利用实时可视化系统数据驱动决策支持实现肺保护策略:一项回顾性观察研究

背景

尽管肺保护策略和辅助干预与急性呼吸窘迫综合征(ARDS)患者生存率的提高有关，但有效治疗的实施仍然很低。本研究旨在评估使用商业智能(BI)进行实时数据可视化是否与肺保护策略和辅助治疗的改善有关。

方法

对2020年9月至2021年6月在台湾一家三级转诊医院的两个重症监护室(icu)住院的ARDS患者进行了回顾性观察队列研究。BI被导入用于数据可视化和集成，以协助其中一个icu的临床决策。主要结局是ARDS发病后24小时内实施低潮气量通气(定义为潮气量/预测体重≤8 mL/kg)。次要结局包括ICU和医院死亡率。

结果

在研究期间入住icu的1201例患者中，148例(12.3%)符合ARDS标准，其中bi辅助组86例，标准护理组62例。两组患者的疾病严重程度相似。与SOC组相比，bi辅助组低潮气量通气策略的应用显著提高(79.1% vs. 61.3%);p= 0.018)。尽管他们的ARDS和疾病严重程度，bi辅助组倾向于实现低潮气量通气。bi辅助组的ICU死亡率和住院死亡率较低。

结论

使用实时可视化系统进行数据驱动的决策支持与低潮气量通气策略的依从性显著提高相关，从而提高了ICU ARDS患者的预后。

急性呼吸窘迫综合征(ARDS)是一种死亡率高的危重疾病。其ICU平均死亡率为35.3%，随疾病严重程度的增加而升高(轻、中、重度ARDS分别为29.7%、35.3%、42%)[1]。适当的ARDS管理可改善患者生存[2]，包括早期诊断、肺保护性通气策略(低潮气量约为6 ml/kg预测体重[PBW] [3.低气压< 30 cm H₂O)给予神经肌肉阻断剂[4]，在病情严重的适当患者中采用俯卧位[5]。静脉-静脉体外膜氧合(ECMO)被认为是经验丰富的ECMO中心的合适选择[6]。

然而，由于临床医生对ARDS缺乏认识，有效治疗的实施受到限制[7，8]。在LUNG SAFE研究中，只有一半的轻度ARDS和四分之三的重度ARDS被识别出来。低潮气量通气仅占ARDS患者的三分之二，俯卧位仅占重症ARDS患者的16.3% [1]。因此，探索提高临床医师认知度、改善ARDS管理的新途径至关重要。

卫生系统产生和存储的电子数据比以往任何时候都多。ICU的临床医生尤其会接触到来自许多来源的大量信息[9]，包括电子医疗报告、床边监视器、实验室结果、机械呼吸机数据和专业间建议。使用电子商务智能(BI)系统进行数据分析，可以通过对数据收集、管理和集成的实时分析，提高数据驱动的决策过程的效率[10，11，12]。通过BI工具实现信息可视化，推动更有效的管理决策，也可以提高医疗系统的服务质量[13]。“Microsoft Power BI”是一款BI工具，可以收集、处理大数据，并将其转换为视觉上引人注目且易于处理的图表和图形。

基于以上原因，我们设计了一个基于ARDS协议化跨专业合作的实时可视化仪表板，通过Power BI进行信息集成，辅助临床决策，并进行回顾性研究，评估该技术对ARDS管理的效果。

研究设计

本研究是在台湾某三级转诊医院的两间病房进行回顾性观察性研究。符合ICU入院标准的患者根据床位情况被分配到其中一个ICU。ICU医生未参与患者分配的决定。在研究期间，其中一组icu (BI辅助组)应用Power BI，另一组(SOC组)提供标准护理(SOC)。本研究经中国医科大学附属医院机构审查委员会批准(CMUH 110-REC1-139)。由于本研究为回顾性研究，且收集的数据中缺乏任何可识别个人身份的信息，故放弃知情同意。

研究参与者

纳入了2020年9月至2021年6月期间被诊断患有ARDS并入住icu的患者。根据2012年柏林的定义[14]， ARDS定义为:(1)肺损伤在1周内急性发作并迅速进展;(2)其他肺部病理不能解释的双侧胸部图像混浊;(3)心力衰竭和容量过载不能完全解释的呼吸衰竭;(4)动脉氧张力与吸入氧分数(PaO)比值降低₂/ FiO₂比值< 300mmhg)，最小PEEP为5cmh₂根据以下标准，ARDS严重程度分为轻度、中度或重度:轻度(200mmhg < PaO)₂/ FiO₂≤300mmhg)，中度(100mmhg < PaO₂/ FiO₂≤200mmhg)，重度(PaO)₂/ FiO₂≤100mmhg)。最终诊断是由三名重症医师在回顾临床资料和胸部图像后提供的。

