这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
脓毒症的诊断和管理仍然是全球卫生保健的挑战。数字技术有改善败血症护理的潜力。
本文的目的是系统地回顾数字报警系统对败血症相关结果影响的证据。
检索了1964年4月至2019年2月12日发表的研究,不受语言限制:EMBASE、MEDLINE、HMIC、PsycINFO和Cochrane。在标题和摘要审查后,所有被确定为可能符合条件的研究的全文报告都被获取以供进一步审查。调查对象仅限于成年住院病人。手工检索了其他研究的相关文章。仅纳入有明确预警前和预警后阶段的研究。主要结局是住院时间(LOS)和重症监护住院时间(icu LOS),次要结局是使用抗生素的时间和死亡率。仅基于重症监护、病例报告、叙述性回顾、社论和评论的研究被排除。所有其他试验设计都被包括在内。进行定性评估和荟萃分析。
这篇综述确定了72篇全文文章。其中,16项研究符合纳入标准并纳入最终分析。其中,8项研究回顾了医院LOS, 12项研究回顾了死亡率结果,5项研究探讨了使用抗生素的时间,5项研究调查了重症监护病房(ICU) LOS。对这些研究进行了定量和定性评估。有证据表明,数字警报对医院LOS有显著的好处,缩短了1.31天(
这篇综述强调,数字警报可以大大减少脓毒症患者的住院时间和ICU住院时间。需要进一步的研究,包括随机对照试验,以证实这些发现,并根据患者状况和病理队列确定警报系统的选择。
败血症是一个主要的健康问题,在世界范围内造成大量死亡[
及早发现败血症并及时开始治疗可改善患者的预后并显著降低成本[
数字技术在实现早期败血症识别方面具有重大前景。随着电子健康记录(EHRs)在全球范围内的迅速普及,现在可以在床边为医护人员提供有关实验室检测、成像和生理生命体征的实时信息。这在败血症中尤其重要,因为传统上依赖于用于定义败血症的风险评分系统。其中包括全身炎症反应综合征(SIRS)和顺序器官衰竭评估(SOFA)评分[
我们在本次综述中应用了系统评价和元分析(PRISMA)的首选报告项目[
我们的主要结局是脓毒症患者在医院和重症监护室(ICU)的住院时间(LOS)。次要预后指标包括脓毒症相关死亡率和使用抗生素的时间。
如果患者患有败血症并明确报告诊断标准,则有资格纳入研究。此外,只有在引入脓毒症数字警报前后比较结果的情况下,才有资格纳入研究。未说明明确结果指标的研究不包括在内。感兴趣的结果是死亡率、使用抗生素的时间、ICU和医院的LOS。研究只需要一个感兴趣的结果就符合纳入的条件。每个治疗组没有固定的患者数量,也没有固定的随访时间。
所有纳入的研究特征和结果指标均由一名研究人员提取,并由另一名研究人员验证。所有在标题和摘要审查后被确定为可能符合条件的研究全文报告都被获取以作进一步审查。所有关于成人数字败血症警报和结果测量的实证研究都包括在内。研究地点、医院类型、警报类型以及警报针对的对象等信息均使用一套标准化表格提取。只有在对警报前和警报后两组进行了比较研究,并明确说明每组患者人数时,研究才被纳入。仅基于重症监护的研究被排除在外,因为为这些患者提供额外水平的护理和治疗将影响脓毒症的结局指标。此外,病例报告、叙述评论、社论和评论被排除在外。在全文审查后,如果一项研究被排除在外,则会记录原因,并由第三位审稿人解决分歧。使用PRISMA流程图绘制纳入研究、排除研究以及纳入/排除原因(
对所有研究进行定性评估。对于医院LOS的主要结局,计算加权平均差值。ICU LOS也采用加权平均差。对于死亡率的次要结果测量,我们使用警报前和警报后组之间的百分比变化。为了确保比较研究的标准方法,所有使用抗生素的时间都转换为ICU/医院LOS的分钟和天数。对于荟萃分析,通过计算各研究之间的均数差异或各研究内的均数之比来分析结果。在仅报道中位数的研究中,我们用中位数代替平均值。对于连续变量和分类变量,我们采用了带有随机效应模型的逆方差方法,使用DerSimonian和Laird方法。这是使用Stata 13 (StataCorp, College Station, Texas)完成的。的
采用纽卡斯尔渥太华评分量表(NOS)对纳入论文的质量进行评分[
文献检索确定了3861篇文献(附录)。一篇文章是通过手工搜索找到的。筛选后,共审查了72篇全文评论,其中包括一篇来自西班牙语的翻译。共有16项研究符合纳入标准并纳入最终分析。研究的描述,包括败血症的干预,警报类型,以及用于定义败血症的标准,可以在
所有研究都调查了数字败血症警报(
这些研究主要是单中心研究;然而,一项横跨三家医院的多中心研究[
