條文本
PDF
摘要
簡介早期發現可能遭受意外不良事件(如敗血症、心髒驟停)的患者，為床邊工作人員提供了寶貴的提前時間，以適當地護理這些患者。因此，已經開發了許多機器學習算法來預測不良事件。然而，很少有研究關注這些係統是如何實施的，以及係統設計如何影響臨床醫生的決定或患者的結果。該協議概述了審查這些工具設計的步驟。
方法與分析我們將使用範圍審查方法來探索如何利用機器學習算法預測不良事件的工具被設計成集成到臨床實踐中。我們將探討部署的用戶界麵的類型，顯示什麼信息，以及如何支持臨床工作流。從2009年1月1日至今的電子資源包括Medline、Embase、CINAHL Complete、Cochrane Library(包括CENTRAL)和IEEE Xplore。我們將隻回顧主要的研究文章，這些文章報告了醫院臨床醫生實施患者惡化監測工具的結果。文章還必須包括對工具用戶界麵的描述。由於我們主要關注的是用戶如何與由機器學習算法驅動的自動化工具交互，因此不從臨床數據文檔或記錄係統(如EHR或患者監護儀)中提取數據的電子工具將被排除在外。同樣，不能從多個數據變量合成信息的工具也將被排除在外。這篇評論將僅限於英文文章。兩名審稿人將審閱文章並提取數據。兩位研究人員的研究結果將進行比較，盡量減少偏見。 The results will be quantified, synthesised and presented using appropriate formats.
倫理與傳播本次範圍審查不需要倫理審查。調查結果將通過同行評審的出版物傳播。
- 內科醫學
- 重症監護
- 全科醫學(見內科)
- 衛生信息學
這是一篇開放獲取的文章，根據創作共用署名非商業(CC BY-NC 4.0)許可證發布，該許可證允許其他人以非商業方式分發、混音、改編、在此基礎上進行構建，並以不同的條款許可其衍生作品，前提是正確引用原始作品，給予適當的榮譽，任何更改都已注明，並且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/．
數據來自Altmetric.com
本研究的優勢和局限性
該方案在研究惡化信息如何呈現和整合到臨床工作流程方麵是新穎的。
我們將回顧關於患者惡化的廣泛定義的研究。
一些商業劣化預測工具的描述或評估可能無法在學術出版物中提供。
隻包括英文文章。
簡介
如果及早發現和治療，病情惡化的患者發生不良事件(如敗血症和急性和腎損傷)的風險較低。1為確保這些患者及早接受幹預，醫院通常會製定包括患者評估標準在內的升級方案。1 2然而，根據一些統計，在所有醫院不良事件中，床邊工作人員隻遵守了8%的協議2 - 4
一些評分係統，如早期預警評分(EWS)和改進的早期預警評分，已經被開發和廣泛采用，以幫助臨床醫生識別在未來幾個小時內病情可能惡化的患者。然而，使用EWS的臨床結果好壞參半。5 - 7這些評分報告的床邊警告通常不被承認或采取行動，因為床邊工作人員遇到高假陽性和低可操作值。對於不可執行的警告的看法可能是由於警告的時機。8為了獲得更好的預測性能，研究人員已經轉向人工智能(AI)和機器學習(ML)算法來預測不良事件。很少有人知道這些係統的用戶界麵(UI)設計如何影響臨床醫生的工作量和臨床結果。
自20世紀90年代以來，用於預測患者病情惡化的評分係統的發展和不斷完善已經獲得了許多關於其有效性的評論。Lagadec等發現軼事證據表明，各種ews在實施時對臨床工作人員有益。9然而，臨床結果也取決於ews的預測性能和合並的升級方案之外的因素。麥克尼爾等回顧了包括在啟動快速反應小組時使用早期檢測工具的研究。1他們得出的結論是，缺乏適當的集成到臨床工作流程和UI設計的缺陷可能削弱了這些係統的性能。1在研究護士如何激活快速反應團隊時，伍德說等美國國防部的審查發現，不信任、過度依賴、誤判和對EWSs缺乏理解是導致升級失敗的原因。在某些情況下，這種失敗可能會使患者處於危險之中。10隨著人工智能和機器學習算法的廣泛采用，Muralitharan等發現，一般來說，ML算法在開發和回顧性評估時，在預測臨床惡化方麵具有更高的準確性。然而，很少有研究評估這些算法在現實世界中的臨床效益。11
