基于電子病歷的人工智能譫妄識(shí)別量表初步構(gòu)建

趙艷莉，陳 齡，謝冬梅，李 楠，高浪麗，岳冀蓉

0 引 言

譫妄是住院老年人群中常見(jiàn)的一種可逆的、具有波動(dòng)性的神經(jīng)精神綜合征，常在數(shù)小時(shí)至數(shù)天內(nèi)發(fā)生，主要表現(xiàn)為急性發(fā)作的意識(shí)紊亂，通常伴注意力不集中，思維混亂、不連貫以及感覺(jué)、知覺(jué)功能的異常[1-3]。內(nèi)科老年住院患者的譫妄發(fā)生率為20%～29%,術(shù)后老年患者的譫妄發(fā)生率為11%～51%[4]。譫妄可導(dǎo)致死亡率增加、住院時(shí)間延長(zhǎng)、認(rèn)知功能下降、再入院率及養(yǎng)老院入住率增加等[5-9]。由于譫妄具有急性波動(dòng)性、夜間發(fā)病的特點(diǎn)，臨床上易被忽視，故漏診率較高。一項(xiàng)針對(duì)急診老年患者的研究發(fā)現(xiàn)譫妄漏診率高達(dá)54.5%[10]。因此早期識(shí)別譫妄并及時(shí)干預(yù)，對(duì)降低譫妄漏診率、改善譫妄患者的預(yù)后具有重要臨床意義。

美國(guó)精神障礙診斷統(tǒng)計(jì)手冊(cè)第5版(DSM-V)的譫妄診斷標(biāo)準(zhǔn)為目前診斷譫妄的金標(biāo)準(zhǔn)，其包含以下5條標(biāo)準(zhǔn)：①:注意力障礙和感知力損害；②:在短時(shí)間內(nèi)發(fā)生，表現(xiàn)為注意力和認(rèn)知功能從基線狀態(tài)開(kāi)始的急性改變，且嚴(yán)重程度在1天內(nèi)呈現(xiàn)波動(dòng)性；③:可伴隨認(rèn)知功能出現(xiàn)損害；④:當(dāng)①和②的發(fā)生不能被已有的或已確診的神經(jīng)精神疾病所解釋，且不是在意識(shí)水平嚴(yán)重受損的患者中發(fā)生；⑤:根據(jù)病史、查體、實(shí)驗(yàn)室檢查可以明確致病因素[11]。但此標(biāo)準(zhǔn)相對(duì)復(fù)雜，需要有經(jīng)驗(yàn)的?？漆t(yī)師床旁詳細(xì)的神經(jīng)精神評(píng)估，且無(wú)法量化評(píng)分。因此臨床中常用的譫妄評(píng)估工具大多是基于DSM的量化評(píng)估表,意識(shí)模糊評(píng)估法(confusion assessment method，CAM)和3分鐘譫妄診斷評(píng)估(3-Minute Diagnostic Interview for CAM-defined Delirium, 3D-CAM)是目前國(guó)內(nèi)外應(yīng)用較為廣泛的譫妄評(píng)估工具，具有較高的敏感性和特異性[12-13]。但此類量表需要專業(yè)人員現(xiàn)場(chǎng)進(jìn)行問(wèn)卷調(diào)查，對(duì)病情的波動(dòng)難以有動(dòng)態(tài)的掌握。Inouye等[14]于2005年研發(fā)識(shí)別譫妄的電子病歷評(píng)估量表，該方法雖不受時(shí)間或空間的限制，可回顧性地、重復(fù)地通過(guò)電子病歷對(duì)患者進(jìn)行譫妄評(píng)估。但該量表需要人工瀏覽電子病歷來(lái)評(píng)估譫妄，不僅費(fèi)時(shí)費(fèi)力，且受評(píng)估人員的素質(zhì)和培訓(xùn)質(zhì)量的影響，異質(zhì)性較大。本研究旨在構(gòu)建一套基于電子病歷自動(dòng)化提取關(guān)鍵詞識(shí)別譫妄的量表，為醫(yī)護(hù)人員能早期識(shí)別譫妄提供方便可靠的工具，同時(shí)為人工智能識(shí)別譫妄奠定基礎(chǔ)。

