傅唯佳 王穎雯 張 瀾 顧 鶯 葛小玲 王蓓蓓 蘇 玲 馮 瑞 曹 云 汪吉梅 唐 征 劉江勤 葉成杰 王道洋 湯梁峰 蔣龍泉 張 帆 鄭如意 周建國張曉波

新生兒轉(zhuǎn)運(yùn)(NT)是危重新生兒救治過程中的重要環(huán)節(jié)，其目的是安全地將高危新生兒轉(zhuǎn)運(yùn)到NICU[1]。NT是“移動中”對新生兒進(jìn)行的持續(xù)救治，轉(zhuǎn)運(yùn)途中的監(jiān)護(hù)原則是維持患兒體溫、血糖和血壓穩(wěn)定并保持呼吸道通暢[2]。急危重新生兒在轉(zhuǎn)運(yùn)途中根據(jù)臨床需要應(yīng)用藥物，在醫(yī)護(hù)資源限定和轉(zhuǎn)運(yùn)環(huán)境震動中，如何使醫(yī)生根據(jù)觀察和記錄下的臨床場景，快速精確地下達(dá)用藥醫(yī)囑，同時(shí)提供給護(hù)士非整支藥物的換算/稀釋方法，確保給藥安全，也是轉(zhuǎn)運(yùn)途中的重要環(huán)節(jié)。本研究團(tuán)隊(duì)在上海市內(nèi)關(guān)于NT中維持生命體征調(diào)查發(fā)現(xiàn)，醫(yī)生在NT中的規(guī)范用藥有待提高。

本研究團(tuán)隊(duì)前期建設(shè)了5G+區(qū)塊鏈的危重NT信息平臺，設(shè)計(jì)融合5G數(shù)據(jù)傳輸功能的新生兒轉(zhuǎn)診艙，建立了轉(zhuǎn)出醫(yī)院、醫(yī)療急救中心、接診醫(yī)院三位一體的危重新生兒急救轉(zhuǎn)診網(wǎng)絡(luò)體系。為危重NT照護(hù)前移、實(shí)現(xiàn)“上車即入院”和提升危重NT質(zhì)量[3]提供了必要的條件。本研究期望在全場景NT通過決策支持系統(tǒng)優(yōu)化NT給藥臨床實(shí)踐。

1 方法

1.1 研究設(shè)計(jì) 質(zhì)量改進(jìn)研究。檢索急危重NT途中給藥管理的指南或共識，提取不同轉(zhuǎn)運(yùn)場景下藥物應(yīng)用證據(jù)并通過共識專家組構(gòu)建NT給藥知識庫，分析建立的決策支持系統(tǒng)應(yīng)用后較應(yīng)用前，急危重NT用藥次數(shù)和種類是否增加。

1.2 文獻(xiàn)檢索策略

1.2.1 檢索數(shù)據(jù)庫和時(shí)間 蘇格蘭大學(xué)校際協(xié)作網(wǎng)(SIGN)、加拿大安大略注冊護(hù)士協(xié)會(RNAO)、英國國家衛(wèi)生與臨床優(yōu)化研究所(NICE)、昆士蘭衛(wèi)生組織(QLD)、美國兒科學(xué)會(AAP)、PubMed、Embase、CINAHL、Web of Science、中國知網(wǎng)、萬方數(shù)據(jù)知識服務(wù)平臺和SinoMed。檢索時(shí)間從建庫至2022年1月1日。

1.2.2 檢索詞和檢索式 檢索采用主題詞和自由詞相結(jié)合，中文檢索詞包括新生兒/早產(chǎn)兒，院際轉(zhuǎn)運(yùn)/院間轉(zhuǎn)運(yùn)，指南/共識；英文檢索詞包括infant/neonat*/newborn/premature，interhospital/interfacility transportation/ transport/transfer，guideline/practice，guideline/consensus/statement。不同數(shù)據(jù)庫檢索式和檢索截屏結(jié)果見附件1(http://www.cjebp.net/CN/10.3969/j.issn.1673-5501.2022.06.012)。

1.3 文獻(xiàn)篩選標(biāo)準(zhǔn) 通過閱讀題目和摘要初步篩選NT的指南或共識，再閱讀全文篩選。文獻(xiàn)納入標(biāo)準(zhǔn)：①實(shí)施對象為實(shí)施轉(zhuǎn)運(yùn)的新生兒；②推薦意見中包含給藥方案(至少包括藥物名稱)；③文獻(xiàn)類型為指南或?qū)＜夜沧R；④文獻(xiàn)語言為中文或英文。文獻(xiàn)排除標(biāo)準(zhǔn)：①指南或共識解讀；②無法獲得全文的文獻(xiàn)。

