探讨智能化辅助决策在儿科急诊五级分诊中的应用效果。
将使用智能化辅助决策系统前后1个月于我院儿科急诊就诊的患儿分为两组。传统组17 900例,按五级预检分诊标准,由护士人工进行分诊;智能组18 590例,借助智能化辅助决策系统进行分诊。智能化辅助决策包括对生命体征数据是否异常的自动识别和对分诊级别自动提供依据帮助护士确认两大功能。按照既定的内容收集患儿信息,系统根据相应的分诊依据,可自动识别与呈现,确定分诊级别。对两组患儿在疾病分布情况、分诊级别情况、分诊结果一致性等方面进行对比分析,评价智能化辅助决策系统在急诊儿科分诊的临床应用效果。
两组患儿的一般情况、疾病分布差异无统计学意义,排在前3位的疾病均为呼吸系统疾病、传染性疾病、消化系统疾病。智能组Ⅲ级、Ⅳ级、Ⅴ级患儿分诊至就诊时间比传统组短,差异有统计学意义(P<0.05)。护士分诊与医生评估患儿病情严重程度的一致性,智能组(Kappa=0.968,P<0.001)与传统组(Kappa=0.883,P<0.05)均较好,但智能组一致性系数更高。智能组Ⅲ级、Ⅳ级、Ⅴ级患儿家属满意度高于传统组(t=5.523,P<0.05)。
应用智能化辅助决策系统,提高了预检分诊的效率及准确率,确保分诊的有效性,保障患儿安全,提高家属的满意度。
版权归中华医学会所有。
未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
除非特别声明,本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
儿科疾病具有起病急、变化快、急诊量大的特点。在急诊科短时间的接诊过程中,如何对患儿进行快速、高效、准确的分流是许多儿科急诊医护人员思考的问题[1]。对急诊就诊患儿的病情进行危险程度评估,是儿科急诊工作的重要环节,是有效利用急诊急救的有限资源、最大限度提高患儿生存机会和最大限度保护其器官功能的有效方法之一[2]。目前儿科急诊分诊是由护士快速采集患儿信息,然后人工进行分级,分诊风险高,压力大,要求高。有效鉴别可能发生病情变化的各类危重患儿是儿科急诊医护人员所面临的难题[3],利用信息化智能化辅助决策,可对录入的患儿信息进行自动提醒和决策,提高分诊工作的准确性和时效性。我院在加拿大儿童急诊预检系统、复旦大学附属儿科医院5级分诊标准基础上进一步提炼和梳理,应用智能化辅助决策,根据分诊依据进行预检分诊,取得了较好的效果。
收集使用智能化辅助决策系统前后1个月于我院儿科急诊就诊的患儿,即2018年3月1日至2018年4月30日就诊于我院儿科急诊的36 490例患儿。2018年3月17 900例患儿为传统组,按照5级预检分诊标准,由护士进行人工分诊。2018年4月18 590例患儿为智能组,借助自主研发的智能化辅助决策系统进行分诊。排除标准:(1)年龄>14岁;(2)退号离开未就诊;(3)仅开检查单或开药;(4)进行专科咨询者。
智能化辅助决策系统以知识图谱、神经网络算法、本体语义网络、自然语言分析等技术和算法为支撑,以加拿大儿童急诊预检分诊标尺[3]、复旦大学附属儿科医院5级预检分诊标准[4]、儿童早期预警评分[5]为知识库和人工智能推理引擎为核心,包括对生命体征数据是否异常的自动识别和对分诊级别自动提供依据帮助护士确认两大功能。将儿科急诊观察的相应常规指标分别输入设计的信息系统内,把分诊标尺设计为意识、体温、呼吸、血氧饱和度、脉搏、CRT、疼痛评分7项必评指标,以及呕吐、腹泻、出血、抽搐或惊厥、瘀斑或皮疹、运动障碍等补充评估模块。系统可根据必评项的生命体征参数自动判断分诊级别,见表1。同时可根据补充模块的症状,基于复旦大学附属儿科医院的5级分诊标准,提示相应级别。如呕吐症状,会自动弹框提示是否伴重度脱水表现或伴腹痛两周内未改善,从而提示相应级别,见表2。
年龄 | 呼吸频率(次/min) | ||||||
---|---|---|---|---|---|---|---|
Ⅰ | Ⅱ | Ⅲ | Ⅳ,Ⅴ | Ⅲ | Ⅱ | Ⅰ | |
0~3个月 | <10 | 10~20 | 20~30 | 30~60 | 60~70 | 70~80 | >80 |