用于实时可视化数据集成的商业智能

通过Power Business Intelligence-Power BI®(Microsoft Corporation, Redmond, Washington)建立实时交互式可视化仪表板，用于ARDS信息集成，使临床医生能够筛查ARDS患者，监测肺保护状况，并协助BI辅助组的跨专业讨论和临床决策。

Power BI仪表板直接连接到医院信息系统(HIS)，用于实时和回顾性监测(图2)。1)，并自动检测《国际疾病统计分类》(第十版);ARDS的ICD-10编码。实时仪表板每15分钟更新一次，回顾性仪表板允许临床医生在任何时期访问信息(附加文件)1:图S1)。

实时仪表板用于(1)通过快速筛选PaO提供ARDS的及时诊断₂/ FiO₂每名ICU患者的比例;(2)监测重症监护病房ARDS患者的及时率;(3)利用饼状图了解ARDS患者器官支持的现状，包括机械通气、持续静脉静脉血液滤过、肌力药物或ECMO的使用情况;(4)进一步了解神经肌肉阻滞和俯卧位在中重度ARDS患者中的应用;(5)利用PaO序列数据确定疾病严重程度趋势和肺保护策略₂/ FiO₂比,FiO₂和潮汐体积/PBW (Vt/PBW)组成折线图。回顾性仪表板可显示以下信息:(1)ARDS发病率;(2)ARDS患者在ICU和院内死亡率;(3)ICU死亡率趋势以折线和柱状图可视化;(4)以折线图形式快速回顾每位ARDS患者在ICU入院期间肺保护策略的实施情况。

对医疗保健提供者的教育和ARDS管理的协议化护理

通过(1)ARDS协议(附加文件)向两组的医疗保健提供者(包括重症医师、住院医师、呼吸治疗师和重症监护护士)传授教育1(2)讲座和在线教育材料;(3)初级员工案例模拟培训;(4)每周查房和床边辅导中的跨专业讨论和协作。

临床资料收集、临床评估、疗效评价

收集以下数据:人口统计学和临床信息，包括ARDS诊断时的性别、年龄、病因和ARDS严重程度;呼吸机参数，包括ARDS诊断后24 h呼吸机模式、潮气量和PEEP。用改良的Charlson合并症指数计算合并症。采用急性生理和慢性健康评估(APACHE) II评分评估患者入院时的疾病严重程度，该评分是根据患者入院时收集的数据计算的。

主要终点为ARDS发病后24小时内获得的低潮气量通气(定义为潮气量/PBW≤8 mL/kg)。次要终点是患者生存，以ICU和住院死亡率为代表。同时记录机械通气时间、ICU住院时间(LOS)和医院LOS。所有患者均随访至出院。

统计分析

统计分析使用SPSS 25 (SPSS Inc.， Chicago, IL, USA)完成。对于有正态分布或没有正态分布的变量，数据分别用标准差平均值或中位数和四分位间距(IQR)表示。对符合正态分布的连续数据进行分析t测试。对有序数据和非正态分布数据采用Mann-Whitney U检验评估组间差异。分类变量以数字和百分比表示，采用卡方检验进行分析。采用单因素分析计算ICU死亡率的优势比(OR)。单因素分析中的显著变量和临床重要变量纳入多因素回归模型。关联强度以OR和相关95%置信区间(CI)表示。所有的测试都是双面的，而且p值< 0.05表示差异有统计学意义。

患者和基线特征

1201例住院患者中，148例符合ARDS标准，其中bi辅助组86例，SOC组62例(另附文件)1:图S2)。这些患者中，平均(SD)年龄为68.1岁(15.1岁)，老年(≥65岁)占56.8%(84岁)，男性占65.5%(97岁)，42.6%(63岁)有潜在的癌症诊断。改良Charlson评分中位数(IQR)为5分(3-7分)，入院时APACHE II评分为29分(23-35分)。休克被定义为在ARDS诊断时需要血管加压剂或肌力药物，75%的患者报告了休克。两组患者基线特征差异无统计学意义(表2)1）.

急性呼吸窘迫综合征的发病率、病因和严重程度

ARDS占ICU总入院人数的12.3%，bi辅助组占14.2%(每605例患者86例)，SOC组占10.4%(每596例患者62例)。ARDS最常见的病因是细菌性肺炎(49.3%)。其中26例(17.6%)为轻症，74例(50%)为中度，48例(32.4%)为重度。两组患者初始诊断时ARDS严重程度无差异(见表2)1）.

