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

新生兒轉運(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運到NICU[1]。NT是“移動中”對新生兒進行的持續(xù)救治，轉運途中的監(jiān)護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]。急危重新生兒在轉運途中根據(jù)臨床需要應用藥物，在醫(yī)護資源限定和轉運環(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，快速精確地下達用藥醫(yī)囑，同時提供給護士非整支藥物的換算/稀釋方法，確保給藥安全，也是轉運途中的重要環(huán)節(jié)。本研究團隊在上海市內(nèi)關于NT中維持生命體征調查發(fā)現(xiàn)，醫(yī)生在NT中的規(guī)范用藥有待提高。

本研究團隊前期建設了5G+區(qū)塊鏈的危重NT信息平臺，設計融合5G數(shù)據(jù)傳輸功能的新生兒轉診艙，建立了轉出醫(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診網(wǎng)絡體系。為危重NT照護前移、實現(xiàn)“上車即入院”和提升危重NT質量[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給藥臨床實踐。

1 方法

1.1 研究設計 質量改進研究。檢索急危重NT途中給藥管理的指南或共識，提取不同轉運場景下藥物應用證據(jù)并通過共識專家組構建NT給藥知識庫，分析建立的決策支持系統(tǒng)應用后較應用前，急危重NT用藥次數(shù)和種類是否增加。

1.2 文獻檢索策略

1.2.1 檢索數(shù)據(jù)庫和時間 蘇格蘭大學校際協(xié)作網(wǎng)(SIGN)、加拿大安大略注冊護士協(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)、美國兒科學會(AAP)、PubMed、Embase、CINAHL、Web of Science、中國知網(wǎng)、萬方數(shù)據(jù)知識服務平臺和SinoMed。檢索時間從建庫至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合，中文檢索詞包括新生兒/早產(chǎn)兒，院際轉運/院間轉運，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果見附件1(http://www.cjebp.net/CN/10.3969/j.issn.1673-5501.2022.06.012)。

1.3 文獻篩選標準 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。文獻納入標準：①實施對象為實施轉運的新生兒；②推薦意見中包含給藥方案(至少包括藥物名稱)；③文獻類型為指南或專家共識；④文獻語言為中文或英文。文獻排除標準：①指南或共識解讀；②無法獲得全文的文獻。

1.4 文獻偏倚風險評估 采用JBI標準[4]對指南或專家共識方法學質量進行評價。

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及其給藥推薦進行討論和修正，形成適用于人機交互的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，通過建立的轉出醫(yī)院和接診醫(yī)院危重新生兒急救轉診網(wǎng)絡體系，在開始NT前實現(xiàn)轉運新生兒母嬰病例信息(胎齡、體重、體溫等)轉接；②基于專家組形成的NT藥物使用知識庫，設計相應的決策支持邏輯；③區(qū)分智能識別場景(利用人工智能模型實現(xiàn)心率、呼吸、血壓、血氧飽和度、血氣、血糖的多源數(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、毛細血管充盈時間>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，由系統(tǒng)分析結果，當滿足觸發(fā)條件時，自動彈窗推薦應使用的藥物；⑤醫(yī)生主觀判斷時，由醫(yī)生手動選擇場景，系統(tǒng)根據(jù)醫(yī)生選擇推薦應使用的藥物，醫(yī)生開具給藥醫(yī)囑，其中給藥劑量由人工智能模型結合患兒體重自動換算；⑥形成電子文書。

圖1 新生兒轉運全場景決策支持系統(tǒng)

1.8 結局指標 NT用藥次數(shù)和種類。

1.9 驗證數(shù)據(jù)的來源 決策支持系統(tǒng)2022年8月正式上線運行，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藥物使用為干預組。

1.10 統(tǒng)計學方法 采用SPSS 26.0軟件進行數(shù)據(jù)分析，計數(shù)資料采用n(%)表示，兩組比較采用χ2檢驗。P<0.05為差異有統(tǒng)計學意義。

2 結果

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

圖2 文獻檢索和篩選流程

2.2 JBI評價專家共識文獻質量 具體評價結果如下。是否明確標注了觀點的來源(是)，觀點是否來源于該領域有影響力的專家(是)，所提出的觀點是否以研究相關人群利益為中心(是)，推薦意見是否是基于分析的結果？觀點的表述是否具有邏輯性(是)，是否參考了現(xiàn)有的其他文獻(是)，所提出的觀點與以往文獻是否有不一致的地方(否)。評價質量為高。

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的用藥推薦進行了討論，認為：①血糖<2.6 mmol·L-1場景設置不精確，應當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 新生兒轉運不同場景給藥知識庫藥物推薦

2.4 決策支持系統(tǒng)的驗證 表2顯示，對照組30例，干預組61例，兩組患兒性別、病種、胎齡差異均無統(tǒng)計學意義。

表2 新生兒轉運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)計學意義，干預組極低出生體重兒比例是對照組的2.6倍(34.4%vs13.3%)。干預組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、咪達唑侖各3次，呋塞米、前列地爾、肝素鈉各1次。干預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)]較干預組[1.44(88/61)]差異有統(tǒng)計學意義(t=-2.06，P=0.041)，人均使用藥物種類占比對照組[25%(4/16)]較干預組[62.5%(11/16)]差異有統(tǒng)計學意義(χ2=6.15,P=0.013)。

3 討論

新生兒轉運工作指南(2017版)[5]中即要求轉運醫(yī)護團隊具備識別早期休克征象，采取糾酸、擴容等技術，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運指南(第4版)[9]中推薦將重要藥物的使用方案標準化，以避免或減少轉運中用藥差錯及潛在的不良影響。由于我國NT網(wǎng)絡的建設起步較晚，受限于設備設施以及服務半徑，臨床對NT用藥的關注有限，能夠獲取的證據(jù)相對有限，本研究構建的NT藥物使用知識庫，基于系統(tǒng)的文獻檢索和文獻質量評價，專家組論證場景與給藥間的關系，不僅考慮證據(jù)本身的質量，同時根據(jù)臨床實踐進行了批判性思考，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，細化了5條不同應用場景的推薦意見。

本研究以構建的NT藥物知識庫為基礎，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，對各項條目設置相應的決策支持觸發(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，為轉運醫(yī)生及護士等提供迅速、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，使轉運特別是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)正式上線運行時間為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的恢復階段。本文以NT藥物使用知識庫的決策支持系統(tǒng)應用前2個月和后3個月在上海市內(nèi)NT數(shù)據(jù)作為比較，驗證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，以最大可能地實現(xiàn)“上車即入院”。結果顯示，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、咪達唑侖各使用占比3%；不僅干預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85.9%，觸發(fā)彈窗提醒是基于規(guī)范和當前最好證據(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。

雖然干預組人均使用藥物次數(shù)比高于對照組，但應注意到，干預組驗證時間較對照組多1個月，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恢復時間越長，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聯(lián)，更大樣本量、更遠更復雜的轉運情景有待進一步驗證。②NT藥物使用知識庫可能隨著更為復雜的NT情景會要求不斷更新。③決策支持系統(tǒng)中醫(yī)生主觀判斷的項目還有待于逐漸轉化為智能識別。

致謝：復旦大學附屬兒科醫(yī)院護理部王文超和康瓊芳老師對本文的貢獻。