妇科危重症预警智能管理体系的构建及成效分析

曾丽华 乔成平 赵蕾 陶小香 周满 姚慧 姜晨

南京医科大学附属妇产医院妇科肿瘤病区，南京 210004

妇科危重症发病急、病情重、病死率高，救治不及时可造成不可逆器质性损伤，严重威胁患者生命〔1-2〕。有研究表明：约26%的护士对病情变化不敏感，未及时预警，甚至造成临床意外事件和病死率增高〔3-5〕；预警后的抢救失误易致病情逆转甚至增加死亡率〔6〕。因此妇科患者危重病情变化早识别潜在风险、早预警、加强预警管理是提高患者抢救成功率、降低病死率的关键〔7-8〕。预警系统在国外的研究大多侧重于预警系统的构建，潜在风险的识别，疾病危重程度的预测〔7-8〕。但预警后的风险管理处理方案却较少报道。国内大多数学者将国外早期预警评分表应用于急诊、院前急救等领域，为预检分诊或病情评估提供依据，鲜有专科预警体系的构建及预警后风险管理的报道〔9-10〕。本研究基于前期研究——建立妇科患者危重病情变化早期预警评估表(GEWS)的基础上〔11〕，构建妇科危重症预警风险管理体系，利用现代信息技术实现体系的智能化，以期为临床医护人员提供自动化、数字化的病情监测工具，为护理人员提供实时危重症的临床护理决策指导，达到提高病情变化的预警率与救治效率、缩短预警时间及抢救时间、促进预后与康复、降低病死率的目的。

1 方法

1.1 妇科危重症预警智能管理体系的构建

1.1.1工具选择 本体系选择乔成平等构建的GEWS表作为病情变化评估工具〔11〕。该量表通过对389例妇科病例进行回顾性分析，结合妇科临床经验构建而成。量表已广泛用于某三级甲等妇幼保健院妇科病房。量表包括意识、是否吸氧、阴道流血、下腹部痛、呼吸、体温、收缩压、心率、血氧饱和度、疾病类型、血红蛋白、相关症状、共12项指标，其中前4项指标赋值为0～2分，其余指标赋值为0～3分，总计0～32分。量表在妇科病房使用的最佳截断点为3.5分，对应ROC曲线下面积为0.96，灵敏度为92.32%，特异度为88.85%，具有良好预警性能。

1.1.2预警风险分级及验证 根据GEWS表评分判断危重病情变化风险程度。依据GEWS表的ROC曲线及最佳截断点确定风险分级数量，分级距、上下限；将<4 分划为低风险，4～8 分为中度风险，9～12分为高度风险，>12分为极高风险。采用回顾性研究验证GEWS表风险分级的效能，分别采用GEWS表及医嘱(护理等级与病情描述医嘱)对2019年9月1日至2020年8月31日入住南京医科大学附属妇产医院妇科患者236例进行病情变化风险分级，比较2种方法的危重病情分级分布差异。纳入标准：年龄>18岁，住院时间≥24 h；排除标准资料不全者病例。依据医嘱对病情分级(金标准)方法具体如下：二级、三级护理为低风险，一级护理为中风险，一级护理+病重为高风险，一级护理+病危为极高风险。

1.1.3预警处理方案的制定，采用循证方法，筛选妇科危重症处理池，并应用软件进行数据分析处理，最后结合妇科临床绘制预警处理方案。预警处理方案制定具体方法如下：首先在国内外数据库中查阅妇科危重病情变化预警处理的相关文献，通过去重、研读、分析、筛选建立预警处理池，然后采用Nvivo12.0数据处理软件对预警处理逐一编码，分类，分层，提炼主题，再梳理预警处理主题间的关系，确定顺序，形成处理方案框架；将处理方案与临床护理排班结合，确定每个护理班次的急救角色，最后对预警处理方案进一步具体化与量化，绘制成图，形成最终处理方案。

1.2 妇科危重症预警管理体系的智能化

实现预警管理的智能化实现分为2大步骤，第一步利用现代信息技术，以GEWS为基础进行电子化设计；内容包括评估表自动计算，风险分级，预警信号，护理方案推荐。第二步则将电子化的预警管理系统嵌入医院信息管理系统(HIS)，与检验信息系统(LIS)，临床信息系统(CIS)、传输系统(PACS)，护理文书记录系统等基础数据库信息融合互通。通过上述步骤，系统将实现以下功能：借助信息共享，自动对数据库信息进行判读、筛选、并导入系统，然后系统进行自动评分、风险分级、预警触发、方案推荐的完整自动化操作。系统的应用终端包括桌面版和PDA移动版，移动版采用无线网络为数据传输链路，使用移动手持终端设备，将医院各种基础数据源通过无线网络与移动终端连接，实现病房、床边的实时数据输入、风险评估，分级查询，风险预警，方案推荐等功能。