1.4 文獻(xiàn)偏倚風(fēng)險(xiǎn)評估 采用JBI標(biāo)準(zhǔn)[4]對指南或?qū)＜夜沧R方法學(xué)質(zhì)量進(jìn)行評價(jià)。

1.5 數(shù)據(jù)提取 提取指南或共識中不同場景NT及其給藥推薦，并盡可能精確到劑量、用藥頻次等。

1.6 藥物使用知識庫的建立 邀請我院新生兒科工作>10年的、具有NT工作經(jīng)驗(yàn)的、副主任醫(yī)師及以上職稱的、5名重癥專業(yè)的醫(yī)生組成專家組，逐一對提取的不同場景NT及其給藥推薦進(jìn)行討論和修正，形成適用于人機(jī)交互的NT藥物使用知識庫。

1.7 NT藥物使用知識庫的決策支持系統(tǒng)建立 圖1顯示，①基于已經(jīng)建立的5G+區(qū)塊鏈的危重NT信息平臺，通過建立的轉(zhuǎn)出醫(yī)院和接診醫(yī)院危重新生兒急救轉(zhuǎn)診網(wǎng)絡(luò)體系，在開始NT前實(shí)現(xiàn)轉(zhuǎn)運(yùn)新生兒母嬰病例信息(胎齡、體重、體溫等)轉(zhuǎn)接；②基于專家組形成的NT藥物使用知識庫，設(shè)計(jì)相應(yīng)的決策支持邏輯；③區(qū)分智能識別場景(利用人工智能模型實(shí)現(xiàn)心率、呼吸、血壓、血氧飽和度、血?dú)?、血糖的多源?shù)據(jù)融合分析)和醫(yī)生主觀判斷場景(無法依靠人工智能識別、僅能通過醫(yī)生主觀判斷選擇場景，如患兒癥狀顯示皮膚蒼白、毛細(xì)血管充盈時(shí)間>3 s、心音低鈍，醫(yī)生判斷為低血容量表現(xiàn)，根據(jù)主觀判斷選擇藥物)；④智能識別場景時(shí)，由系統(tǒng)分析結(jié)果，當(dāng)滿足觸發(fā)條件時(shí)，自動彈窗推薦應(yīng)使用的藥物；⑤醫(yī)生主觀判斷時(shí)，由醫(yī)生手動選擇場景，系統(tǒng)根據(jù)醫(yī)生選擇推薦應(yīng)使用的藥物，醫(yī)生開具給藥醫(yī)囑，其中給藥劑量由人工智能模型結(jié)合患兒體重自動換算；⑥形成電子文書。

圖1 新生兒轉(zhuǎn)運(yùn)全場景決策支持系統(tǒng)

1.8 結(jié)局指標(biāo) NT用藥次數(shù)和種類。

1.9 驗(yàn)證數(shù)據(jù)的來源 決策支持系統(tǒng)2022年8月正式上線運(yùn)行，選取2022年6～7月上海市內(nèi)NT藥物使用為對照組，2022年9～10月上海市內(nèi)NT藥物使用為干預(yù)組。

1.10 統(tǒng)計(jì)學(xué)方法 采用SPSS 26.0軟件進(jìn)行數(shù)據(jù)分析，計(jì)數(shù)資料采用n(%)表示，兩組比較采用χ2檢驗(yàn)。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 文獻(xiàn)檢索和篩選 圖2顯示，中英文數(shù)據(jù)庫共檢索到141篇文獻(xiàn)，其他資源補(bǔ)充檢索到8篇文獻(xiàn)，去重后107篇文獻(xiàn)進(jìn)入初篩。最終納入1篇專家共識[5]進(jìn)入不同場景NT藥物使用知識庫的提取。

圖2 文獻(xiàn)檢索和篩選流程

2.2 JBI評價(jià)專家共識文獻(xiàn)質(zhì)量 具體評價(jià)結(jié)果如下。是否明確標(biāo)注了觀點(diǎn)的來源(是)，觀點(diǎn)是否來源于該領(lǐng)域有影響力的專家(是)，所提出的觀點(diǎn)是否以研究相關(guān)人群利益為中心(是)，推薦意見是否是基于分析的結(jié)果？觀點(diǎn)的表述是否具有邏輯性(是)，是否參考了現(xiàn)有的其他文獻(xiàn)(是)，所提出的觀點(diǎn)與以往文獻(xiàn)是否有不一致的地方(否)。評價(jià)質(zhì)量為高。