机械通气和辅助措施在ARDS中的应用

bi辅助组使用最多的呼吸机模式为容积控制模式，SOC组使用最多的呼吸机模式为压力控制模式。灵感的分数O₂(FiO)₂)和急性呼吸窘迫综合征诊断时24 h的PEEP在两组中相似(表2)2）.

bi辅助组的中位潮气量为6.9 mL/kg (IQR 6.1-7.7 mL/kg)，显著低于SOC组的7.5 mL/kg (IQR 6.5-9.5 mL/kg) (p= 0.014)。2A)。以潮汐容积/PBW≤8 mL/kg的呼吸机设置为代表，bi辅助组低潮通气的实施明显优于SOC组(79.1% vs. 61.3%);p= 0.018)。与SOC组相比，bi辅助组接受潮气量/ PBW≤6的患者更多(19.8% vs 12.9%;p= 0.271)。2B)。

两组间神经肌肉阻滞的使用相似(69.8% vs 69.4%)。bi辅助组采用俯卧位作为辅助措施的患者多于SOC组(44.2% vs 38.7%)，但差异无统计学意义(表2)2）.

低潮通气与病情严重程度的比较

潮汐体积/PBW与APACHE II评分和PaO的分布₂/ FiO₂比率如图所示。3.。SOC组患者APACHEⅱ评分低，PaO高₂/ FiO₂比率较不可能接受低潮气量通风(图2)。3.A, C)。无论疾病严重程度和ARDS严重程度如何，bi辅助组对低潮气量通气策略的依从性更好(图2)。3.B, D)。

ARDS结局和预后因素

ICU和医院的总死亡率分别为47.3%和56.8%。bi辅助组ICU病死率为39.5%，明显低于SOC组(58.1%)。bi辅助组的住院死亡率也显著低于SOC组(48.8% vs 67.7%)。p= 0.022)。与bi辅助组相比，SOC组患者机械通气持续时间更长，ICU LOS更长，但差异无统计学意义。同时，与SOC组相比，bi辅助组患者的住院LOS更长(表2)3.）.

在调整了可能的混杂因素并使用逻辑回归分析后，BI辅助是ICU生存的独立预后良好因素(OR 0.45;95% CI 0.22-0.92)，而较高的APACHE II评分与ICU死亡率增加独立相关(OR 1.05;95% ci 1.00-1.10)。在医院预后的回归分析中，BI辅助和APACHE II评分对预后的影响保持一致1表2)。

该研究首次关注BI对改善ARDS患者肺保护策略的临床效果。我们的研究结果显示，使用BI进行实时数据可视化和整合，以协助临床制定肺保护策略，可显著提高低潮气量通气的依从性，从而进一步改善ICU ARDS患者的预后。这项工作表明了加强ARDS患者管理的潜力。

我们的研究显示，ARDS占ICU患者的12.3%，季节性变化为6.2%-15.5%。Bellani等人进行了一项大型国际、多中心、前瞻性队列研究，发现ARDS约占ICU入院患者的10% (1）.通过实时数据可视化仪表板，临床医生可以随时掌握ICU中ARDS患者的最新百分比。Frohlich等人报道，临床医生未充分认识到ICU中的ARDS [7]。Needham等人的研究表明，早期识别ARDS对提高患者生存率至关重要[8]。然而，临床对ARDS的认知度仍然很低。Bellani等人报道，只有60%的ARDS病例被诊断出来。尽管临床识别率随着ARDS严重程度的增加而增加，但严重ARDS的识别率不到80% [1]。轻松、仔细地监测潜在的ARDS病例可以及时诊断，这是改善ICU ARDS患者预后的重要第一步。

我们的数据显示，在实时数据可视化仪表板的支持下，更容易实现精确的低潮量。在bi辅助组中，79.1%的患者潮气量小于8ml /kg PBW, 19.8%的患者潮气量小于6ml /kg PBW。然而，在SOC组患者中，只有61.3%的患者潮气量低于8ml /kg PBW，这与LUNG SAFE研究结果相似[1]。Brower等报道ARDS患者低潮气量机械通气可降低死亡率并增加无呼吸机天数[3.]。Needham等人发现ARDS后不久进行高潮气量通气会导致ICU的高死亡率，并强调低潮气量通气的时机[8]。BI干预后，与SOC组相比，中位潮气量/PBW显著降低(6.9 mL/kg vs. 7.5 mL/kg;p= 0.014)。无论疾病严重程度如何，bi辅助组的患者往往达到低潮气量，如PaO所示₂/ FiO₂比值和APACHE II评分。在SOC组中，ARDS可能未被充分认识，或者低潮气量通气策略可能较少被遵循，特别是在疾病严重程度较低的患者中。