1 資料與方法

1.1 研究對(duì)象本研究納入2015年1月至2017年12月因呼吸疾病或心血管疾病于四川大學(xué)華西醫(yī)院老年科住院且年齡≥65歲的患者為研究對(duì)象。納入標(biāo)準(zhǔn)：①年齡≥65歲；②住院期間順利完成譫妄評(píng)估且評(píng)估結(jié)果資料完整；③電子病歷資料完整。排除標(biāo)準(zhǔn)：①全盲、重度聽(tīng)力障礙或重度癡呆不能完成譫妄評(píng)估；②有精神病史的患者；③終末期患者(預(yù)期壽命<6個(gè)月)；④急性神經(jīng)內(nèi)科疾病及神經(jīng)外科疾病患者。根據(jù)量表的研發(fā)標(biāo)準(zhǔn)，樣本量需達(dá)到條目數(shù)的5～10倍[15]。

1.2量表的構(gòu)建過(guò)程和方法

1.2.1 構(gòu)建關(guān)鍵詞在試驗(yàn)前期，以DSM-V和ICD-10中譫妄的定義及診斷標(biāo)準(zhǔn)為基礎(chǔ)構(gòu)建理論框架，從譫妄評(píng)估方法中提取關(guān)鍵詞構(gòu)建初始量表?xiàng)l目池，最后采用德?tīng)柗品ńY(jié)合層次分析法形成了初始量表，其中含106個(gè)條目和554個(gè)關(guān)鍵詞。

本研究中信息學(xué)專業(yè)人員將滿足標(biāo)準(zhǔn)的779份老年住院患者的電子病歷資料形成待分析數(shù)據(jù)集。電子病歷資料包含：患者基本信息、入院方式、入院及出院診斷、醫(yī)師及護(hù)理病程記錄。信息學(xué)專業(yè)人員利用R軟件將待分析數(shù)據(jù)集進(jìn)行自動(dòng)化分詞[16]。成員組將初始量表中的關(guān)鍵詞形成關(guān)鍵詞詞庫(kù)，信息學(xué)專業(yè)人員使用R軟件中最優(yōu)匹配度的混合型模型將分詞后的結(jié)果與詞庫(kù)進(jìn)行匹配，自動(dòng)生成電子病歷中關(guān)鍵詞的頻數(shù)結(jié)果。

1.2.2條目篩選采用臨界比值法、相關(guān)系數(shù)法及差異性分析對(duì)條目進(jìn)行分析和篩選，應(yīng)用SPSS 23.0軟件進(jìn)行統(tǒng)計(jì)分析。①臨界比值法：檢驗(yàn)各個(gè)條目鑒別不同被調(diào)查者的性能即區(qū)分度。將所有患者的初始量表得分排序，得分在前27%的患者為高分組，得分在后27%的患者為低分組[17]。選擇秩和檢驗(yàn)檢測(cè)每項(xiàng)條目的得分在兩組之間有無(wú)差異，若P>0.05說(shuō)明該條目區(qū)分度不佳，予以剔除。②相關(guān)系數(shù)法：采用Spearman相關(guān)系數(shù)分析每個(gè)條目得分與量表總分之間的相關(guān)性，目的是檢測(cè)條目的代表性。若P>0.05說(shuō)明條目與總分相關(guān)性不足，予以剔除。③差異性分析：上述兩種分析方法可能出現(xiàn)刪除與譫妄明顯相關(guān)的條目，為避免此類問(wèn)題，采用差異性分析檢測(cè)條目的區(qū)分度與代表性。按照3D-CAM的評(píng)估結(jié)果將患者分為譫妄組與非譫妄組。使用秩和檢驗(yàn)檢測(cè)條目在兩組之間是否有差異性(區(qū)分度)，P<0.05表示條目對(duì)譫妄的區(qū)分度良好，予以保留。采用相關(guān)系數(shù)分析條目與譫妄是否相關(guān)(代表性)，P<0.05表示條目對(duì)譫妄的代表性良好，予以保留。臨界比值法或相關(guān)系數(shù)法與差異性分析結(jié)果不一致時(shí)，優(yōu)先選擇差異性分析的結(jié)果。

1.2.3德?tīng)柗品ńY(jié)合層次分析法構(gòu)建權(quán)重系數(shù)正式量表?xiàng)l目與初始量表?xiàng)l目之間差異較大。因此在形成正式量表?xiàng)l目后再次使用德?tīng)柗品ǖ玫秸搅勘項(xiàng)l目的權(quán)重賦值[18]，將條目權(quán)重賦值按照層次和維度分別建立判斷矩陣圖，采用層次分析權(quán)數(shù)法得到正式量表?xiàng)l目的權(quán)重系數(shù)[19]。同時(shí)使用一致性比率(consistent ratio, CR)檢驗(yàn)權(quán)重判斷矩陣圖的內(nèi)在一致性,CR<0.1說(shuō)明矩陣圖的權(quán)重賦值通過(guò)一致性檢驗(yàn)。

