基于多中心实施的STRATIFY临床决策支持工具优化急诊心力衰竭患者分流策略的研究方案

《Implementation Science Communications》：Study protocol for the design, implementation, and evaluation of the STRATIFY clinical decision support tool for emergency department disposition of patients with heart failure

本刊推荐：为解决急诊科(ED)对急性心力衰竭(AHF)患者过度住院的临床难题，研究团队开展了STRATIFY临床决策支持(CDS)工具的多中心实施研究。通过 stakeholder-informed 的迭代设计和 CFIR/ERIC 框架指导的多层次实施策略，开发了能够处理缺失数据的风险预测模型。研究表明该工具可安全提高低风险患者的居家出院率，为急诊CDS实施提供了可推广的范式。

　　

在急诊科这个充满时间压力和复杂决策的环境中， clinicians 常常需要在信息不完全的情况下快速做出关乎患者安危的 disposition 决定。特别是对于急性心力衰竭(Acute Heart Failure, AHF)患者，这种挑战尤为突出。作为常见且昂贵的医疗状况，AHF患者中超过80%会被收入院治疗，但研究表明实际上近半数患者可能适合安全出院。这种保守的住院决策不仅增加了医疗支出，也使患者面临医院相关风险。

传统的临床实践面临双重困境：一方面， clinicians 缺乏可靠的工具来快速识别低风险患者；另一方面，电子健康记录(Electronic Health Record, EHR)集成的临床决策支持(Clinical Decision Support, CDS)工具在急诊环境的实施存在显著障碍。这些障碍包括结构化数据的及时可用性问题，以及缺乏 clinicians、患者和组织领导者等多方利益相关者的深度参与。

针对这一临床实践与证据之间的鸿沟，由 Sunil Kripalani 领衔的研究团队在《Implementation Science Communications》发表了创新性研究方案。该研究旨在通过开发、实施和评估 STRATIFY CDS 工具，为急诊科AHF患者的分流决策提供循证支持。STRATIFY作为经过验证的风险预测模型，能有效识别30天不良事件低风险的AHF患者，为安全出院决策提供科学依据。

研究采用多层次实施策略，整合了 Consolidated Framework for Implementation Research (CFIR) 和 Expert Recommendations for Implementing Change (ERIC) 理论框架，通过 stakeholder-informed 的迭代设计方法，确保工具在繁忙急诊环境中的实用性和可接受性。研究特别关注了实时预测模型在真实世界实施中的数据整合挑战，开发了新颖的统计方法来处理风险因子缺失情况下的有效预测。

主要技术方法包括：1）基于多中心（7个急诊科）的站点评估和情境调查；2）患者和照护者焦点小组讨论；3）用户中心设计(user-centered design)的CDS工具开发；4）处理缺失数据的子模型统计方法；5）中断时间序列设计的有效性评估。研究利用电子健康记录数据，纳入约7，725例符合AHF诊断标准的患者，评估工具对出院处置和安全性结局的影响。

研究设计与方法

研究采用中断时间序列设计，在7个参与急诊科评估STRATIFY CDS实施效果。研究设计包含2年回顾性基线数据和2年前瞻性实施期数据，主要比较实施前后居家出院率和安全性结局的变化。

站点评估与情境调查

研究团队通过访前调查、现场急诊科访视和虚拟访谈，深入了解各参与站点实施STRATIFY CDS的潜在促进因素和障碍。访谈对象涵盖医院管理、健康信息技术(Health Information Technology, IT)、急诊医师和护士等18位利益相关者，编码分析基于CFIR框架，重点关注内部环境、人员、流程和技术因素。

患者和照护者参与

通过虚拟社区参与工作室(Community Engagement Studios)，研究团队收集了患者和照护者对急诊分流过程中共享决策的见解。这种结构化圆桌会议为确保CDS工具符合终端用户需求提供了重要参考。