1.3 妇科危重症预警智能化管理体系的应用

1.3.1研究对象及方法 采用前瞻性观察研究，采用方便抽样，收集2019年9月1日至2022年1月31 日入住该院妇科危重症患者56例，其中2019年9月 1日至2020年8月31日为常规组25例，2020年9月1日至2022年1月31日为智能组31例。纳入标准：确诊妇科危重症患者(依据医生诊断与医嘱)包括妇科急腹症，静脉血栓、妇科恶性肿瘤，合并严重心肺脑肾疾病，电解质紊乱、感染、大出血；住院期间至少经历过一次紧急抢救；年龄>18岁；住院时间≥24 h；排除标准：资料不全病例或入院时病情危重立即实施抢救者。

1.3.2预警处理措施 常规组为现在临床采用的预警模式即患者出现不适时按铃，护士床边评估判断病情后，认为患者处于危机状态，启动床旁预警装置并施救即为预警。智能组采用预警智能化管理体系，系统自动抓取患者数据实时风险评估监测，自动研判，风险分级，触发预警，推送预警处理方案；医护人员接到预警信号后立即启动急救处理流程，参照预警处理方案，结合实际情况施救。

1.3.3观察指标 以预警率及预警时间评估预警效率，以抢救时间、急救护理达标率评价预警处理效率。其中预警率是指发现并正确判断异常病情变化的能力，且及时触发预警次数占同时期病情危重变化实际次数。未预警次数为同时期病情危重变化实际次数-正确预警次数。包括患者不适按铃后护士未能判断出病情危重而1 h内患者出现严重病情变化者，护士巡视病房时发现病人已经发生了严重病情变化，或由病房其他人来告知病人已经发生了明显异常者。急救护理达标率是对急救护理时间及操作水准的综合评价，即在规定时间内完成并达到操作标准才认定为达标。观察项目包括：呼吸道管理、静疗管理、准确用药、病情监测。预警时间：是指发现异常到急救团队到达现场耗费的时间(常规组由启动床旁预警装置的护士记录，智能组由智能系统自动记录，第1个到达抢救现场的医务人员)。抢救时间：预警开始到该次抢救最后一项操作结束时间(常规组由启动床旁预警装置的护士记录；智能组由系统自动记录预警开始时间，负责记录抢救过程的护士记录结束时间)。

1.4 统计学方法

2 结果

2.1 GEWS表的风险预测能力

共收集妇科病例共236例，其中妇科急腹症48例，妇科肿瘤92例，盆底疾病20例，生殖系统感染10例，其他66例。GEWS与金标准的风险等级分布结果显示：GEWS表预测低、中、高、极高风险等级的人数分别172、47、11、6例，风险分布与金标准基本相符，差异无统计学意义(P>0.05)，见表1。

表1 GEWS与金标准的妇科危重病情风险等级分布〔n(%)〕

2.2 预警处理编码

经文献检索筛选妇科危重症智能预警处理编码共75个，形成二级编码32个，最终提炼主题12个，针对4级风险等级分别绘制智能预警处理方案4组，每组管理方案包含8个子模块，每个模块针对患者不同病情变化种类。

2.3 智能化预警应用研究对象的一般资料

本研究共纳入妇科抢救病例56例，其中常规组25例，智能组31例，在院期间共发生94次抢救，平均每名患者发生抢救1.7次，其中因大出血抢救38次，严重感染5次，过敏性休克3次，肺栓塞2次，心肺功能障碍4次，其他原因42次。两组患者在疾病类型、年龄、手术时间、合并疾病差异均无统计学意义(均P>0.05)，见表2。

表2 两组一般资料比较

2.4 两组病情变化时预警率比较

两组病情变化时预警次数比较结果显示：智能组病情变化时预警率高于常规组，差异具有统计学意义(P<0.01)，见表3。

表3 两组病情变化时预警率比较〔n(%)〕

2.5 两组病情变化时预警时间比较

病情变化时预警时间结果显示：智能组病情变化时预警时间平均(14.57±5.666)s短于常规组(36.74±10.929)s，差异具有统计学意义(t=53.970，P<0.01)。

2.6 两组急救护理达标率

表5两组急救护理达标率结果显示：智能组呼吸道管理,规范给药,静脉管理,病情监测达标率分别为92.453%、98.113%、94.340%、94.340% 均高于常规组,差异均有统计学意义(均P<0.05)。见表4。