有關於ML決策支持工具的開發和實現的一般問題的範圍審查。然而，這些審查的目標與本議定書不同。施瓦茲等回顧了臨床醫生參與開發和實施醫院使用的決策支持工具的程度。12他們的納入標準是廣泛的，他們的分析不包括決策支持工具的設計特征。同樣,李等他們的審查集中在沒有特征分析的決策支持工具的實現問題上。13據我們所知，這是第一個關注UI工具設計特性的範圍綜述，專門用於早期預測患者病情惡化和不良事件。
目標
目的是確定設計原則、人為因素方法、人機交互和社會技術因素，用於開發監測工具，預測患者住院期間的不良事件。我們將對UI設計的不同方法進行分類，並評估不同方法對可用性、臨床決策和患者結果的影響。我們將列出UI設計的類型、提供的信息、這些監視工具的有效性以及用於評估其有效性的指標。
方法與分析
我們將在最新版本的指導下進行範圍審查JBI證據合成手冊並在Arksey和O'Malley提出的五個階段框架上組織方案:(1)確定研究問題，(2)確定相關研究，(3)研究選擇，(4)提取收集到的數據，(5)報告結果。14 - 16為了透明度和可重複性，我們將堅持在範圍審查的係統審查和元分析擴展的首選報告項目中定義的報告準則。17有關電子數據來源、日期範圍以及納入和排除標準的詳細信息在“第二階段確定相關研究”部分中概述。
我們將使用在線係統評價平台Covidence (Veritas Health Innovation)來篩選和選擇研究。引用管理、重複檢測和刪除將由EndNote (Clarivate Analytics)完成。我們將使用電子表格程序提取數據並繪製圖表。
在PubMed (PubMed .gov)、Epistemonikos (www.epistemonikos.org)，普洛斯彼羅(www.crd.york.ac.uk普洛斯彼羅)和開放科學框架(osf.io)。沒有人被確定為專注於針對臨床醫生的監測工具的UI。
第一階段:確定研究問題
我們力求解決以下問題研究問題用JBI的“PCC”助記符構建:設計師和開發人員使用什麼方法，以什麼頻率向臨床醫生呈現患者惡化風險信息?15參與者在研究中包括使用或代表自動化監測工具的預期用戶的臨床醫生，這些工具在臨床決策中提供計算的惡化風險信息。的關鍵概念我們正在探索自動化監測工具的評估，這些工具通過測量用戶體驗、人-係統臨床表現、工作流程或臨床結果來支持預測患者病情惡化。相關的上下文在任何國家的醫院設置中包括自動化患者監控工具。
第二階段:確定相關研究
Arksey和O ' malleys框架的第二階段是確定相關研究。雖然許多研究評估了提供患者病情惡化預測的算法，但本文隻關注將這些算法操作成具有相關臨床醫生ui的可用工具的研究。環境應該是真實的或模擬的臨床環境，結合真實的患者數據。
信息專家(MMM)將為我們的主數據庫(Medline)開發搜索字符串，並通過數據庫主題術語和關鍵字將其翻譯到其他預選的數據庫。圖書館同事將使用PRESS指南對該策略進行同行評審。18搜索字符串的示例包括在線補充附錄．
在2009年電子病曆有意義使用計劃的激勵措施出台之前，電子病曆的使用率很低。19隻有在臨床數據電子化之後，預測患者病情惡化的工具才在設計和開發上具有技術可行性。雖然在2009年之前可能已經有使用自動化監控的決策支持工具，但這些工具的實現潛力有限。因此，我們將搜索從2009年1月1日至今的文章。