2.3 不同場景NT藥物使用知識庫 專家組對納入的1篇專家共識中提取的不同場景NT的用藥推薦進(jìn)行了討論，認(rèn)為：①血糖<2.6 mmol·L-1場景設(shè)置不精確，應(yīng)當(dāng)分為癥狀型和非癥狀型低血糖場景；②10%葡萄糖、生理鹽水、多巴胺、5%碳酸氫鈉、米力農(nóng)的推薦藥物方案不夠具體；③建議增加權(quán)威專著3部作為證據(jù)來源[6-8]，完善不同場景NT藥物使用知識庫。表1為基于1篇專家共識和3部專著提取的不同場景NT的用藥推薦和專家組討論形成的NT藥物使用知識庫。

表1 新生兒轉(zhuǎn)運(yùn)不同場景給藥知識庫藥物推薦

2.4 決策支持系統(tǒng)的驗(yàn)證 表2顯示，對照組30例，干預(yù)組61例，兩組患兒性別、病種、胎齡差異均無統(tǒng)計(jì)學(xué)意義。

表2 新生兒轉(zhuǎn)運(yùn)給藥知識庫使用前后患兒基本信息[n(%)]

出生體重差異有統(tǒng)計(jì)學(xué)意義，干預(yù)組極低出生體重兒比例是對照組的2.6倍(34.4%vs13.3%)。干預(yù)組NT來自于閔行區(qū)17例，松江區(qū)9例，楊浦區(qū)和徐匯區(qū)各7例，奉賢區(qū)6例，浦東新區(qū)5例，青浦區(qū)和長寧區(qū)各4例，金山區(qū)2例。對照組NT來自于松江區(qū)6例，徐匯區(qū)5例，楊浦區(qū)4例，閔行區(qū)、長寧區(qū)、浦東新區(qū)和奉賢區(qū)各3例，靜安區(qū)2例，金山區(qū)1例。

對照組NT中使用了33次4種藥物，其中10%葡萄糖使用了30次(90%)，多巴胺、多巴酚丁胺和芬太尼各1次。

干預(yù)組NT中使用了88次11種藥物，其中由決策支持系統(tǒng)智能識別后觸發(fā)彈窗提醒使用了74次(85.9%)，由醫(yī)生主觀判斷選擇場景后觸發(fā)使用了14次；10%葡萄糖使用了56次(67.6%)，芬太尼8次，5%碳酸氫鈉6次，多巴胺、多巴酚丁胺、腎上腺素、生理鹽水、咪達(dá)唑侖各3次，呋塞米、前列地爾、肝素鈉各1次。干預(yù)組用藥種類覆蓋了對照組，不同場景NT藥物使用知識庫確定的藥物共16種，干預(yù)組中5種藥物(利多卡因、阿托品、苯巴比妥、甘露醇、米力農(nóng))沒有使用。

人均使用藥物次數(shù)比對照組[1.1(33/30)]較干預(yù)組[1.44(88/61)]差異有統(tǒng)計(jì)學(xué)意義(t=-2.06，P=0.041)，人均使用藥物種類占比對照組[25%(4/16)]較干預(yù)組[62.5%(11/16)]差異有統(tǒng)計(jì)學(xué)意義(χ2=6.15,P=0.013)。

3 討論

新生兒轉(zhuǎn)運(yùn)工作指南(2017版)[5]中即要求轉(zhuǎn)運(yùn)醫(yī)護(hù)團(tuán)隊(duì)具備識別早期休克征象，采取糾酸、擴(kuò)容等技術(shù)，能夠處理發(fā)紺、低血糖、心律失常等問題。AAP發(fā)布的新生兒與兒童轉(zhuǎn)運(yùn)指南(第4版)[9]中推薦將重要藥物的使用方案標(biāo)準(zhǔn)化，以避免或減少轉(zhuǎn)運(yùn)中用藥差錯(cuò)及潛在的不良影響。由于我國NT網(wǎng)絡(luò)的建設(shè)起步較晚，受限于設(shè)備設(shè)施以及服務(wù)半徑，臨床對NT用藥的關(guān)注有限，能夠獲取的證據(jù)相對有限，本研究構(gòu)建的NT藥物使用知識庫，基于系統(tǒng)的文獻(xiàn)檢索和文獻(xiàn)質(zhì)量評價(jià)，專家組論證場景與給藥間的關(guān)系，不僅考慮證據(jù)本身的質(zhì)量，同時(shí)根據(jù)臨床實(shí)踐進(jìn)行了批判性思考，并增加了3部專著作為證據(jù)提取，專家組共接受了9條推薦意見，修改了2條推薦意見表述，細(xì)化了5條不同應(yīng)用場景的推薦意見。

