翻译临床问题由医生搜索查询:分析调查研究

简介

当我们在日常生活中寻找信息和大多数问题的答案时，基于网络的搜索已经成为常态。这在医学实践中也已成为现实;人们越来越认为，获取证据的在线医疗资源"与听诊器一样重要" [1］．虽然著名的搜索引擎(如谷歌)或信息源(如维基百科)都用于医疗和非医疗领域，但回答临床问题以告知医疗点决策具有额外的挑战和影响[2］．由二十多年来的循证医学所引发[3.，4]，医学中的信息单位主要以研究证据的形式出现，发表在数千种医学期刊上，并在众多数据库中编入索引(如MEDLINE、Embase和护理和相关健康文献的累积索引[CINAHL])。通过所有这些渠道的新证据数量正在以每天3000-4000份新出版物的速度迅速增加，这些出版物汇编或处理在数百份循证医学摘要和资源中[5-7］．

医生通常只熟悉其中的少数资源，可能是他们在培训或同行中接触过的资源，并且经常忽略大部分已发表证据的生态系统和架构。然而，他们的日常练习平均每10个病人就会提出5到8个问题。8-10］．临床问题可分为背景问题和前景问题图1)．背景问题(例如，“什么是卟啉症?”)通常是关于一种疾病的性质，一种测量方法，一种治疗方法或一种测试。这些问题可以通过在线教科书轻松回答。前景问题与特定患者群体的诊断、预后和治疗更直接相关(例如，“左炔诺孕酮作为肥胖患者的紧急避孕措施有多有效?”)[11］．循证医学教学建议，前景问题应根据总体、干预、比较和结果(PICO)框架或总体、暴露、比较和结果(PECO)框架来制定，并通过研究证据来回答[12］．

‎ 查看此图

医生如何将他们的临床问题转化为可搜索的查询仍然鲜为人知。他们用了多少搜索词?他们的查询符合PICO框架的频率是多少[12，13] ?有经验和受过全面培训的临床医生在培训上是否与住院医生不同?根据医学专业的不同，查询是否有所不同?我们的目的是在一个大样本的执业临床医生的不同水平的培训和专业类型检查这些问题。

搜索引擎或证据资源的类型也可能影响我们进行查询的方式。谷歌和维基百科倾向于检索相关的答案，尽管是选择性的，使用直观的、不那么结构化的搜索策略[14-16］．一些循证医学在线教科书和证据摘要可能为临床医生提供类似的用户体验。相比之下，搜索PubMed或其他数据库需要更多的训练和结构，不那么直观，并且往往会对类似的临床问题产生大量和稀释的输出[12］．

因此，我们探索了临床医生如何在联邦在线搜索引擎MacPLUS FS(麦克马斯特高级文献服务联邦搜索)中制定他们的查询。MacPLUS FS允许临床医生同时探索多个资源，检索单个输出，包括:(1)来自循证摘要的证据(如UpToDate和DynaMed)，(2)预评估研究(如EvidenceAlerts)，以及(3)非预评估研究(如PubMed)，有或没有经过验证的搜索过滤器(见图2)．在这项研究中，我们将概述我们如何使用MacPLUS FS，它作为一个实验室，来探索临床问题，查询的分类和证据检索(即，当提供了广泛的EBM资源时，临床医生可以访问哪些资源来回答他们的问题)(见多媒体附件1) [5］．MacPLUS FS作为证据检索研究的实验室，其确切的双accessss搜索引擎可在网上免费获得[17］．

‎ 查看此图

方法

研究设计和临床医生样本

我们对在联邦搜索引擎MacPLUS FS上注册的431名医学研究生实习生和477名医学教职员工的临床搜索查询进行了分析性调查。在整个临床环境或其他地方，注册用户可以从任何一台带有互联网浏览器的计算机免费获得该服务。

参与临床医生同意参加为期6个月的MacPLUS FS随机对照试验[5]，该研究测试了三种干预措施，以提高寻找当前最佳证据的数量和质量，以便在析因设计中回答临床问题。如已公布的试验方案中所述[5]，我们测试了MacPLUS FS中嵌入的以下三种干预措施:(1)基于web的临床问题记录仪，(2)由八个短教育视频组成的证据检索教练，以及(3)基于分配的审计、反馈和游戏化方法的证据检索徽章而且荣誉值．参与研究的临床医生采用因子设计(a × B × C)随机分配到三种干预措施中的每一种。