4~6个月 | <10 | 10~20 | 20~30 | 30~60 | 60~70 | 70~80 | >80 |
7~12个月 | <10 | 10~17 | 17~25 | 25~45 | 45~55 | 55~60 | >60 |
1~3岁 | <10 | 10~15 | 15~20 | 20~30 | 30~35 | 35~40 | >40 |
4~6岁 | <8 | 8~12 | 12~16 | 16~24 | 24~28 | 28~32 | >32 |
7~10岁 | <8 | 8~10 | 10~14 | 14~20 | 20~24 | 24~26 | >26 |
11~14岁 | <8 | 8~10 | 10~14 | 14~20 | 20~24 | 24~26 | >26 |
年龄 | 脉搏(次/min) | ||||||
---|---|---|---|---|---|---|---|
Ⅰ | Ⅱ | Ⅲ | Ⅳ,Ⅴ | Ⅲ | Ⅱ | Ⅰ | |
0~3个月 | <40 | 40~65 | 65~90 | 90~180 | 180~205 | 205~230 | >230 |
4~6个月 | <40 | 40~63 | 63~80 | 80~160 | 160~180 | 180~210 | >210 |
7~12个月 | <40 | 40~60 | 60~80 | 80~140 | 140~160 | 169~180 | >180 |
1~3岁 | <40 | 40~58 | 58~75 | 75~130 | 130~145 | 145~165 | >165 |
4~6岁 | <40 | 40~55 | 55~70 | 70~110 | 110~125 | 125~140 | >140 |
7~10岁 | <30 | 30~45 | 45~60 | 60~90 | 90~105 | 105~120 | >120 |
11~14岁 | <30 | 30~45 | 45~60 | 60~90 | 90~105 | 105~120 | >120 |
分诊级别 | 重要症状弹框提示 |
---|---|
Ⅰ级 | (1)心跳呼吸骤停 |
(2)气道异物 | |
Ⅱ级 | (1)意识改变;剧烈头痛;急性瘫痪; |
(2)喷射性呕吐;姿势异常 | |
(3)超高热>41 ℃;体温不升;惊厥发作 | |
(4)呼吸困难,发绀,血氧饱和度<95% | |
(5)面色苍白、皮肤出现花斑、心率极快或缓慢、CRT>3 s | |
(6)皮肤广泛瘀斑;呕血、咯血; | |
(7)腹部膨隆;严重腹胀腹痛 | |
(8)剧烈呕吐、腹泻呈重度脱水 | |
(9)乏力、呕吐、腹痛,2周内反复就诊未改善 | |
Ⅲ级(生命体征暂时稳定,但有恶化可能) | (1)<3个月小婴儿 |
(2)体温>39.5 ℃;惊厥24 h发作 | |
(3)频繁呕吐、腹泻伴尿少、眼眶凹陷等中度脱水 | |
(4)头痛、腹痛明显 | |
(5)血小板<20×109/L,但无瘀斑 | |
Ⅳ级(生命体征稳定,急性发病) | (1)体温38.5~39.5 ℃ |
(2)轻度脱水 | |
(3)呼吸频率、心率稍增快 | |
(4)局部皮疹、肿胀 | |
Ⅴ级(生命体征稳定) | 体温<38.5 ℃,意识、呼吸循环稳定 |
急诊外科 | (1)急诊外科:开放性伤口、出血、腹痛拒按、固定压痛、强迫体位 |
(2)急诊骨科:骨折、肢体挫伤肿胀 |
具体操作方法如下:(1)系统自动采集生命体征:分诊护士使用电子体温计、心电监护仪监测患儿生命体征,体温计及血氧饱和度监测仪输出端口与系统连接,数据可自动传导至分诊系统,无需手工录入,提高了分诊效率,节约录入时间;(2)系统根据患儿年龄自动提示生命体征是否异常,弹框提示分诊级别;(3)系统抓取主诉的关键词,提示危重信号:护士录入主诉时,系统将提取主诉中的关键词,在系统中提示危重信号,同时在屏幕显示、医生端、护士端进行提示;(4)系统自动显示分诊级别依据:系统自动呈现相应级别的分诊依据,帮助护士进行识别和确认,护士必须点击分诊依据,才能形成患儿的分诊号;(5)系统与移动护理端连接,利用移动护理端对候诊患儿进行再次评估;(6)最后获取医生端的患儿分诊信息,与之一致则提示分诊准确。