本研究以構(gòu)建的NT藥物知識庫為基礎(chǔ)，通過概念化知識描述、形式化知識編碼、系統(tǒng)測量與評估，將信息系統(tǒng)中患兒數(shù)據(jù)與臨床決策概念綁定，根據(jù)知識庫內(nèi)容匹配合適的決策支持功能，對各項(xiàng)條目設(shè)置相應(yīng)的決策支持觸發(fā)引擎，決策支持系統(tǒng)適用于NT過程中需要給藥的各種臨床場景，為轉(zhuǎn)運(yùn)醫(yī)生及護(hù)士等提供迅速、可靠的給藥推薦，并通過自動抓取患兒的體重信息，快速完成藥物劑量的換算。

發(fā)生在2022年3～5月的上海市新冠病毒奧密克戎疫情，使轉(zhuǎn)運(yùn)特別是NT受到較大的影響。本文NT藥物使用知識庫的決策支持系統(tǒng)正式上線運(yùn)行時(shí)間為2022年8月，是2022年3～5月的上海市新冠病毒奧密克戎疫情NT的恢復(fù)階段。本文以NT藥物使用知識庫的決策支持系統(tǒng)應(yīng)用前2個(gè)月和后3個(gè)月在上海市內(nèi)NT數(shù)據(jù)作為比較，驗(yàn)證NT藥物使用知識庫的決策支持系統(tǒng)是否能改善NT中用藥規(guī)范化，用藥更積極，以最大可能地實(shí)現(xiàn)“上車即入院”。結(jié)果顯示，對照組NT中使用了33次4種藥物，10%葡萄糖使用占比90%，多巴胺、多巴酚丁胺和芬太尼各使用了1次；干預(yù)組NT中使用了88次11種藥物，10%葡萄糖使用占比下降為67.6%，而芬太尼和5%碳酸氫鈉使用占比上升為9%(8次)和7%(6次)，多巴胺、多巴酚丁胺、腎上腺素、生理鹽水、咪達(dá)唑侖各使用占比3%；不僅干預(yù)組用藥種類覆蓋了對照組，而且人均使用藥物次數(shù)比干預(yù)組(1.44)顯著高于對照組(1.1)。說明醫(yī)生在NT藥物使用知識庫的決策支持系統(tǒng)中用藥積極，更主動地投入到了院前早產(chǎn)兒救治中。

NT藥物使用知識庫的決策支持系統(tǒng)的智能識別系統(tǒng)也是促使醫(yī)生積極用藥的因素，觸發(fā)彈窗提醒使用率達(dá)85.9%，觸發(fā)彈窗提醒是基于規(guī)范和當(dāng)前最好證據(jù)的推薦，讓醫(yī)生的醫(yī)療行為處于更安全和有信心，醫(yī)生主觀判斷選擇場景后觸發(fā)僅占14.1%，說明NT藥物使用知識庫的決策支持系統(tǒng)包含了絕大多數(shù)的NT醫(yī)療情景。

雖然干預(yù)組人均使用藥物次數(shù)比高于對照組，但應(yīng)注意到，干預(yù)組驗(yàn)證時(shí)間較對照組多1個(gè)月，NT用藥由33次上漲到88次，極低出生體重新生兒比例是對照組的2.6倍。說明隨著2022年3～5月的上海市新冠病毒奧密克戎疫情NT恢復(fù)時(shí)間越長，NT將逐步走向正軌，NT藥物使用知識庫的決策支持系統(tǒng)也將發(fā)揮更正向的作用，使得醫(yī)生有信心和保障更主動地投入到了院前早產(chǎn)兒救治中。

本研究不足與局限：①本文NT藥物使用知識庫的決策支持系統(tǒng)的驗(yàn)證樣本量小、且情景只在上海市區(qū)，與新冠病毒奧密克戎疫情有較大的關(guān)聯(lián)，更大樣本量、更遠(yuǎn)更復(fù)雜的轉(zhuǎn)運(yùn)情景有待進(jìn)一步驗(yàn)證。②NT藥物使用知識庫可能隨著更為復(fù)雜的NT情景會要求不斷更新。③決策支持系統(tǒng)中醫(yī)生主觀判斷的項(xiàng)目還有待于逐漸轉(zhuǎn)化為智能識別。

致謝：復(fù)旦大學(xué)附屬兒科醫(yī)院護(hù)理部王文超和康瓊芳老師對本文的貢獻(xiàn)。