对于每位临床医生，MacPLUS FS的使用情况通过跟踪登录和使用情况的帐户记录，包括他们的详细搜索查询。该服务的注册是免费的，每个证据资源都是通过临床医生的学术机构获取的，主要是加拿大汉密尔顿的麦克马斯特大学。临床医生根据他们的基线搜索水平和专业类型进行分类[5］．

查册查询样本

我们提取了临床医生在MacPLUS FS试验期间执行的所有1085个搜索查询。两位作者(AS和TA)分别评估每个查询，计算搜索词的数量——计算所有单词(例如，查询“porphyria”包含1个词)——并记录所有缩写和布尔词(即逻辑运算符，如“and”、“OR”或“NOT”)。然后将搜索查询分为(1)结构化搜索，(2)对特定文章的搜索(例如，当临床医生输入给定研究的标题时)，(3)结构化搜索的迭代，即在同一登录会话中具有相似PICO问题的一组相关结构化查询，以及(4)不确定搜索(例如，“弯刀”)。

检索查询和证据资源访问的评估

同一两位作者(AS和TA)将结构化查询分为后台问题和前台问题(参见图1)，根据PICO框架，盲化除登录会话外的参与者特征。只包括与人口或干预有关的术语的查询被归类为背景问题。包括与人群和干预和/或结果和/或比较者相关的几个术语被归类为前景，并进一步分为治疗、诊断、病因和预后。对于每个查询，我们检查了联邦搜索对每个证据资源的访问分布:摘要，preappraised研究,non-preappraised研究(见图2)．

统计分析

我们根据培训水平、临床医生的专业和基线搜索频率(即注册到MacPLUS FS后的前几个月)检查了问题类型(即背景、前景和前景类型)。然后，我们检查了每种类型问题的搜索词的数量和类型。我们对相关分布使用卡方参数检验进行比较，对非正态分布使用Kruskall-Wallis检验进行比较。使用Microsoft Excel 2016版本15.29进行数据抽象，使用SPSS Statistics for Windows版本23.0 (IBM Corp)进行数据分析。

结果

临床医生

参与者为在试验前已在MacPLUS FS注册的研究生和医学教职员工。在678名研究生住院医师及753名医学教职员中，除247名研究生住院医师及266名医学教职员外，其余分别有431名(63.6%)及477名(63.3%)被认为符合资格，这些人在研究前一年内从未登入过MacPLUS金融服务，或曾退出MacPLUS金融服务所服务的机构[5］．根据受试者在试验前6个月内的基线平均搜索频率，他们被进一步分类。5),常规的搜索(每月≥1次搜索)，偶尔搜索(每月<1次搜索)，或者alert-only用户(没有搜索)。

从临床医生到询问

908名临床医生进行了1085次搜索查询，其中235次(21.66%)是同一搜索的后续迭代，124次(11.43%)是对特定文章的搜索，31次(2.86%)无法分类，仍未确定。1085个查询中有695个(64.06%)是遵循PICO格式的结构化查询，695个查询中有480个(69.1%)是单个查询，而215个(30.9%)包含一组相关查询。这相当于每个组查询平均尝试2.1次。

表1总结695个结构化查询的分布。我们将56.5%(393/695)归为背景问题，43.5%(302/695)归为前景问题，其中大多数与治疗有关(213/695,30.6%)，其次是诊断(48/695,6.9%)、病因(24/695,3.5%)和预后(17/695,2.4%)。根据培训水平的不同，分布没有差异(P= .51)(见表1)．

表2显示与背景和前景临床问题相关的查询分布，与临床医生的培训水平、专业类型(即，家庭医学、内科、内科专科、儿科、精神病学、外科、麻醉学和其他详细的多媒体附件2)，以及搜寻频率的类别。内科和家庭医学医生提出了48.5%(337/695)的结构化查询，其中55.2%(186/337)的查询与背景内容相关表2)．然而，在搜索频率方面，经常搜索的人搜索的背景问题明显更多(P= .009)。专业类型之间没有差异(P=正)。