研究中使用的电子警报类型各不相同。大多数研究使用的是通过台式电脑上的电子病历产生的数字警报[
脓毒症警报标准在不同的研究中有所不同;许多研究使用了SIRS标准的变体[
所有纳入的研究都有明确的结局指标,定义了败血症警报和警报前后阶段(
医院LOS被纳入8项研究[
对于ICU LOS(当患者从病房升级时),纳入了五项研究[
死亡率方面,纳入了11项研究[
对于抗生素的时间,包括五项研究[
数字败血症警报的诊断准确性显示在
对所有纳入研究的方法质量进行了评估。所有研究均采用非随机设计方法,并采用NOS (
脓毒症患者具有较高的发病率、死亡率和相关的治疗费用[
该综述发现,败血症的数字警报与住院天数显著降低1.311天相关(
减少住院住院时间和ICU住院时间可能是由于早期诊断、抗生素治疗时间缩短、早期补液、炎性细胞因子减少和细胞因子应激。之前一项关于数字警报诊断准确性和有效性的系统综述发现,在败血症中使用数字警报时,临床结果没有改善[
该综述还确定了脓毒症诊断的广泛差异和用于此目的的多种措施。该综述中包括的许多研究使用了败血症的SIRS定义或对其进行了修改。这可能是因为它在临床环境中是最实用的,有现成的生命体征数据和实验室测试。虽然SIRS通常被用作败血症的定义,但第三个败血症和脓毒症休克的国际共识定义(败血症3)宣布使用两个或两个以上的SIRS标准来识别败血症是不够具体的[
在综述中纳入的所有研究中,只有五项研究试图解决诊断准确性问题[
尽管评估的一些临床结果具有重要意义,但由于方法和研究类型的可变性,我们的研究存在局限性,大多数研究的质量评分较低。大多数研究在设计上是观察性的,因此产生了较高的偏倚风险。这些研究之间存在很高的异质性,许多纳入结果的诊断准确性数据非常有限。此外,警报前和警报后的研究设计可能由于患者群体的变化和医院随时间提供护理的方式的变化而容易出现选择偏差。这些研究的进一步局限性是预警后队列的规模大于预警前队列,尽管事实上许多纳入的研究跟踪实施后队列的时间比实施前队列的时间短。虽然所有研究都使用电子数字警报,但一些研究还使用了快速反应小组和电子指令集。这可能导致了结果上的混淆性偏差。
最近有几项研究发表了不同的研究设计,以帮助解决这些问题。第一项是回顾性队列研究,研究对象是在急诊科接触或未接触电子ICU远程医疗脓毒症管理的患者[
另一项研究设计是使用前瞻性质量改进研究[
进一步的研究还应寻求回答其他几个重要问题,如最佳的败血症警报类型,应该提醒哪些团队成员,以及应该以什么频率提醒他们。最近的一项观察性队列研究回顾了10年期间的连续改进,发现回顾后的败血症警报被发送到电话接线员,警报被发送到护士的手机[
需要进一步的大规模多中心前瞻性随机对照试验(rct),并伴有单一标准化的败血症警报。随机对照试验将有助于排除混淆性偏差,尽管实施可能具有挑战性。总的来说,最近发表了两项随机对照试验;然而,两项研究的样本量不足,不足以检测警报前组和警报后组之间的差异[
还必须评估增加快速反应小组、员工教育和电子订单集以及数字警报的累积效果。还应在不同的临床卫生系统中进行进一步的研究,因为警报的价值可能取决于卫生系统的基线性能。这将有助于推广和广泛实施。重要的是,大多数研究中包含的数字警报的诊断准确性是未知的,需要在未来的工作中明确定义,以确定结果的有效性。最后,如果我们要证明在当前财政环境下使用数字败血症警报的合理性,还需要进一步评估其成本效益。
自动化数字警报可以改善败血症相关的结果。这篇综述强调了医院住院时间显著减少了1.311天,ICU住院时间显著减少了0.766天。数字技术的出现有能力改变患者生理恶化的快速识别,反过来,通过警报和新颖的治疗创新(如
搜索策略。
系统评价和元分析的首选报告项目流程图。
研究的特点和使用的数字警报。
所有研究都回顾了结果测量。
诊断准确性。
基于纽卡斯尔-渥太华量表对警报前和警报后进行比较的非随机前瞻性比较队列的偏倚风险。
生物医学研究中心
急诊科
电子健康记录
重症监护室
停留时间
Newcastle-Ottawa规模
国家健康研究所
plan-do-study-act
系统评价和元分析的首选报告项目
患者安全转化研究中心
随机对照试验
收缩压
顺序器官衰竭评估
全身炎症反应综合征
我们感谢图书管理员Jackie Kemp女士,感谢她在检索和审查数据库方面的协助。本文是由国家卫生研究所(NIHR)帝国生物医学研究中心(BRC)和NIHR帝国患者安全转化研究中心(PSTRC)资助的一项独立研究。本出版物中表达的观点是作者的观点,不一定是国家卫生服务,NIHR或卫生和社会保健部的观点。本研究的基础设施支持由NIHR帝国BRC和NIHR帝国PSTRC提供。
没有宣布。