性、特異性、準確性、智能化特征

3.1.1預警智能管理體系構建過程嚴謹、科學 本預警智能管理體系充分體現科學性、特異性、準確性、智能化三大特點〔11〕。首先采用GEWS表是采用單因素篩選指標后進行多因素分析確定指標再形成量表，靈敏度與特異度均較好；其次依據ROC曲線的最佳截斷值獲得風險分級的等級數量、上下限與級距，與金標準風險分級分布高度一致；最后方案制定過程中采用循證思維，建立婦科危重癥預警處理池并應用Nvivo軟件進行逐一編碼、分類再提煉主題。上述步驟均采用科學的、有效的科研方法，從而保證本體系的科學性。

3.1.2預警智能管理體系具有專科特異性 GEWS表是針對婦科疾病危重病情變化時的特點而構建的，包括共性指標與婦科指標，其中共性指標包括意識、呼吸、心率、血壓、血氧飽和度、體溫、是否吸氧等7個指標，婦科專科指標包含婦科疾病類型、婦科相關癥狀、腹痛、陰道流血、血紅蛋白5項指標。其中專科指標與患者病情嚴重程度密切相關〔12〕，相關研究表明腹痛程度反映病情輕重程度〔13〕，90%以上的黃體破裂、急性盆腔炎伴有中度以上腹痛；肛門墜脹感，面色蒼白，頭暈等相關癥狀發生于60%婦科大出血疾病〔14〕，血紅蛋白每下降10 g/L，提示出血量約400 ml〔15〕；由此可見婦科專科指標直接反映婦科病情嚴重程度，以保證本體系的敏感性與特異性。

3.1.3預警智能管理體系風險等級預測準確 GEWS與金標準病情變化風險預測結果顯示：兩組危重病情風險等級分布相似，提示GEWS能準確預測危重病情風險等級。GEWS風險預測準確主要因為：GEWS的指標均來源于既往婦科危重癥患者臨床數據，依據多因素Logistic回歸分析結果確定的指標；即GEWS表是應用既往危重癥數據預測未來危重癥患者的風險等級，因此預測準確率高。其次，GEWS表根據變量類型建立評分標準賦值〔16〕，使評估表賦值更合理；風險等級通過ROC的最佳截斷值確定，分級依據可靠，兩者共同提高GEWS表預測準確性。

3.1.4預警智能管理體系體現智能化 本體系利用現代化信息技術，借助數據庫相互融合，利于大數據的優勢，實現自動抓取數據，并自動將數據導入GEWS表中，點擊評分后系統自動評分，顯示風險分級(綠色為低風險、黃色中度風險、橙色高風險、紅色極高風險)，根據不同級別自動觸發預警信號(黃色風險：電子系統病人一覽表顯示+閃爍，橙色風險：一覽表顯示+閃爍+自動彈窗，紅色極高風險：一覽表顯示+閃爍+自動彈窗+聲音)，同時顯示各級預警處理方案。醫護理人員接到電子預警后，查看GEWS表中數據，評分、風險等級、預警處理方案的同時攜帶搶救物品快速趕往床邊施救。在搶救過程中記錄者實時錄入數據，體系進行實時動態監測、風險預警及處理指導；為搶救提供重要依據，從而實現全自動化、電子化、數字化管理，真正實現了婦科危重癥智能預警的全智能化。

3.2 預警智能管理體系應用成效

3.2.1預警智能管理體系提高預警率 智能組預警率高于常規組，提示體系應用可以發現更多的危重病情變化。相關研究表明，僅有約32.3%的危重病情變化被及時發現，導致臨床意外事件和病死率增高〔3-5，17〕。因此提高危重病情的預警率對于提高危重患者搶救成功與挽救生命至關重要。這與陳雄英等〔18〕的研究結果相似，本體系預警率高可能原因：①GEWS表采用的共性指標是反映患者病情變化最敏感指標。醫院多個數據系統等共享數據，當這些指標一旦偏離正常范圍時，異常數據傳輸的同時系統啟動GEWS表的自動評分，風險分級，預警信號觸發。②當危重病情代償期時共性指標可能處于正常范圍，易被護士忽視從而未及時預警；本體系依據實時傳輸的婦科特異性指標數據，可以全面、準確地、客觀地辨別風險等級從而進行預警。③目前經驗不足的臨床護士觀察能力，預測分析能力、專業水平的低下〔19〕導致對危重病情敏感度差而判斷錯誤從而遺漏預警；此外，臨床護士配置相對不足，護理工作繁忙，不能實時風險監測，而智能化體系可以實時監控風險，隨時發現病情變化而預警。