表3详细说明查询的组件。查询中位数为3个搜索词(IQR 2-4)。与背景问题相比，前景问题的词汇数量显著增加(P<措施)。事实上，70.2%(276/393)的背景题有2个或2个术语，而前景题有18.2%(55/302);81.8%(247/302)的前景题有3个或3个术语，而背景题有29.8%(117/393)。

总体而言，72.5%(504/695)的结构化查询(见表3)包含至少1个与人口相关的词语，45.9%(319/695)包含至少1个与干预相关的词语。很少有查询包含关于病因、诊断测试或结果的术语。没有查询包括比较器。后台查询中位数为2个搜索词(IQR 1-3)。在这些查询中，71.2%(280/393)包含人群术语，24.7%(97/393)包含干预术语，1.0%(4/393)包含病因术语，6.1%(24/393)包含诊断术语，2.5%(10/393)包含结局术语。前景查询中位数为4个搜索词(IQR 3-5)。在这些查询中，74.2%(224/302)包含人群术语，73.5%(222/302)包含干预术语，21.5%(65/302)包含结局术语，16.2%(49/302)包含诊断术语，7.6%(23/302)包含病因学术语。临床医生没有使用显式布尔搜索词来链接各种PICO元素。

中显示临床医生为每种类型的查询(即通过单击搜索输出中的可用链接)访问的循证资源的数量表4．所访问资源的分布在不同类别之间有显著差异(P<措施)。虽然35.7%(248/695)的结构化查询没有导致任何资源访问，但39.9%(277/695)导致了一个资源访问，11.8%(82/695)导致了两个资源访问，12.7%(88/695)导致了三个或更多资源访问。在所有1085个查询中，访问的平均资源数为0.88 (SD为1.42)。当用户尝试对同一临床问题进行第二次搜索时(即，相似的PICO概念，但修改了搜索条件)，7.2%(17/235)导致访问了一个或多个资源，而92.8%(218/235)导致搜索查询结束，没有访问额外的资源。在搜索特定文章时，37.9%(47/124)检索到一个资源，12.9%(16/124)检索到两个或两个以上资源。

表5显示与培训级别、查询类型和专业相关的访问资源类型。在695个结构化查询中，共有610个资源被访问，其中一半(314/610,51.5%)为摘要，24.4%(149/610)为预评价研究，24.1%(147/610)为非预评价研究。当比较在联邦搜索输出中访问的资源分布时，医学教员查看的摘要明显多于研究生学员(P<.001)，家庭医生比内科医生和专科医生查看的资源明显更多(P<措施)。

讨论

主要研究结果

908名临床医生提出的1085个问题中，695个是结构化问题。一小部分与背景问题有关，大多数前景问题是关于治疗的问题，而不是诊断或预后问题。结构化查询的中位数为3个，通常与总体和干预或测试相关，很少与结果相关，且从不与比较器相关。显式布尔术语很少使用;值得注意的是，搜索引擎默认假设搜索词之间有一个布尔“AND”。访问的资源中约有一半是摘要，而其余的资源则平均分配在预评估和未预评估的资源之间。

我们发现研究生住院实习生和医学教师的搜索结果没有差异。由于他们正在接受培训，人们可能会期望研究生住院医生有更多的背景问题，而教职员工则会有更多的前景问题，例如，比较管理策略的有效性或风险。我们的结果并没有证实这一假设，因为教师们一半以上的搜索都是关于背景问题的。这可能是由于病人护理的复杂性。一位教员可能是某一领域的专家，但他会采用一种学习策略来迅速掌握大局，了解不常见的情况。它们对摘要资源(如UpToDate或DynaMed)的高级访问可能支持这一解释。同样，家庭医生也获得了更多的总结资源，这不仅是因为他们需要在与患者的短期预约中快速明确地回答问题，而且可能是因为他们为整个年龄段的患者提供护理。