对两组患儿疾病分布情况、分诊级别情况、分诊至就诊时间、分诊一致性(预检护士与医生对同一名患儿进行病情评估,确定分诊级别的一致性)、家长对分诊满意度等指标进行对比分析。分诊一致性可作为衡量分诊准确性的指标。由于Ⅰ级、Ⅱ级患儿病情较重,考虑家长情绪焦虑,配合调查的依从性较低,故采用专科的满意度调查表[6]评价Ⅲ级、Ⅳ级和Ⅴ级患儿家属的满意度。
采用SPSS 20.0统计学软件进行数据分析。正态分布计量资料以均值±标准差(Mean±SD)表示,采用t检验。计数资料以例(%)表示,采用χ2检验。采用Kappa一致性检验评价护士与医生评估患儿病情严重程度的一致性。以P<0.05为差异具有统计学意义。
共纳入急诊就诊患儿36 490例,两组患儿的一般情况、疾病分布差异无统计学意义(P>0.05),排在前3位的疾病均为:呼吸系统疾病、传染性疾病、消化系统疾病(表3)。
项目 | 智能组(n=18 590) | 传统组(n=17 900) | χ2值 | P值 | |
---|---|---|---|---|---|
性别 | |||||
男 | 8 917(47.97) | 8 642(48.28) | 0.357 | 0.550 | |
女 | 9 673(52.03) | 9 258(51.72) | |||
年龄 | |||||
<28 d | 1 259(6.77) | 1 167(6.52) | 1.198 | 0.945 | |
28 d~1岁 | 3 809(20.49) | 3 671(20.51) | |||
1~3岁 | 4 529(24.36) | 4 383(24.49) | |||
4~6岁 | 4 855(26.12) | 4 717(26.35) | |||
7~10岁 | 3 303(17.77) | 3 165(17.68) | |||
11~14岁 | 835(4.49) | 797(4.45) | |||
疾病分布 | |||||
呼吸系统疾病 | 3 542(19.05) | 3 397(18.98) | 13.570 | 0.056 | |
传染性疾病 | 3 261(17.54) | 3 228(18.03) | |||
消化系统疾病 | 2 308(12.42) | 2 283(12.75) | |||
神经系统疾病 | 2 117(11.39) | 2 182(12.19) | |||
意外伤害 | 2 237(12.03) | 2 019(11.28) | |||
泌尿系统 | 2 192(11.79) | 2 058(11.50) | |||
循环系统疾病 | 1 674(9.01) | 1 566(8.75) | |||
新生儿疾病 | 1 259(6.77) | 1 167(6.52) |
两组患儿在分诊至就诊时间比较中,智能组Ⅲ级、Ⅳ级、Ⅴ级患儿分诊至就诊时间比传统组短,差异有统计学意义(P<0.05),但是Ⅰ、Ⅱ级差异无统计学意义,见表4。
分组 | 例数 | 分诊级别 | ||||
---|---|---|---|---|---|---|
Ⅰ级 | Ⅱ级 | Ⅲ级 | Ⅳ级 | Ⅴ级 | ||
智能组 | 18 590 | 0.70±0.38 | 6.40±2.17 | 17.2±4.64 | 23.4±4.17 | 49.4±4.25 |
传统组 | 17 900 | 1.10±0.88 | 8.60±2.91 | 22.2±4.54 | 32.2±9.65 | 58.6±3.47 |
t值 | -1.144 | -1.92 | -2.43 | -2.65 | -5.30 | |
P值 | 0.268 | 0.760 | 0.025 | 0.016 | <0.001 |
采用分诊一致性来评价分诊的准确性[4],预检护士与医生对同一名患儿进行病情评估,确定分诊级别,采用Kappa一致性检验测定护士分诊与医生评估患儿病情严重程度的一致性,以评价护士对患儿分诊级别的准确性。智能组Kappa=0.968,P<0.001;传统组Kappa=0.883,P<0.05,智能组分诊级别一致性系数高于传统组[13]。见表5。
分组 | 例数 | Ⅰ级 | Ⅱ级 | Ⅲ级 | Ⅳ级 | Ⅴ级 | |||||