在我们的研究中，“低潮气量”被作为一个目标和一个易于理解的肺保护概念，适用于重症医师、重症监护肺科医生和每一个参与ICU日常护理的专业人员。Amato等人披露，驾驶压力降低是一个与生存率密切相关的指标[15]。同时，LUNG SAFE研究显示，在提高生存率方面，驱动压力不优于平台压力[1，16]。尽管关于呼吸机设置的关键指标仍在讨论中，但肺保护策略的概念，如低潮气量(约6 mL/kg预测体重)和有限平台压(< 30 cmH)₂O)，已成为ARDS管理的护理标准[2]。尽管如此，LUNG SAFE研究报告称，大约35%的ARDS患者接受的潮气量大于8ml /kg PBW [1]。在实时可视化系统的帮助下，临床医生可以保持警觉，轻松监测ARDS的动态严重程度趋势和低潮气量通气策略的依从性，这在ARDS高发季节或大流行(如2019冠状病毒病)期间非常重要，因为临床医生需要同时管理许多ARDS患者。

我们的研究发现，41.9%的ARDS患者采用俯卧位，高于LUNG SAFE的研究，即7.9%的ARDS患者采用俯卧位[1]。在严重ARDS患者中，使用神经肌肉阻滞剂和俯卧位等辅助措施可改善预后[2，4，5]。然而，在ICU中安全、及时地实施俯卧位的技术方面并不简单，并且在某种程度上限制了普遍性。因此，我们组建了一个协调的团队，通过对医疗服务提供者进行一系列的教育和ARDS管理的协议化护理，可以随时进行俯卧定位，以改善这一问题。我们的研究结果显示，两组在使用神经肌肉阻滞剂和俯卧位治疗ARDS方面没有差异。出现这一现象的原因是临床医生的认知率随着病情的严重程度而增加，重症病例的诊断频率较高。然而，尽管有及时的辅助措施干预，低潮气量通气仍应是ARDS治疗的首选方法。辅助干预，如使用神经肌肉阻滞，应采用低潮气量通气[2，4]。

本组患者疾病严重程度较高，其中年龄大于65岁的患者占56.8%，有癌症病史的患者占42.6%。APACHE II平均评分为29分，75%的患者在ARDS诊断时发生休克。ARDS与高死亡率相关，不同中心的死亡率存在差异。Kao等研究表明，≥65岁的ARDS患者预后较< 65岁的患者差[17]。ALIEN研究显示ICU死亡率为42.7%，住院死亡率为47.8%，平均APACHE II评分为21.6 [18]。在我们的研究中，bi辅助组的ICU死亡率为39.5%，住院死亡率为48.8%，明显低于SOC组。无论病情是否严重和复杂，严格按照ARDS现行护理标准进行管理，均可改善ICU和医院死亡率。

BI对影响ARDS管理的实时可视化和集成信息的好处是数据驱动的决策和透明度，这可以作为一种强有力的方式来提供绩效改进的问责制[13]。低潮气量通气的障碍包括医生对低潮气量通气禁忌症或并发症的担忧[19，20.]。多学科团队之间沟通协调不畅是医嘱应用不佳的原因[21]。通过对医护人员的教育和协议化护理，可提高ICU团队对ARDS管理的认识和知识，进一步促进行为改变[22]。有了多学科ICU团队的反馈，以团队为基础的干预可以相互补充。此外，Sjoding报告称，行为经济策略也会影响临床医生的决策，因为他们的行为经常受到认知、社会和情感因素的影响[23]。通过BI引入实时可视化仪表板，可以为每位ICU专业人员提供可视化建议，以实现肺保护策略。

本研究有一定的局限性。首先，由于采用回顾性设计，一些变量未被记录，如驱动压力。不能在所有模式下都测量驱动压力，例如气道压力释放通气(APRV)和压力调节容积控制(PRVC)模式。此外，在不同的模式下，肺保护的目标也不相似。因为没有证据表明呼吸机模式与更好的结果相关[24]，通气方式由临床小组确定。在我们的研究中，52.7%的患者采用压力控制模式，33.1%的患者采用容积控制模式，6.8%的患者采用调压容积控制模式，7.4%的患者采用气道压力释放通气模式。因此，没有常规测量驱动压力和平台压力。采用“潮汐体积”作为目标，可以克服模态差的限制。二是样本量相对较小;因此，需要更大样本量的随机对照试验来提供更高质量的数据并最大限度地减少潜在的偏倚。最后，ARDS管理的改善不仅得益于实时可视化系统的数据驱动决策支持，还得益于ICU成员通过ARDS教育和协议化护理提高了ARDS识别和肺保护策略的共识。然而，这种方法为提高ARDS护理质量提供了一种简便易行的方法。

