感染性疾病会诊作为医院工作流程与照护复杂性的标志

《Healthcare》:Infectious Diseases Consultations as Markers of Hospital Workflow and Care Complexity

【字体: 大 中 小 】 时间:2026年06月25日 来源:Healthcare 3.4

编辑推荐:

  背景/目的:这项初步的单中心研究评估了感染性疾病会诊(IDC)模式作为医院工作流程和照护复杂性的指标,旨在描述常规可用的变量,这些变量可能为未来的组织研究和基于电子健康记录(EHR)的临床决策支持开发提供信息。方法:在这项回顾性研究中,研究人员利用医院信息管理

  
背景/目的:这项初步的单中心研究评估了感染性疾病会诊(IDC)模式作为医院工作流程和照护复杂性的指标,旨在描述常规可用的变量,这些变量可能为未来的组织研究和基于电子健康记录(EHR)的临床决策支持开发提供信息。方法:在这项回顾性研究中,研究人员利用医院信息管理系统记录分析了来自16,430名患者的39,275次IDC请求。儿科患者和专门的免疫抑制患者单元被排除在外。评估了请求量、诊断类别、会诊目的以及与院内死亡率相关的因素。研究人员分别为两个医院楼区构建了多变量逻辑回归模型。结果:共审查了16,430名独特患者的39,275条IDC记录。平均会诊响应时间为82.2 ± 64.3分钟。请求主要来自外科诊所(43.8%),其次是重症监护病房(ICU)(37.6%)和内科/普通内科诊所(18.6%)。肺炎是最常见的指征(30.5%),其次是不明感染(25.4%)和皮肤/软组织感染(17.2%)。会诊目标包括治疗、诊断评估和临床指导,这些组成部分并非互斥。在会诊时间、ICU相关会诊、诊断概况、会诊目的和死亡率方面观察到显著的楼区水平差异。年龄和ICU相关会诊与两个楼区的死亡率独立相关,而会诊响应时间和COVID-19诊断则显示出楼区特异性的关联。结论:IDC模式不仅可能反映诊断需求,还可能反映病例严重程度、ICU相关照护、会诊时间和医院位置。作为一项初步的单中心研究,这些假设生成性发现强调了在未来旨在开发基于EHR的决策支持模型的前瞻性、多中心研究中整合临床、组织和情境变量的重要性。在临床实施之前,需要进行外部验证、合并共病指数和微生物学数据,并评估可解释性。
**论文解读:感染性疾病会诊作为医院工作流程与照护复杂性的标志**

**一、 研究背景与意义**

在COVID-19大流行期间,医院面临着患者流量、感染预防实践和抗菌药物使用的显著变化。这些变化也影响了感染性疾病会诊的请求和提供方式。在感染性疾病专家资源有限的中心,会诊延迟可能使医疗保健相关感染和抗菌药物耐药病原体的管理复杂化。因此,会诊流程不仅需要作为一项临床服务进行评估,还需要作为医院工作流程和感染管理的一部分进行评估。感染性疾病专家通常被要求支持复杂的决策,包括抗菌药物选择、治疗调整、感染源控制、微生物学结果解读以及临床恶化评估。当会诊需求增加时,基于电子健康记录的工具可能有助于识别高风险患者并优先处理会诊请求。然而,只有当这些工具的输出结果易于理解且在临床上可信时,它们才是有用的。提供结果但不显示哪些临床变量影响决策的预测模型,可能难以让医生在日常实践中信任或使用。

因此,在开发决策支持模型之前,有必要定义哪些常规可用的会诊变量能够反映临床风险和医院工作流程。会诊时间、请求科室、患者位置、诊断类别和死亡率可能为此提供实用的基础。本研究评估了一家大型三级医院综合体内COVID-19大流行期间及之后的感染性疾病会诊模式,重点关注会诊时间、请求科室、诊断类别以及与死亡率相关的因素。临床决策支持系统已应用于多个临床领域,但其在感染性疾病会诊中的应用仍然有限。大多数现有模型依赖于孤立的临床变量,没有纳入可能显著影响结果的组织因素,如患者安置、科室类型或会诊时间。为了使决策支持系统在临床上可信,必须首先使用真实的医院数据来定义和验证其基础变量。

