導讀

此項回顧性觀察研究旨在研究操作條件與用藥醫(yī)囑數量之間的關聯(lián)，作為衡量護理團隊認知能力的可衡量指標。且研究表明，ICU 操作因素，如入院率和患者疾病嚴重程度可能會影響重癥監(jiān)護團隊的認知能力，并導致用藥醫(yī)囑減少。

重癥監(jiān)護病房（ICU）是一個復雜且動態(tài)的社會技術系統(tǒng)，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(fā)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(yī)囑數量之間的關聯(lián)，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(jiān)護團隊的認知能力，并導致用藥醫(yī)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(jiān)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(tǒng)工作量因素與用藥醫(yī)囑產生之間的關系，因而在患者安全系統(tǒng)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(fā)了ICU分布式認知的概念框架（圖1）�；颊叩男畔⒑蛿祿�被輸入供護理團隊進行臨床決策，系統(tǒng)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(fā)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(tǒng)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(chuàng)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(tài)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(fā)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(huán)境中患者普查數量增加時，每位患者的用藥醫(yī)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(yī)囑數量開始趨于平穩(wěn)，不再以此前的速度增加，這種現(xiàn)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(yī)囑數為因變量，建立單變量分段Poisson回歸模型來研究系統(tǒng)級工作量指標之間的關系，作為護理團隊的輸出決策。

02IMV的使用、新入院和高死亡率風險

影響用藥醫(yī)囑量

研究共記錄了235，200份用藥醫(yī)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(yī)囑的患者百分比和每位患者平均每小時的用藥醫(yī)囑數量，并按IMV使用情況進行區(qū)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(yī)囑，平均高出63％；未使用IMV的患者每小時平均用藥醫(yī)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(yī)囑數量

對于入院后3小時內的新患者和常規(guī)患者的比較，前3小時內每位新患者的用藥醫(yī)囑量較大，每小時平均2．1（SD ＝ 3．5），而常規(guī)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(yī)囑量每小時平均值分別為1．1（SD ＝ 2．5）和0．8（SD ＝ 1．8）（表1）。總體而言，每小時的用藥醫(yī)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(yī)囑數量比較

03ICU入住率達到56％

用藥醫(yī)囑數顯著減少

研究還進行了關聯(lián)分析，分析了總體的患者普查與用藥醫(yī)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(yī)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(yī)囑數量存在明顯差異。且根據表2統(tǒng)計，患者普查數≤18時，每位患者每小時平均用藥醫(yī)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(xiàn)象將持續(xù)到ICU容量達到80％時。

同時，比較了IMV患者較少的正常ICU環(huán)境和模擬COVID－19大流行ICU環(huán)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(yī)囑量下降顯著。且表2統(tǒng)計，患者普查數≤16時，每位患者每小時平均用藥醫(yī)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(qū)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(yī)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(yī)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(yī)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(yī)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(yī)囑量與患者普查比較

表2 每個病人每小時用藥醫(yī)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(yī)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(tǒng)（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。

       原文標題 : 入院率等因素對梅奧ICU護理質量的影響｜研究