表4 两组急救护理措施达标率比较〔n(%)〕

2.7 两组抢救时间比较

两组研究对象抢救时间结果显示：智能组平均抢救时间(43.66±19.174)min短于常规组(50.81±21.670)min，差异具有统计学意义(t=12.901，P<0.01)，提示预警智能管理体系应用有利于缩短抢救时间。

3 讨论

3.1 预警智能管理体系具有科学性、特异性、准确性、智能化特征

3.1.1预警智能管理体系构建过程严谨、科学 本预警智能管理体系充分体现科学性、特异性、准确性、智能化三大特点〔11〕。首先采用GEWS表是采用单因素筛选指标后进行多因素分析确定指标再形成量表，灵敏度与特异度均较好；其次依据ROC曲线的最佳截断值获得风险分级的等级数量、上下限与级距，与金标准风险分级分布高度一致；最后方案制定过程中采用循证思维，建立妇科危重症预警处理池并应用Nvivo软件进行逐一编码、分类再提炼主题。上述步骤均采用科学的、有效的科研方法，从而保证本体系的科学性。

3.1.2预警智能管理体系具有专科特异性 GEWS表是针对妇科疾病危重病情变化时的特点而构建的，包括共性指标与妇科指标，其中共性指标包括意识、呼吸、心率、血压、血氧饱和度、体温、是否吸氧等7个指标，妇科专科指标包含妇科疾病类型、妇科相关症状、腹痛、阴道流血、血红蛋白5项指标。其中专科指标与患者病情严重程度密切相关〔12〕，相关研究表明腹痛程度反映病情轻重程度〔13〕，90%以上的黄体破裂、急性盆腔炎伴有中度以上腹痛；肛门坠胀感，面色苍白，头晕等相关症状发生于60%妇科大出血疾病〔14〕，血红蛋白每下降10 g/L，提示出血量约400 ml〔15〕；由此可见妇科专科指标直接反映妇科病情严重程度，以保证本体系的敏感性与特异性。

3.1.3预警智能管理体系风险等级预测准确 GEWS与金标准病情变化风险预测结果显示：两组危重病情风险等级分布相似，提示GEWS能准确预测危重病情风险等级。GEWS风险预测准确主要因为：GEWS的指标均来源于既往妇科危重症患者临床数据，依据多因素Logistic回归分析结果确定的指标；即GEWS表是应用既往危重症数据预测未来危重症患者的风险等级，因此预测准确率高。其次，GEWS表根据变量类型建立评分标准赋值〔16〕，使评估表赋值更合理；风险等级通过ROC的最佳截断值确定，分级依据可靠，两者共同提高GEWS表预测准确性。

3.1.4预警智能管理体系体现智能化 本体系利用现代化信息技术，借助数据库相互融合，利于大数据的优势，实现自动抓取数据，并自动将数据导入GEWS表中，点击评分后系统自动评分，显示风险分级(绿色为低风险、黄色中度风险、橙色高风险、红色极高风险)，根据不同级别自动触发预警信号(黄色风险：电子系统病人一览表显示+闪烁，橙色风险：一览表显示+闪烁+自动弹窗，红色极高风险：一览表显示+闪烁+自动弹窗+声音)，同时显示各级预警处理方案。医护理人员接到电子预警后，查看GEWS表中数据，评分、风险等级、预警处理方案的同时携带抢救物品快速赶往床边施救。在抢救过程中记录者实时录入数据，体系进行实时动态监测、风险预警及处理指导；为抢救提供重要依据，从而实现全自动化、电子化、数字化管理，真正实现了妇科危重症智能预警的全智能化。

3.2 预警智能管理体系应用成效

3.2.1预警智能管理体系提高预警率 智能组预警率高于常规组，提示体系应用可以发现更多的危重病情变化。相关研究表明，仅有约32.3%的危重病情变化被及时发现，导致临床意外事件和病死率增高〔3-5，17〕。因此提高危重病情的预警率对于提高危重患者抢救成功与挽救生命至关重要。这与陈雄英等〔18〕的研究结果相似，本体系预警率高可能原因：①GEWS表采用的共性指标是反映患者病情变化最敏感指标。医院多个数据系统等共享数据，当这些指标一旦偏离正常范围时，异常数据传输的同时系统启动GEWS表的自动评分，风险分级，预警信号触发。②当危重病情代偿期时共性指标可能处于正常范围，易被护士忽视从而未及时预警；本体系依据实时传输的妇科特异性指标数据，可以全面、准确地、客观地辨别风险等级从而进行预警。③目前经验不足的临床护士观察能力，预测分析能力、专业水平的低下〔19〕导致对危重病情敏感度差而判断错误从而遗漏预警；此外，临床护士配置相对不足，护理工作繁忙，不能实时风险监测，而智能化体系可以实时监控风险，随时发现病情变化而预警。