本研究因此被设计为一项初步的单中心调查,具有两个主要目标:1)描述在COVID-19大流行期间及之后,两个结构不同的医院楼区中IDC模式的差异;2)识别与会诊层面和患者层面变量相关的院内死亡率,旨在生成假设并为未来的前瞻性和多中心研究提供本地数据源。研究人员假设,楼区水平的组织差异、ICU相关会诊负担和会诊时间将与不同的死亡率结果相关,而无需将分析限制在特定的指征组。

**二、 主要技术方法**

本研究是一项回顾性观察性评估,分析了2021年至2025年间一家大型城市医院综合体的感染性疾病会诊服务。该医院总容量为1435张床位,包括245张ICU床位。研究排除了儿科、产科、物理治疗科以及集中在血液肿瘤科和放射肿瘤科等科室的高度专业化免疫抑制患者群体。分析纳入了代表成人患者工作量和不同临床照护特征的两个医院楼区(A区和B区)。A区主要为心肺和内科成人患者,而B区则主要反映外科和危重症成人患者的流动。两个楼区在ICU组织上也存在结构性差异。主要分析单位是感染性疾病会诊请求。研究人员从医院信息管理系统记录中提取了39,275次IDC请求,涉及16,430名独特患者。评估的变量包括年龄、性别、医院楼区、会诊年份、会诊响应时间、请求临床科室、ICU状态、诊断类别、会诊目的、COVID-19诊断和死亡率。会诊响应时间定义为电子会诊请求时间戳与医院信息管理系统中记录的响应或完成时间戳之间的时间间隔。诊断类别和会诊目的通过基于预定义关键词列表的半自动化方法从会诊请求的自由文本字段中提取和分类。统计分析采用描述性统计和比较检验,并分别为A区和B区构建了多变量逻辑回归模型,以识别与院内死亡率相关的因素。

**三、 研究结果**

1. **总体会诊负担与特征**:共审查了来自两个楼区的16,430名独特患者的39,275条IDC记录。平均会诊响应时间为82.2 ± 64.3分钟。请求最常来自外科科室(43.8%),其次是ICU(37.6%)和内科科室(18.6%)。最常见的会诊原因是肺炎相关评估(30.5%),其次是一般或未明确的感染请求(25.4%)、皮肤和软组织感染(17.2%)、尿路感染(13.7%)和脓毒症(13.1%)。会诊目的包括59.5%的请求涉及治疗相关成分,60.9%涉及诊断成分,57.2%涉及临床指导成分。由于诊断类别和会诊目的并非互斥,同一记录可能被计入多个类别。

2. **楼区水平比较**:在患者层面,A区和B区在会诊响应时间、年龄、性别、ICU状态、请求科室分布、诊断类别、会诊目的和死亡率方面存在显著差异。

3. **COVID-19病例分析**:在COVID-19诊断患者中,会诊记录主要集中在2021-2022年期间。在A区,697名COVID-19诊断患者有1326次会诊记录,院内死亡率为7.3%;在B区,383名患者有710次会诊记录,院内死亡率为27.9%。B区在2021年的死亡率尤其高。

4. **多变量逻辑回归分析**:
* **年龄**:在两个楼区,年龄每增加10岁,死亡率优势比(OR)在A区增加1.27倍,在B区增加1.25倍。
* **ICU来源会诊**:在两个楼区均与死亡率强烈相关(A区OR:7.69;B区OR:30.43)。
* **会诊响应时间**:在A区与死亡率无显著关联,但在B区,每增加60分钟与死亡率OR增加1.09倍显著相关。
* **COVID-19诊断**:在A区与较低的死亡率OR相关(OR:0.51),但在B区与较高的死亡率OR相关(OR:1.85)。
* **会诊年份**:在两个楼区均与死亡率独立相关,在B区的关联更强。