另一个问题与临床医生在日常生活中能够进行的搜索频率有关。在我们的研究中，908名临床医生在6个月内只进行了1085次查询。其他研究表明，临床医生往往不会为了回答日常临床实践中出现的问题而进行搜索[10，18-20.］．在我们的研究中，三分之一的结构化搜索没有通过平台访问资源，对此我们没有解释。20多年前，Ely等人[19，20.已经表明临床医生花在回答一个问题上的时间不超过2分钟——这一发现在今天随着在线信息的增加可能更加准确——并表明寻找证据可能不适合临床医生的多重任务和培训[21］．也有可能临床医生已经在其他资源(如PubMed或UpToDate)，甚至在谷歌，谷歌Scholar或维基百科中寻找答案。另外，临床医生可能通常不进行在线搜索，而是直接询问他们的同行或使用当地指南[22-26］．原因包括获取符合当地知识的即护理信息的便利性和时间限制，而不是挑战它。虽然在一般搜索引擎或通过同事或指南寻找答案更容易，但它并不保证或促进完全的循证医学方法用于医疗保健[27，28］．因此，临床医生可以从信息专家中获益，在护理点提供帮助[29]以及设计更直观的工具来驾驭复杂的证据生态系统。

我们研究的另一个观察结果是，临床医生的查询倾向于保持相对简单:很少的搜索词，通常涵盖很少的PICO概念，主要是人口和干预。虽然简单的策略适用于高水平的摘要，但对于像PubMed这样的大型数据库，它们的效率要低得多。我们在网上搜索的日常习惯可能解释了临床医生对简单查询的倾向。严格地从用户的角度来看，我们已经变得非常高效地搜索信息，主要是通过谷歌和维基百科，只需在网页顶部的自由文本栏中输入几个直观的关键字。医疗搜索引擎可能误导用户，让他们认为该引擎将类似于谷歌[30.］．

搜索引擎需要改进的一个方面可能是邀请用户根据PICO框架来组织他们的查询。Schardt等[31他们发现使用PICO格式的搜索者比使用PubMed上的标准界面搜索的用户获得了更精确的结果;在该研究中，精确分数被定义为在结果集中检索到的相关或金标准文章的数量与该结果集中检索到的文章总数的比较。不幸的是，可能由于样本量小，搜索组之间的差异在统计上并不显著[31］．另一种选择可能是改进搜索引擎的功能，然而，剩下的挑战是避免对证据进行任何挑选，从而可能导致临床实践中有偏见的结论。一个潜在的解决方案是MacPLUS FS这样的联邦搜索引擎，它用其他预评估和非预评估的研究补充总结级的证据。事实上，我们已经表明，当这些层一起显示在一个页面上时，医生可以访问所有类型的资源，将兴趣转换为EBM的不同层图2)．因此，联邦搜索引擎的使用可以帮助临床医生在EBM资源之间导航，允许他们同时查看和比较不同的资源，并确定当前最适合他们信息需求的最佳证据。

本研究的局限性和优势

我们研究的主要局限性是临床医生可能使用MacPLUS FS以外的其他方法来回答他们的一些日常问题。我们的设计也没有评估检索答案的临床影响。这将需要混合方法来估计需要从信息中受益的患者数量(即，需要从信息中受益的人数[NNBI])，正如Pluye等人所描述的[32］．

最后，我们的搜索样本记录在MacPLUS FS随机对照试验的背景下[5]，目前尚不清楚在没有测试的干预措施的影响下，搜索查询可能会产生怎样的差异。第二个干预措施——证据检索教练——包括8个简短的教育视频，其中只有一个是提供关于临床查询的PICO公式的建议。然而，只有一小部分参与者会接触到这个短视频，而且没有任何其他干预措施是专门针对改善查询的提法的。

优势包括来自不同专业和实践水平的医生的最大样本之一的直接查询记录。这也是第一个关于联邦搜索引擎的研究，它使我们能够证明临床医生可以访问所有资源，而不仅仅是摘要级的证据。

结论

源源不断的新文章让不断接触这些文章的临床医生不堪重负。为了跟上并回答我们的临床问题，必须澄清并将临床问题转化为可搜索的查询。我们的研究结果可能会导致教育和临床干预的发展，以提高搜索技能[2］．这可以包括讲习班和工具，将临床问题转化为查询，并更好地构建和适应每种类型的资源。

我们的发现还强调了联邦搜索引擎在使用单一资源以满足临床医生需求方面的潜在作用[23］．联邦搜索引擎检索证据，并可能帮助临床医生用当前最好的证据得到问题的答案，即使是在短时间框架和有限的搜索经验和技能下。

其他研究途径包括改进搜索功能和临床干预，以满足用户在浏览证据时的期望，以便快速找到最相关和偏见最小的答案，以更好的临床实践和患者护理。