3.2.2预警智能管理体系缩短预警时间 智能组预警时间较常规组短，提示预警智能管理体系预警启动更快，能前移抢救时间；这与姚丽等研究结果相似〔20〕。相关研究表明抢救时间前移，可提高抢救成功率，降低死亡率〔21-22〕，可见启动时间越早患者抢救成功率越高。本管理体系缩短预警时间原因：①本管理体系一旦预测到风险即触发预警，病房所有电子端同时显示患者异常数据、GEWS评分，风险等级，并提供预警处理方案；医护人员在第一时间能确定病情变化，并携带相应抢救物品赶赴抢救现场施救。②常规体系：一般情况是患者出现症状，按铃等待，护士从办公区赶到床边，询问，简单体检，初步评估后启动呼叫系统，并等待其他医护人员到达现场，到过床边后护士先向援救医护人员汇报，医生现场简单快速评估病情，查阅相关数据后下达医嘱，再施救；另种情况是病情处于代偿期时，临床表现隐匿，床边护士无法发现病情变化而选择不汇报，错过最佳预警时间；经验丰富的护士可能汇报医生，医生床边评估后再预警重复上述的过程。在此过程中浪费医护人员往返床边与办公区，切换窗口逐项收集患者数据的时间。

3.2.3预警智能管理体系能提高急救护理的达标率 智能组急救护理的达标率均高于常规组，提示智能预警管理可以缩短急救护理时间，提高急救护理操作质量。抢救过程中，急救护理操作是抢救实施的先提条件，如静脉通路不开放，静脉用药无法实施；因此，高质量，短时间完成急救护理操作是抢救成功的关键。急救状态下医护人员高度紧张、场面极易发生混乱、易导致操作及判断失误，但是通过强化理论知识、定期操作演练可以缩短操作时间，提高准确率及质量〔23〕。本管理体系一方面定期开展量表的应用、风险等级、处理方案等知识的全员培训与应急演练，以提高医护人员的急救理论水平及操作水平，从而提高急救护理操作的达标率。另一方面，预警处理方案制定将抢救角色与护士排班有机结合，即不同班次扮演的抢救角色不同，保证护士在抢救第一时间不慌乱，不犹豫，明确自己的具体急救护理任务，可以节约时间，提高操作质量。例如：过敏性休克时，方案指出护士长担任急救护理总指挥，A1班为床边护士负责患者评估、安慰；A2班负责气道管理，保持气道通畅、吸氧、协助建立人工气道等，A2静脉通路管理，负责开通静脉，静脉用药，采血等；A3负责病情监测，心电监护、AED准备等；A4班负责记录抢救过程，核对药物；管理班负责协调部门沟通达到分工明确、转运、标本运送、联系麻醉师等；A5、A6班负责病区其他患者的护理工作。

3.2.4预警智能管理体系能缩短抢救时间 智能组抢救时间短于常规组，提示预警智能管理体系能缩短抢救时间，促进患者的预后与康复，与姚丽等研究结果相似〔20〕。本体系缩短抢救时间主要原因：①预警处理方案将班次与急救中扮演的角色结合，当抢救启动后抢救到位迅速，延误时间少，救治措施前移；药物可提前发挥效用，及时阻止或延缓病情的恶化，更早改善生理状态，患者更早脱离生命危险。其次，定期应急演练，使医护人员抢救操作熟练，操作时间缩短，失误率低，节约大量时间，更早发挥急救措施的效果；使病情短期内得到改善，避免组织器官损害，有效防止恶性循环形成，尽早扭转病情发展方向，从而缩短抢救时间。

4 小结

本体系的构建以GEWS表为基础，利用现代信息技术，充分发挥数据融合的优势，通过自动评估、风险分级、触发预警及推送处理方案等功能，提高体系的准确性，特异性，实现危重预警智能管理体系的科学化，智能化；通过将体系应用于妇科临床实践，发现其能缩短预警时间与抢救时间，提高预警率及急救护理的达标率，提高危重患者的智能预警管理质量，缩短患者的康复时间，促进妇科危重症护理的发展，为其他专科危重症智能预警管理提供借鉴与参考。

利益冲突所有作者均声明不存在利益冲突