電子資源將包括Medline (Ovid)， Embase (embase.com)， CINAHL Complete (Ebscohost)， Cochrane Library (wiley.com)， CENTRAL (wiley.com)和IEEE Xplore (IEEE.org)。將不應用任何方法或語言過濾器。
我們將查閱納入研究的相關文獻。不選擇灰色文獻進行搜索。
搜索條件
查詢將包括以下一般概念。表1顯示查詢字符串中使用的概念和示例搜索詞的示例。Medline是我們的主要數據庫，我們的搜索對我們的研究問題高度敏感。其他四個數據庫的搜索策略將包括更高的精度，而不是那麼敏感。Medline的初步搜索策略也包括在內在線補充附錄1．
合格標準
我們將包括臨床醫生參與的研究，這些臨床醫生使用或代表監測工具的預期用戶，在臨床決策中提供計算的惡化風險信息參與者．作為最低標準，研究必須包括從調查小組之外招募的參與者。
研究將包括評估自動監測工具的UI或用戶體驗，這些工具通過測量用戶體驗、人-係統臨床表現、工作流程或臨床結果來支持患者惡化的預測、分類或識別。
自動化監測工具被定義為:(1)利用和彙總標準護理實踐中已經收集到的多種數據類型，(2)動態分析這些數據，(3)提供信息以支持患者監測或臨床醫生決策。我們的綜述僅限於利用某種形式的計算、算法、AI或ML方法在相關、明確定義的臨床結果之前預測或分類患者惡化風險的工具。相關結局可能包括:心髒驟停、中風、敗血症、急性腎損傷、急性肺損傷、出血、呼吸機相關肺炎、血栓形成、癲癇、暈厥、意識喪失或死亡。臨床惡化的替代結果的預測或風險評估也將包括在內。例子包括轉移到更高級別的護理，激活快速反應，或代碼團隊。緊急治療，如機械通氣或搶救藥物輸送也是納入的相關結果。
對於自動化監測工具的用戶體驗和後續結果，我們將審查限製在臨床醫生參與評估係統任何部分的評估，包括:
UI:用於傳遞信息的設備，如電話、尋呼機或監視器;界麵的顯示設計、信息內容、風險評分方法等細節;將信息整合到現有的臨床係統中，如電子病曆或患者監護儀。
臨床工作流程:信息提供給誰，在什麼臨床情況下。
我們將包括所有的英語文章。通過英文摘要似乎符合納入標準的非英語研究將在我們的數據圖表表格中被標記為非英語(並且沒有進一步的數據摘要)。尚未為翻譯服務撥款。
我們將包括評估上下文在任何國家的醫院環境中使用自動化病人監控工具。
任何讓用戶參與相關工具評估的研究都將被包括在內。例如，原始研究包括觀察、隊列、病例對照、臨床試驗、可用性測試、定性評價。
總而言之，我們將采用以下入選標準:
最初的研究。
必須包括用於監測、預測和檢測患者惡化事件的工具的描述。
算法必須自動綜合多種類型的信息。
文章必須包含涉及人體的正式評價。
預期的最終用戶必須是醫院的臨床醫生。
當然，任何不符合包含條件的文章都會被排除在外。但是，為了確保評估者之間的一致性和一致性，排除標準概述如下:
僅包括算法性能分析而沒有臨床應用的研究。
描述UI或架構設計而不進行評估的研究。
僅在單個參數的預設閾值時觸發的簡單監控器。
僅用於流行病學研究的係統。
需要手動輸入的計算器。
第三步:研究選擇
成對的評估人員將根據定義的標準，從查詢結果集中的前20個隨機條目中篩選標題和摘要。分歧將通過討論解決。解決後，將對以下20項研究進行評估。這個循環將被重複，直到審稿人之間達成一個可接受的kappa協議0.8。所有的標題和摘要將被審查，以確定研究包括全文審查。
包含在全文審查中的子集將由兩名審查人員評估是否包含。分歧將通過討論解決。如果討論無法解決分歧，將由第三位審查員裁決。
與通常的範圍審查方法一樣，我們不計劃對納入的研究進行質量評估。我們的目標是快速繪製文獻圖，以了解已經實施和評估的方法的範圍。
第四階段:數據提取