使用实时可视化系统进行数据驱动的决策支持，使临床医生能够严格遵循肺保护策略和辅助治疗，从而提高了ARDS患者对低潮气量通气策略的依从性和ICU预后。

本研究中使用和分析的数据集可应通讯作者的合理要求提供。

ARDS:

急性呼吸窘迫综合征

APACHE II:

急性生理学和慢性健康评价2

APRV:

气道减压通气

BI:

商业智能

原因:

持续静脉-静脉血液滤过

COVID-19:

2019冠状病毒病

加护病房:

加护病房

洛杉矶:

停留时间

差:

四分位范围

或者:

优势比

PBW:

预测体重

窥:

呼气末压正

SOC:

注意标准

ECMO:

体外膜氧合

作者要感谢邵汝英和陈月云在使用Microsoft Power BI时提供的技术帮助;Microsoft Power BI技术及临床指导:常世生、常宽成、赵德阳;陈玉玲，林小俊，李艳琳;李世伟、林美玉、林淑芬:Power BI在临床中的应用朱佳辰与CMUH呼吸治疗师团队，林友谦与CMUH ECMO团队跨专业合作达成ARDS共识;赵德发及教育部，感谢他们协助ARDS的教育及培训计划。我们感谢ICU的医疗和护士团队对这项研究的承诺。我们感谢李光生教授作为本研究的顾问。

本研究由中国医科大学附属医院资助(资助号:DMR-107-022;dmr -希尔顿酒店- 111 - 2)。

作者指出

1. 曾耀阳和陈洁龙对这项工作也有同样的贡献。

作者及单位

1. 40402台湾省台中市北区玉德路2号中国医科大学医院内科肺重症监护科

   曾浩阳，陈志龙，林玉超，徐武辉，黄伟春，陈志宇，吴炳儒，涂志彦，梁新杰，陈维成

2. 台湾台中中国医科大学附属医院内科

   Ming-Che壮族

3. 中国医科大学医学院生物医学研究所及医学院，台湾台中

   徐武辉，陈维成

4. 中华医科大学附属医院危重症中心，台湾台中

   五会许

5. 台湾台中中国医科大学医院呼吸治疗科

   萧婉云，王敏慈

6. 中华医科大学附属医院护理部，台中

   Tung-Mei陈

7. 中国医科大学医学院，台湾台中

   Chih-Yen涂

8. 台湾台中中国医科大学医院教育科

   Wei-Cheng陈

贡献

HYT、CLC、SJL和WCC参与了研究的构思和设计。HYT, YCL, WHH参与了Power BI的设计和应用。HYT、MCC、WCC参与数据采集。HYT和CLC参与了数据分析和解释。WYH、TMC、MTW、WCH、BRW、CYC、CYT参与ARDS协议的设计与实施。HYT, CLC, SJL和WCC起草了手稿，所有作者都对其知识内容进行了严格的修改。所有作者都阅读并认可了稿件的最终版本。

相应的作者

对应到Shinn-Jye梁或Wei-Cheng陈。

伦理批准并同意参与

中国医科大学附属医院的研究审查委员会批准了这项审查(CMUH 110-REC1-139)。由于回顾性设计，患者个人同意的要求是不必要的。

发表同意书

所有作者已审阅并批准稿件发表。

相互竞争的利益

指定的作者不存在冲突。

出版商的注意

伟德体育在线施普林格·自然对已出版的地图和机构关系中的管辖权要求保持中立。

开放获取本文遵循知识共享署名4.0国际许可协议，该协议允许以任何媒介或格式使用、共享、改编、分发和复制，只要您适当地注明原作者和来源，提供知识共享许可协议的链接，并注明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可协议中，除非在材料的署名中另有说明。如果材料未包含在文章的知识共享许可中，并且您的预期用途不被法律法规允许或超过允许的用途，您将需要直接获得版权所有者的许可。如欲查阅本许可证副本，请浏览http://creativecommons.org/licenses/by/4.0/。创作共用公共领域免责声明(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文中提供的数据，除非在数据的信用额度中另有说明。

转载及权限