通过虚拟现实增强外科器械组装培训：以腹腔镜钳为例的案例研究

《American Journal of Infection Control》：Enhancing Surgical Instrument Assembly Training through Virtual Reality: A Case Study on Laparoscopic Forceps

风险调整术后感染结局的电子健康记录自动化估算与手动审查准确性比较，显示两者在五个医院和四个感染类型（切口感染、尿路感染、脓毒症、肺炎）中相似性（相关系数0.77，绝对差异0.13），高发病率感染类型相关性更佳。研究证实结构化EHR数据可通过简化的统计模型（ASPIN）有效替代传统手动审核，为医院感染质量监控提供高效工具。

　　

Kathryn L. Colborn | Yizhou Fei | William G. Henderson | Yaxu Zhuang | Adam R. Dyas | Michael E. Matheny | Christina M. Stuart | Robert A. Meguid

科罗拉多大学安舒茨医学校区医学院内科

摘要

背景

本研究将基于电子健康记录（EHR）数据通过统计模型估算的风险调整后的术后感染结果（“自动化”方法）与美国外科医师学会国家外科质量改进计划（ACS-NSQIP）评估的黄金标准手动病历审查结果进行了比较。

材料与方法

研究纳入了2013年至2019年间在一家医疗系统内的五家大型医院接受九个外科专科手术的成年患者。共有307,335名患者接受了441,047次不同的手术。其中30,603名患者的记录被链接到当地的ACS-NSQIP数据库（链接率为97%）。研究使用了先前发布的模型来估算术前风险和术后感染的发生率，从而计算出手术部位感染、尿路感染、败血症/脓毒性休克和肺炎的观察事件与预期事件比值（O/E）。

结果

在五家医院和四种感染类型中，将基于EHR的自动化方法与手动病历审查方法得出的风险调整后的感染结果进行比较时，结果显示两者相似。医院间O/E比值的皮尔逊相关系数为0.77，平均绝对差异为0.13，且100%的置信区间相互重叠。随着感染发生率的增加，各感染类型的关联性和平均绝对差异也有所改善。

讨论

应用于EHR数据的简洁统计模型可以准确估算所有手术的风险调整后的术后感染结果。

结论

这些模型可用于加强医院感染监测，以提高医疗质量。

部分内容摘录

背景

术后并发症较为常见且费用高昂，预计随着人口老龄化以及医疗合并症的增多，这种情况会进一步加剧。1, 2 根据美国外科医师学会国家外科质量改进计划（ACS-NSQIP）的数据，13%的接受大手术的患者会出现术后并发症，其中超过一半是由感染引起的。3 并发症对医疗系统造成严重影响，降低患者的生活质量，并增加医疗成本。

材料与方法

本研究获得了科罗拉多多机构审查委员会（#20-1862）的批准。研究使用了两种数据来源：1）2013年6月30日至2019年10月16日期间在科罗拉多大学健康系统（UCHealth）五家医院进行的所有手术的结构化EHR数据；2）同一时期当地的ACS-NSQIP登记数据（占全部EHR手术数据的约7%）。

结果

在2013年6月30日至2019年10月16日期间，EHR记录中共识别出9个外科专科的661,664例手术。我们仅保留了每位患者在30天周期内首次记录的手术，从而在完整的EHR数据集中得到307,335名患者的441,047例独特手术。具体患者手术分布见补充表3。其中仅有227例（占441,047例的0.05%）因缺乏术前EHR数据而被排除。

讨论

研究表明，应用于结构化EHR数据的简单统计模型能够准确估算所有手术的风险调整后的术后感染结果。随着个别感染发生率的提高，这些模型的预测准确性也有所提升。ASPIN方法可以用于补充或替代手动病历审查。

结论

应用于结构化EHR数据的ASPIN模型能够以较低的投入增强术后感染监测工作。ASPIN的结果可以及时反馈给外科医生。

利益冲突

这些数据来源于ACS-NSQIP及其参与医院；ACS未对数据分析的统计有效性或作者得出的结论进行验证，也不对此负责。所有作者均声明与本文无关的任何利益冲突。

致谢

资金支持

该项目得到了医疗研究与质量局（Agency for Healthcare Research and Quality）的R01HS027417号资助。内容仅代表作者观点，不一定代表医疗研究与质量局的官方立场。