2022-6-1
重癥監護病房(ICU)是一個復雜且動態的社會技術系統，高強度的工作負荷以及患者數據等信息量的不斷增加，都增添了護理團隊的認知負擔。當護理團隊達到認知能力極限時，臨床決策的質量和及時性就會受到影響，從而導致診斷的延誤和錯誤。
近期發表在BMC Anesthesiology的一項回顧性觀察研究，以ICU操作條件可能會導致ICU護理團隊認知負荷并對臨床決策產生負面影響為研究背景，旨在建立單變量分段Poisson回歸模型來研究操作條件與用藥醫囑數量之間的關聯，作為多學科護理團隊認知能力的可衡量指標。且研究結果表明，如入院率、患者疾病嚴重程度可能會影響重癥監護團隊的認知能力，并導致用藥醫囑產生變化。
01
假設并驗證患者普查數量增加
影響護理團隊認知能力
研究篩選了Mayo Clinic 內科重癥監護室（MICU）的6240名住院患者，排除研究期間轉入、轉出的患者，最終納入4822名患者的EMR數據。
由于研究的重點是系統工作量因素與用藥醫囑產生之間的關系，因而在患者安全系統工程倡議模型的指導下，確定了可從EMR中獲得的量化措施，并開發了ICU分布式認知的概念框架（圖1）?；颊叩男畔⒑蛿祿惠斎牍┳o理團隊進行臨床決策，系統工作量因素會影響輸入的資料，如患者數量變化，繼而影響決策過程，引發護理團隊認知負荷。以下四個具體因素作為該研究中的系統工作量因素:患者普查和重癥患者普查、新患者普查和高死亡率風險患者。其中，將住院期間進行有創機械通氣(IMV)的患者視為重癥患者；將入院后3小時內的患者標記為“新患者”；根據患者24小時SOFA動態評分確定高死亡率風險患者：SOFA初始得分在11分以上、SOFA日最高得分在11分以上、整個ICU住院期間，SOFA的日均得分在5分以上。
圖1 ICU分布式認知的概念框架
首先，研究者設定了一個假設，即以患者普查數量較多為特征的ICU操作條件，特別是存在大量重癥、新發和高死亡風險的患者，會增加護理團隊認知負荷的風險，即當研究環境中患者普查數量增加時，每位患者的用藥醫囑數量顯著下降。換句話說，存在一個患者數量斷點，在斷點后用藥醫囑數量開始趨于平穩，不再以此前的速度增加，這種現象隱含地表明護理團隊已經達到了他們的能力上限。
為了檢驗該假設，以每小時ICU患者普查數據為自變量、每小時總用藥醫囑數為因變量，建立單變量分段Poisson回歸模型來研究系統級工作量指標之間的關系，作為護理團隊的輸出決策。
02
IMV的使用、新入院和高死亡率風險
影響用藥醫囑量
研究共記錄了235,200份用藥醫囑。圖2(a)、(b)分別展示了入住ICU前48小時的每小時內生成用藥醫囑的患者百分比和每位患者平均每小時的用藥醫囑數量，并按IMV使用情況進行區分。與未使用IMV的患者相比，使用IMV的患者更有可能生成用藥醫囑，平均高出63%；未使用IMV的患者每小時平均用藥醫囑數量為 0.7(SD=1.8)，使用IMV的患者則為1.1(SD=1.8)（表1）。
圖2 患者入住ICU后的前48小時內每小時內按IMV使用情況生成的用藥醫囑數量
對于入院后3小時內的新患者和常規患者的比較，前3小時內每位新患者的用藥醫囑量較大，每小時平均2.1(SD = 3.5)，而常規患者每小時平均0.7(SD = 1.6)。在前48小時內，高、低死亡風險患者用藥醫囑量每小時平均值分別為1.1(SD = 2.5)和0.8(SD = 1.8)（表1）?？傮w而言，每小時的用藥醫囑量取決于IMV的使用、新入院和高死亡率風險。
表1 不同特征患者的每小時用藥醫囑數量比較
03
ICU入住率達到56%
用藥醫囑數顯著減少
研究還進行了關聯分析，分析了總體的患者普查與用藥醫囑總數（每小時）之間的關系。如圖3(a)所示，普查患者數低于18時用藥醫囑數急劇增長，在19-25位患者之間下降，之后略有恢復，結果表明，當患者普查的斷點數量為18時，前后開具的用藥醫囑數量存在明顯差異。且根據表2統計，患者普查數≤18時，每位患者每小時平均用藥醫囑數量為0.74(SD=0.56)；而患者普查數＞18時，則為0.65(SD=0.48)。所以，當ICU容量達到56%入住率時（32總床位中的18人），護理團隊的認知能力受到影響，并且這種現象將持續到ICU容量達到80%時。
同時，比較了IMV患者較少的正常ICU環境和模擬COVID-19大流行ICU環境，即重癥患者存在多和重癥患者存在較少的情況。如圖3(c)所示，在模擬ICU患者應對功能類似的COVID患者中，用藥醫囑量下降顯著。且表2統計，患者普查數≤16時，每位患者每小時平均用藥醫囑數量為0.81(SD=0.59)；而患者普查數＞16時，則降至0.63(SD=0.47)，表明住院期間進行IMV的重癥患者較多時，斷點數量轉移到較低的患者普查16例，此時護理團隊認知能力仍會受限。
當分別比較新患者和高死亡風險的患者時，同樣區分了患者存在多或少的情況。如圖3(d)所示，根據藍色曲線，高死亡風險患者的增加不太可能是醫護團隊超負荷工作的主要原因；同樣，新入院患者數量的增加也并不是用藥醫囑減少的顯著風險因素。但患者數量斷點仍然會影響護理團隊開具用藥醫囑數量。
此外，對時間周期的控制進行了分析。如圖(b)，得出的結論是，每天的時間影響患者普查和用藥醫囑之間的關系，但都有相同的患者數量斷點。
圖3 每小時的用藥醫囑量與患者普查比較
表2 每個病人每小時用藥醫囑量在斷點前后的比較
最后研究者總結，當ICU床位使用率超過50%時，護理團隊開用藥醫囑的能力就會受到限制，而當需要加強臨床干預的重癥患者或新入院患者增加時，其影響水平還會提高。研究結果強調了提高護理團隊的情境意識以檢測和應對ICU中可能導致認知負荷的變化情況的重要性。研究者還指出，此項研究促進了臨床決策支持系統(CDSS)可以快速決策，減少護理團隊的工作量。且基于人工智能的CDSS預測目標事件，例如再入院、疾病診斷等已引起越來越多的關注，迫切需要可定制的CDSS來預測護理團隊的工作量并正確分配資源以避免潛在的倦怠。
成為我們的
合作伙伴