1.2.4正式量表的建立及得分規(guī)則由正式量表?xiàng)l目及權(quán)重系數(shù)形成完整的正式量表。正式量表的得分規(guī)則為：關(guān)鍵詞頻數(shù)≥1的條目得分等于該條目的權(quán)重系數(shù)，所有條目得分之和為量表總分。

2 結(jié) 果

2.1 一般資料本研究最終共納入779例住院患者的電子病歷資料，納入的患者中男性占71.9%，平均年齡為(82.8±6)歲，平均住院時(shí)間為(21±6)d，見(jiàn)表1。

表 1 本組研究對(duì)象的基本特征

Table 1 Basic characteristics of the subjects

項(xiàng)目統(tǒng)計(jì)值[n(%)]性別 男560(71.9) 女219(28.1)年齡(歲) 65～75129(16.6) 76～85346(44.4) 86～95291(37.4) 96～10013(1.7)住院時(shí)間(d) ≤15338(43.1) 16～30359(46.1) 31～4451(6.5) ≥4531(4)

2.2分詞結(jié)果信息學(xué)專家通過(guò)R軟件進(jìn)行分詞和關(guān)鍵詞匹配，發(fā)現(xiàn)共有192個(gè)關(guān)鍵詞出現(xiàn)在電子病歷中，38個(gè)條目的關(guān)鍵詞未出現(xiàn)在電子病歷中，故予以刪除。關(guān)鍵詞在1份電子病歷中出現(xiàn)則算1次，出現(xiàn)頻率前5的關(guān)鍵詞分別為：感染、跌倒、手術(shù)、精神尚可、精神差。

2.3條目篩選通過(guò)臨界比值法得到得分≤2.3為低分組，得分≥5.5為高分組，結(jié)果顯示共22個(gè)條目P>0.05，說(shuō)明條目的區(qū)分度差，予以剔除。根據(jù)Spearman相關(guān)系數(shù)分析后，結(jié)果顯示11個(gè)條目得分與量表總分無(wú)顯著相關(guān)性(P>0.05)，即此類條目的代表性差，予以剔除。差異性分析中，通過(guò)秩和檢驗(yàn)分析后，發(fā)現(xiàn)共38個(gè)條目在譫妄和非譫妄患者中有統(tǒng)計(jì)學(xué)差異(P<0.05)，說(shuō)明有良好的區(qū)分度，予以保留；通過(guò)相關(guān)系數(shù)分析得出41個(gè)條目與譫妄有顯著相關(guān)性(P<0.05)，說(shuō)明對(duì)譫妄患者有良好的代表性，予以保留。綜上將以下9個(gè)條目予以刪除，分別為視力損傷、多藥共用、自殺傾向、憤怒、躁動(dòng)不安、精神不集中、言語(yǔ)少、無(wú)言語(yǔ)、計(jì)算能力下降。最終得到59個(gè)正式量表?xiàng)l目。

2.4建立權(quán)重系數(shù)，形成正式量表將篩選出來(lái)的59個(gè)條目組成正式量表，通過(guò)德?tīng)柗品ńY(jié)合層次分析法重建權(quán)重系數(shù)。5位專家均返回意見(jiàn)，專家積極指數(shù)為100%。為便于統(tǒng)計(jì)分析，將條目總權(quán)重系數(shù)增大2個(gè)數(shù)量級(jí)(即乘100)，發(fā)現(xiàn)譫妄和反應(yīng)遲鈍的權(quán)重系數(shù)最高，分別為15及13.3。權(quán)重矩陣圖的一致性檢驗(yàn)結(jié)果顯示CR值均<0.1，說(shuō)明權(quán)重賦值的判斷矩陣具有滿意的內(nèi)在一致性即可靠性。最后由正式量表?xiàng)l目及總權(quán)重系數(shù)形成正式量表，其中包含59個(gè)條目及11個(gè)維度。779位患者的正式量表得分在0～53.4分之間，平均值為6.64分，偏度為2.6，峰度為8.2，故正式量表得分為厚尾正偏態(tài)分布，圖1為其分布直方圖。