3.2.2預警智能管理體系縮短預警時間 智能組預警時間較常規組短，提示預警智能管理體系預警啟動更快，能前移搶救時間；這與姚麗等研究結果相似〔20〕。相關研究表明搶救時間前移，可提高搶救成功率，降低死亡率〔21-22〕，可見啟動時間越早患者搶救成功率越高。本管理體系縮短預警時間原因：①本管理體系一旦預測到風險即觸發預警，病房所有電子端同時顯示患者異常數據、GEWS評分，風險等級，并提供預警處理方案；醫護人員在第一時間能確定病情變化，并攜帶相應搶救物品趕赴搶救現場施救。②常規體系：一般情況是患者出現癥狀，按鈴等待，護士從辦公區趕到床邊，詢問，簡單體檢，初步評估后啟動呼叫系統，并等待其他醫護人員到達現場，到過床邊后護士先向援救醫護人員匯報，醫生現場簡單快速評估病情，查閱相關數據后下達醫囑，再施救；另種情況是病情處于代償期時，臨床表現隱匿，床邊護士無法發現病情變化而選擇不匯報，錯過最佳預警時間；經驗豐富的護士可能匯報醫生，醫生床邊評估后再預警重復上述的過程。在此過程中浪費醫護人員往返床邊與辦公區，切換窗口逐項收集患者數據的時間。

3.2.3預警智能管理體系能提高急救護理的達標率 智能組急救護理的達標率均高于常規組，提示智能預警管理可以縮短急救護理時間，提高急救護理操作質量。搶救過程中，急救護理操作是搶救實施的先提條件，如靜脈通路不開放，靜脈用藥無法實施；因此，高質量，短時間完成急救護理操作是搶救成功的關鍵。急救狀態下醫護人員高度緊張、場面極易發生混亂、易導致操作及判斷失誤，但是通過強化理論知識、定期操作演練可以縮短操作時間，提高準確率及質量〔23〕。本管理體系一方面定期開展量表的應用、風險等級、處理方案等知識的全員培訓與應急演練，以提高醫護人員的急救理論水平及操作水平，從而提高急救護理操作的達標率。另一方面，預警處理方案制定將搶救角色與護士排班有機結合，即不同班次扮演的搶救角色不同，保證護士在搶救第一時間不慌亂，不猶豫，明確自己的具體急救護理任務，可以節約時間，提高操作質量。例如：過敏性休克時，方案指出護士長擔任急救護理總指揮，A1班為床邊護士負責患者評估、安慰；A2班負責氣道管理，保持氣道通暢、吸氧、協助建立人工氣道等，A2靜脈通路管理，負責開通靜脈，靜脈用藥，采血等；A3負責病情監測，心電監護、AED準備等；A4班負責記錄搶救過程，核對藥物；管理班負責協調部門溝通達到分工明確、轉運、標本運送、聯系麻醉師等；A5、A6班負責病區其他患者的護理工作。

3.2.4預警智能管理體系能縮短搶救時間 智能組搶救時間短于常規組，提示預警智能管理體系能縮短搶救時間，促進患者的預后與康復，與姚麗等研究結果相似〔20〕。本體系縮短搶救時間主要原因：①預警處理方案將班次與急救中扮演的角色結合，當搶救啟動后搶救到位迅速，延誤時間少，救治措施前移；藥物可提前發揮效用，及時阻止或延緩病情的惡化，更早改善生理狀態，患者更早脫離生命危險。其次，定期應急演練，使醫護人員搶救操作熟練，操作時間縮短，失誤率低，節約大量時間，更早發揮急救措施的效果；使病情短期內得到改善，避免組織器官損害，有效防止惡性循環形成，盡早扭轉病情發展方向，從而縮短搶救時間。

4 小結

本體系的構建以GEWS表為基礎，利用現代信息技術，充分發揮數據融合的優勢，通過自動評估、風險分級、觸發預警及推送處理方案等功能，提高體系的準確性，特異性，實現危重預警智能管理體系的科學化，智能化；通過將體系應用于婦科臨床實踐，發現其能縮短預警時間與搶救時間，提高預警率及急救護理的達標率，提高危重患者的智能預警管理質量，縮短患者的康復時間，促進婦科危重癥護理的發展，為其他專科危重癥智能預警管理提供借鑒與參考。

利益沖突所有作者均聲明不存在利益沖突