用户中心设计迭代

采用迭代式用户中心设计方法，研究团队开发并优化了STRATIFY CDS界面。通过认知走查法和系统可用性量表，与18位急诊科医师和护士进行可用性评估。参与者针对1-3个临床案例场景，评估STRATIFY风险预测评分对其决策过程的贡献度。设计团队根据反馈迭代改进界面设计和访问路径。

数据整合挑战的统计解决方案

针对实时预测模型实施中的数据缺失挑战，研究开发了新颖的统计方法生成适用于所有不完整性场景的子模型。该方法利用回顾性去识别化EHR数据（2018年1月1日至2024年2月16日），验证和重新校准原始STRATIFY模型，确保在数据不完整情况下仍能提供可靠风险预测。

实施与效果评估

STRATIFY CDS的实施由中央团队与各站点临床倡导者共同领导，遵循在目标1中制定的情境特异性、定制化多层次策略。实施策略包括准备阶段的评估准备度和识别障碍因素，以及实施阶段的质量监测工具开发和实施再审视。

效果评估主要关注急诊科处置决定，定义为居家出院（直接从急诊科或经急诊科基于门诊观察单元短暂留观<24小时后）与住院的比较。安全性结局包括5天内因AHF的急诊再就诊或非计划住院，以及30天不良事件（死亡、心肺复苏、机械心脏支持等）。

实施效果评估采用多方法框架，通过电子健康记录数据、clinician调查和患者调查，评估可接受性、采纳度、适当性、可行性、保真度、实施成本、渗透度和可持续性等实施结局。渗透度作为最重要的实施结局之一，通过EHR审计日志数据持续监测，评估CDS在符合条件的患者中的使用情况。

研究结果与发现

实施策略的定制化开发

通过深入的站点评估和利益相关者参与，研究团队开发了针对各急诊科情境的定制化实施策略。策略组件包括教育材料开发、临床倡导者准备、临床数据传递促进以及质量监测工具实施。每个策略都明确了执行者、行动、目标、时间性、剂量和影响的实施结局。

数据整合方案的验证

统计分析表明，子模型方法能够有效处理STRATIFY风险因子数据缺失的挑战。通过比较不同不完整性场景下的模型性能，研究团队选择了与完整模型性能相当的子模型用于实施，确保在真实世界急诊科环境中提供可靠的风险预测。

CDS工具的可用性优化

迭代式用户中心设计过程显著改善了STRATIFY CDS的界面可用性和工作流整合。可用性测试识别并解决了与STRATIFY界面、访问路径和评分显示相关的问题，修订后的界面满足所有可用性目标，包括无安全相关设计问题。

研究结论与意义

本研究通过利益相关者告知的迭代设计方法，开发了支持多层次实施策略的定制化CDS流程，将经过验证的风险预测工具整合到急诊科AHF患者护理中。研究重点关注心血管疾病这一临床决策支持工具使用率相对较低的领域，通过广泛利益相关者群体的有意义参与，确保了工具在繁忙急诊环境中的实际可行性。

研究的独特之处在于其专注于识别并发症低风险患者，并利用这些信息动态改变住院曲线。通过系统严格的CDS效果和实施评估，研究为急诊科环境中的CDS工具实施提供了重要见解。特别是对如何处理即时临床决策中信息不完整挑战的统计创新，为类似工具的实施提供了方法论参考。

此外，研究通过在不同EHR安装和组织特征的急诊科中进行，阐明了影响现实世界环境中实施和效果的因素，有助于改变当前急诊科和医院对AHF患者评估和管理的保守范式。研究最终目标是更适当地分配医院资源，在不影响患者结局的前提下降低成本和改善医疗服务提供。

该系统性实施-效果评估填补了实施科学文献的重要空白，特别是在繁忙复杂临床环境中实施策略的有效性证据不足的领域。预计研究将揭示：1）在急诊科环境和CDS实施中最有效的实施策略；2）策略适应本地情境以增强实施和临床结局的有效方法；3）促进积极实施结局的策略机制。通过这一综合方法，研究为实现更高效、更优质的急诊护理提供了可扩展和可共享的实施流程。