---|---|---|---|---|---|---|---|---|---|---|---|
一致 | 不一致 | 一致 | 不一致 | 一致 | 不一致 | 一致 | 不一致 | 一致 | 不一致 | ||
智能组 | 18 590 | 1 397 | 0 | 3 132 | 109 | 4 283 | 162 | 5 836 | 187 | 3 485 | 0 |
传统组 | 17 900 | 1 336 | 0 | 2 327 | 203 | 4 893 | 460 | 5 059 | 585 | 2 696 | 341 |
Ⅲ级、Ⅳ级和Ⅴ级患儿共27 987例,其中智能组13 953例,满意度得分(95.15±3.73)分,传统组14 034例,满意度得分(89.05±3.24)分,两组相比较差异具有统计学意义(t=5.523,P<0.05)。
急诊预检是急诊工作的第一关,预检质量直接关系急诊的医疗、护理质量。儿科患者起病急、变化快、病死率高、受环境影响大、季节性强[4],因此,高效、敏感的预检分诊系统显得尤为重要。急诊患儿分诊工作具有其特殊性,患儿表达能力差。传统的预检分诊模式是分诊护士根据自身的经验分诊,对复杂的疾病种类缺乏有效的分诊辅助工具及标准,患儿对陌生环境存在抵触情绪,哭闹不止,病情发展变化快,加之家属焦虑情绪严重,长时间等候易引发医疗风险及纠纷[7]。目前国内尚未形成一个统一的预检系统,也没有统一的指南规范和具体操作程序。早期将危重症或病情可能恶化的患儿识别出来,尽早分流,及时干预十分必要[8]。
儿科患者不能表达,且不同年龄段的生命体征正常范围数值不同,需要高效准确地进行识别,而传统的预检分诊模式是分诊人员根据自身经验分诊,效率和准确性不高。本研究的智能化辅助决策系统可直接获取生命体征数据,无需人工录入,提高分诊效率。同时本研究引入智能化辅助决策,必评模块中根据患儿的年龄和生命体征,系统可自动对异常呼吸、心率的严重程度进行判断,并弹框提示其等级,帮助分诊人员快速评估。多类型的不典型症状增加了儿科急诊分诊人员正确评估病情的难度,尤其是Ⅲ级患儿,病情有潜在恶化的可能,且不易识别[4],补充模块中录入就诊患儿的症状,系统可自动提示相关预警信号,提示分诊依据和级别,辅助医护人员做出正确判断,早期识别,正确分诊,以避免因分诊错误导致患儿病情延误。智能化辅助决策系统除了自动录入和提示功能,在患者增多时还会提醒启动医生应急增援,缩短分诊至就诊时间。
智能化辅助决策系统对获取的临床资料进行辅助决策,可提高急诊分诊的准确率。5级预检分诊系统是目前国际上广泛使用的预检系统,经临床研究已经显示其可靠性[9]。有效鉴别可能发生病情变化的各类危重患儿是儿科急诊医护人员所面临的难题[10]。我院在加拿大儿童急诊预检系统、复旦大学附属儿科医院5级分诊标准基础上进行整理与梳理,更加明确分级指标,简单明了,护士易于掌握,同时可使分诊护士短时间合理安排就诊顺序,可使急诊护理工作有条不紊、重点突出、忙而不乱,进一步保证了急诊急救的医疗护理质量[2]。高效、便捷的预检体系是保证预检质量的关键,是提高疾病分诊准确率的保障。研究表明,急诊预检分诊失误率为5.90%~8.31%,主要与疾病因素、患儿及家属因素、医源性因素等有关,尤其是儿科急诊高峰期,在嘈杂的环境中需要快速分诊、快速识别[11],因此对级别的准确判断是分诊的关键。本研究显示,智能组分诊级别与医生判断的一致性高于传统组。利用信息系统的辅助决策,对患儿信息进行智能的判断和提醒,可以有效提高分诊的质量,这与董兰等[12]、谭贵林[13]、Sandell等[14]的研究结果相一致。满意度方面比较显示,由于分诊的效率提高,等候时间缩短,同时系统的自动提醒功能增加家长对分诊结果的可信度,依从性上升,满意度提高,有利于保障医疗活动的有序安全。
智能化辅助决策系统能化繁为简地处理大量临床数据,在分诊模块中设置了客观、量化、综合的指标,可根据客观数据,综合判断,准确分级分区,摒弃了人工预检分诊的主观性、盲目性和差异性[15],快速准确筛选出急危重症。故应用智能化辅助决策,提高了预检分诊的效率及准确率,保障患儿安全。
利益冲突 所有作者均声明不存在利益冲突