圖 1 正式量表得分分布直方圖

Figure1Histogramofscoredistributionofformalscale

3 討 論

目前國(guó)內(nèi)外有多種用于譫妄的床旁評(píng)估工具，但臨床工作中醫(yī)務(wù)人員對(duì)此類工具的使用率較低，導(dǎo)致譫妄漏診率居高不下。因此，我們迫切需要一種自動(dòng)化譫妄識(shí)別工具來(lái)減少譫妄漏診率。本研究研發(fā)的基于電子病歷的人工智能譫妄識(shí)別量表，可從電子病歷中自動(dòng)化提取關(guān)鍵詞，實(shí)時(shí)監(jiān)測(cè)患者病情，以實(shí)現(xiàn)早期識(shí)別譫妄，及時(shí)采取干預(yù)措施，提高譫妄風(fēng)險(xiǎn)應(yīng)對(duì)能力。

該量表的建立基于條目的分析，這在量表的構(gòu)建過(guò)程中起著至關(guān)重要的作用，其中包括條目篩選、量化及權(quán)重賦值。本研究主要采用德?tīng)柗品▽?duì)條目進(jìn)行權(quán)重賦值，即統(tǒng)一通過(guò)郵件咨詢專家意見(jiàn)，實(shí)施過(guò)程嚴(yán)格遵守匿名性原則，專家之間不能相互聯(lián)系和討論，最終使量表識(shí)別譫妄的敏感度達(dá)到最大化。由于國(guó)內(nèi)關(guān)于老年譫妄研究方向的專家較少，本研究只邀請(qǐng)到5名專家，今后的研究中應(yīng)增加專家數(shù)量來(lái)進(jìn)一步修訂該量表。此外，該研究采用層次分析權(quán)數(shù)法得到正式量表?xiàng)l目的權(quán)重系數(shù)，保證了正式量表建立過(guò)程中的科學(xué)性及完整性。

本研究是首次嘗試在電子病歷的基礎(chǔ)上研發(fā)出自動(dòng)識(shí)別譫妄的量表，這是對(duì)現(xiàn)有人工譫妄評(píng)估工具的補(bǔ)充及創(chuàng)新。目前常用的譫妄評(píng)估工具需要有經(jīng)驗(yàn)的?？漆t(yī)生對(duì)患者進(jìn)行面對(duì)面評(píng)估，由于譫妄起病急、波動(dòng)性大且夜間多見(jiàn)，醫(yī)護(hù)人員很難及時(shí)實(shí)施床旁評(píng)估，因此可行性較低。本量表只需計(jì)算機(jī)自動(dòng)化提取電子病歷中的關(guān)鍵詞來(lái)識(shí)別譫妄，具有較好的操作性和可重復(fù)性，節(jié)約人力和時(shí)間，使得應(yīng)用前景廣泛。

但此研究也有以下不足之處：首先，該研究為回顧性研究，電子病歷質(zhì)量可影響評(píng)估結(jié)果，后期將進(jìn)一步對(duì)在院患者進(jìn)行實(shí)時(shí)評(píng)估即前瞻性研究，同時(shí)需進(jìn)一步規(guī)范電子病歷書寫以提高量表的靈敏性；另外，本研究中性別差異較大，男性占71.9%，但性別并非譫妄的危險(xiǎn)因素，且量表中譫妄患者的臨床癥狀及相關(guān)指標(biāo)不存在性別差異，故暫未按照性別分層決定權(quán)重；最后，此量表是基于四川大學(xué)華西醫(yī)院住院患者的電子病歷構(gòu)建而成，由于地域和文化的差異，條目中的關(guān)鍵詞可能不完全適用于其他省市的醫(yī)院，未來(lái)需進(jìn)一步開(kāi)展多中心研究以提高量表的適用性。

這項(xiàng)研究初步構(gòu)建了一種基于電子病歷的智能譫妄識(shí)別量表，將計(jì)算機(jī)信息技術(shù)應(yīng)用于臨床疾病的篩查。作為臨床決策支持功能的一部分，將譫妄識(shí)別量表結(jié)合到電子病歷中，通過(guò)提取電子病歷中的關(guān)鍵詞，智能、主動(dòng)的提醒醫(yī)務(wù)人員，實(shí)現(xiàn)早期識(shí)別譫妄的目的。隨著醫(yī)院信息化發(fā)展，在該研究基礎(chǔ)上，今后有望利用信息技術(shù)研發(fā)出譫妄風(fēng)險(xiǎn)預(yù)警系統(tǒng)，使醫(yī)務(wù)人員最大化識(shí)別譫妄，這對(duì)未來(lái)譫妄相關(guān)的臨床研究具有重要意義。