**四、 讨论与结论**

**讨论部分总结**:研究人员指出,IDC不应仅被视为工作量的定量指标,还应被视为医院层面临床负担、照护复杂性和工作流程相关因素的指标。作为一项初步的单中心描述性研究,本研究并非旨在建立因果关系或开发预测模型,而是描述常规可用的会诊变量,作为未来组织研究和临床决策支持开发的潜在数据源。大流行期间的经验表明,会诊流量可作为医院运作的有用信息来源,特别是在结合容量压力、需求突然增加以及转诊和工作流程中断进行解读时。

B区的研究结果需谨慎解读。虽然多变量模型显示ICU相关会诊和较长的会诊响应时间与B区死亡率关联更强,但这不应被解释为因果关系。这可能表明死亡率和不良临床病程不能仅用患者的基线严重程度来解释。请求科室对患者的熟悉程度、正在进行的临床管理的适当性以及会诊时间也可能影响结果。本研究中会诊响应时间来自医院信息系统的文档时间戳,可能反映了文档滞后性、组织复杂性或患者病情严重程度,而非专家延迟的直接衡量。因此,任何关于响应时间与死亡率关联的解释都应谨慎,不应被解释为因果关系。

楼区间在脓毒症编码会诊方面的显著差异可能部分反映了临床文档实践、ICU组织以及外科危重症照护服务病例组合的差异。因此,这一发现应被解释为组织和文档相关异质性的信号,而非楼区间真实脓毒症发生率的直接衡量。例如,一名患有肺部感染和器官功能障碍的危重患者可能在A区(心肺专科为主)被编码为肺炎相关关键词,而在B区(麻醉与复苏团队使用脓毒症导向的临床术语)被编码为脓毒症相关关键词。

B区ICU来源会诊与死亡率之间的强关联(OR:30.43)表明,ID会诊的解释不仅应关联个体疾病严重程度,还应关联照护环境、ICU组织和医院工作流程。容量压力、需求突然激增(如大流行期间)、ICU负担以及转诊和工作流程中断应被视为这种关联可能的系统层面因素。这种关联的强度(OR:30.43)可能反映了ICU来源会诊是疾病严重程度的替代指标,而非独立风险因素。

同样,COVID-19诊断与死亡率在两个楼区关联方向相反,这表明死亡率不能仅用诊断标签来解释。这种差异可能反映了几个相互作用因素:大流行波次间特定的分诊和入院政策差异;ICU组织结构差异(B区ICU主要由麻醉与复苏团队管理,可能集中了更高危的COVID-19患者);由床位可用性而非临床匹配驱动的患者安置决策;以及楼区间临床文档和编码实践的差异。

这些发现表明,仅基于经典临床评分(如急诊严重指数ESI或国家早期预警评分NEWS)的风险评估可能无法完全捕捉组织和情境因素对患者结局的影响。尽管本研究未开发或验证预测模型,但观察到的关联表明,未来的研究不仅应考虑患者层面的临床特征,还应考虑照护环境、会诊时间和组织变量。在推荐任何决策支持应用常规使用之前,需要进行跨多个机构的外部验证。

**研究结论翻译**:总之,IDC模式不仅可能反映诊断需求,还可能反映照护环境、ICU负担、会诊时间和医院组织。这些变量应在前瞻性设计的多中心研究中一起进行评估,这些研究还应纳入共病指数、微生物学数据和抗菌药物使用时机。在任何会诊衍生的变量用于临床风险分层之前,需要在不同的医院环境中进行前瞻性的外部验证。这些发现强调,在任何未来的基于EHR的模型中,会诊时间、来源科室和患者安置等组织指标需要明确评估,以确保透明度和临床可解释性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号