在數據提取過程中將使用電子表格。三名研究人員將製定一份初步的數據提取表格，並將其提交給專家小組進行審查和修訂。使用修訂後的表格，兩名研究人員將獨立地對一小部分文章樣本進行數據提取，通過計算評分者之間的協議來評估表格的可靠性和清晰度。所提取數據的差異將通過討論來解決。如果在審查期間發現了新的類別，它們將被添加到提取表單中。多餘的類別將被刪除，不明確的類別將被澄清。將迭代地對抽象形式進行微調，直到提取的數據達到良好的一致性。數據提取的核心數據元素已作為本協議的補充提交。
在提取過程中，研究人員將對所收錄的文章進行審查，並使用提取過程提取數據。分歧將通過討論解決。第三位研究人員將裁決任何未解決的分歧。
應收集以下數據:
患者惡化的定義。
臨床工作流程和目標患者群體。
目標終端用戶的人口統計數據及其專業角色。
評估過程中包括的用戶，以及他們的人口統計數據和專業角色。
在開發工具時使用的設計過程/方法。
顯示數據:在工具中顯示什麼以及如何顯示數據。
支持預測或風險評估的相關數據。
用於衡量工具效果的評估指標。
期刊的主題重點。
提取的數據將分類為設計方法、預測的問題和用於定義相關結果的定義等類別。一旦分類，每個類別的頻率將被計算。我們將使用描述性統計來分析它們的頻率。如果可用，描述性統計將應用於包括手稿的樣本量。相關類別之間的相關性也將被分析。
第五階段:數據報告
隨著結果的敘述描述，每個類別的頻率計數將以表格格式報告。類別，如定義的患者惡化結果、用戶與係統交互的方法以及顯示的信息類型，將以柱狀圖或其他圖形格式顯示，以便進行比較。例如，UI中顯示的信息類型以及與患者病情惡化定義的相關性可以顯示為氣泡圖。
範圍協議方法的變化將在手稿中確認和定義。
當前的狀態
對其他數據庫的查詢正在擬訂中，初步版本提取表格已草擬完成。我們已經開始對Medline搜索檢索到的文章進行標題和摘要篩選。根據結果集的大小，整個項目預計將於2022年4月完成。
患者和公眾參與
由於我們的研究支持範圍有限，患者和公眾的參與沒有被列入方案的一部分。
倫理與傳播
本次範圍審查不需要倫理審查。調查結果將通過同行評議的出版物進行傳播。
倫理語句
患者發表同意書
致謝
我們希望感謝以下專家對搜索條件和收錄標準的輸入(按姓氏字母順序排列):Samir Abdelrahman, Deniz Dishman, Xiaoqian Jiang, Kensaku (Ken) Kawamoto, Kendall Lemmons, Brekk MacPherson, Karl Madaras-Kelly, Jonathan Mark, Mary Nies, Mihai Podgoreanu, Thomas Reese和Noa Segall。
參考文獻
補充材料
-
補充數據
此網頁文件由BMJ出版集團從作者提供的電子文件製作而成，並沒有對內容進行編輯。
腳注
貢獻者Y-KJW起草了手稿。MCW和GDF對稿件進行了審閱和編輯。MMM提供了反饋和手稿結構。MMM還提供了搜索的示例查詢。
資金這項工作得到了國家普通醫學科學研究所的支持，國家衛生研究所的資助號為R01GM137083。本出版物中報道的研究也得到了猶他大學係統評論核心的支持，部分資金來自美國國立衛生研究院國家推進轉化科學中心，通過Grant UL1TR002538。
免責聲明內容完全是作者的責任，並不一定代表美國國立衛生研究院的官方觀點。
相互競爭的利益沒有宣布。
出處和同行評審不是委托;外部同行評審。
補充材料此內容由作者提供。它沒有經過BMJ出版集團有限公司(BMJ)的審查，也可能沒有經過同行評審。討論的任何意見或建議僅是作者的意見或建議，不被BMJ認可。BMJ不承擔因對內容的任何依賴而產生的所有責任和責任。如果內容包括任何翻譯材料，BMJ不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南、術語、藥品名稱和藥物劑量)，並且對因翻譯和改編或其他原因引起的任何錯誤和/或遺漏不負責。