电子健康干预降低用药错误风险：一项随机对照试验的荟萃分析

《npj Digital Medicine》：Meta-analysis of randomized controlled trials of electronic health interventions to reduce medication errors

为解决用药错误对患者安全构成的重大威胁，研究人员开展了一项关于电子健康干预（如CDS）有效性的系统评价与荟萃分析。该研究纳入了12项RCT，结果显示电子干预与用药错误风险降低15%显著相关（RR=0.85; 95% CI: 0.77-0.94），其中CDS干预效果尤为显著。该结果为整合电子系统以提升用药安全提供了循证依据。

　　

用药错误是医疗领域一个严峻的安全问题，不仅可能导致患者伤害，还会延长住院时间、增加医疗成本，甚至引发死亡。据估计，全球每年有超过300万人死于不安全的医疗，其中超过50%的事件是可以预防的，而药物相关问题占到了可预防事件的一半。在印度尼西亚的一项研究中，处方错误（如缺失患者年龄、体重等关键信息）与服务质量下降显著相关，凸显了改进用药流程的迫切性。

为了应对这一挑战，电子健康干预，特别是计算机化决策支持系统（CDS），被寄予厚望。这些技术通过提供实时临床指导和警报，旨在减少人为错误，提升患者安全。然而，尽管已有系统评价探讨了电子干预的作用，但许多研究侧重于观察性研究或单一类型的干预措施，其结果的普适性有限。为了提供更严谨的证据，研究人员开展了一项专门针对随机对照试验（RCT）的荟萃分析，旨在量化电子干预在降低用药错误方面的有效性。

这项发表在《npj Digital Medicine》上的研究，通过系统检索EBSCO、Embase、PubMed和Web of Science等数据库，最终纳入了12项RCT。研究结果显示，与常规护理相比，电子干预与用药错误风险降低15%显著相关（风险比RR=0.85; 95%置信区间CI: 0.77-0.94）。亚组分析进一步揭示，计算机化决策支持系统（CDS）是其中最为有效的干预策略。该研究为整合电子系统以提升用药安全提供了强有力的循证依据，并强调了在复杂医疗环境中，将自动化技术与人工监督相结合的重要性。

为了开展这项研究，作者团队遵循了系统评价和荟萃分析的首选报告项目（PRISMA）指南，并采用了人群、干预、对照和结局（PICO）框架来制定严格的纳入标准。研究纳入了在医院环境中接受药物治疗的患者，干预措施为电子处方（如CPOE或CDS），对照为手动纸质处方或无电子干预的常规护理，主要结局为用药错误的发生率。研究人员从多个数据库中系统检索了相关文献，并采用Cochrane偏倚风险评估工具（RoB 2.0）对纳入研究的质量进行了独立评估。数据分析采用随机效应模型，使用风险比（RR）作为效应量，并通过亚组分析、敏感性分析和发表偏倚评估来确保结果的稳健性。

研究选择

通过系统检索，研究人员初步筛选出1175项研究。在剔除重复文献后，对839项研究进行了标题和摘要筛选。最终，有12项研究被纳入本次荟萃分析，其中8项来自本次检索，4项来自既往系统评价的补充。

纳入研究的特征

纳入的研究在地理位置和研究设计上存在差异，约50%的研究在美国进行，其余则分布在欧洲等地。用药错误在男性受试者中更为常见，且多发于50-80岁的人群。研究涉及的干预措施主要包括三类：计算机化决策支持系统（CDS）、电子警报以及提供给医生的电子学习（e-learning）。

偏倚风险分析

偏倚风险（RoB）分析结果显示，纳入的研究存在一定的偏倚风险。其中，6项研究在所有领域均被评为低风险，4项研究在至少一个领域存在一些担忧，2项研究在至少一个领域被归类为高风险。高风险主要源于医院试验中偏离预期干预措施，以及缺失结局数据或测量不一致。

用药错误结果的荟萃分析

初步合并12项研究的效应量后，森林图显示风险比（RR）为0.70（95% CI: 0.51-0.97）。然而，数据存在高度异质性（I²= 96%）。为了处理这种高异质性，研究人员进行了异常值剔除、影响诊断和异质性图（GOSH）检查，最终排除了3项影响较大的研究。剔除后，剩余9项研究的荟萃分析结果显示，电子干预与用药错误风险降低15%显著相关（RR=0.85; 95% CI: 0.77-0.94）。预测区间（95% CI: 0.66-1.09）较剔除前变窄，表明统计精度提高，变异性降低。

亚组分析

研究人员进行了两种类型的亚组分析：按干预类型和按结局类型。按干预类型分析显示，CDS干预的效果最为显著（RR=0.80; 95% CI: 0.75-0.86），而电子警报（RR=0.97; 95% CI: 0.93-1.01）和电子学习（RR=0.92; 95% CI: 0.78-1.08）的效果则未达到统计学显著性。按结局类型分析显示，电子干预在减少药物不良事件（ADE）方面显示出效果（RR=0.77; 95% CI: 0.55-1.10），尽管置信区间较宽，提示存在一定的不确定性。

敏感性分析

敏感性分析显示，调整后的估计值（RR=0.87, 95% CI: 0.79-0.95）与未调整的估计值（RR=0.85, 95% CI: 0.77-0.94）结果一致。残余选择偏倚检验的p值为0.13，表明在0.1的显著性水平下，没有强有力的证据表明存在残余选择偏倚。

发表和报告偏倚分析

在纳入所有研究时，漏斗图显示非对称分布，提示存在发表偏倚。然而，在根据异质性检验建议剔除3篇论文后，更新后的漏斗图显示纳入研究呈平衡分布，表明发表偏倚可能并未影响最终结果。P曲线分析进一步证实了结果的证据价值，右偏检验（P_full=0.002, P_half<0.001）和扁平度检验（P_full=0.942, P_half=0.999）结果均支持存在真实效应。

本荟萃分析发现，电子干预，特别是计算机化决策支持系统（CDS），与用药错误风险降低15%显著相关。这一发现支持了电子系统通过减少用药过程中的人为错误来提升患者安全的潜力。与既往综述相比，本研究严格限定于随机对照试验（RCT），提供了更严谨的证据和更高的内部效度。

亚组分析显示，CDS在各类干预策略中效果最为显著，这归因于其支持临床决策和减少认知负荷的能力。尽管在减少药物不良事件（ADE）方面也显示出效果，但宽泛的置信区间提示需要更大样本量的研究来进一步验证。纳入的研究主要在高收入国家进行，这些国家拥有先进的信息基础设施，这限制了研究结果在资源有限环境中的普适性。

研究存在一定的局限性。首先，纳入的研究数量相对较少，尽管通过敏感性分析评估了结果的稳健性，但排除某些研究或应用不同方法时，结果仍存在变异性，这提示在解释结果时需保持谨慎。其次，分析中涉及了多种电子干预措施，将它们合并分析可能掩盖了每种技术改善医疗保健的具体机制。尽管如此，合并的证据仍然为临床和政策实施提供了相关见解。

为了将研究结果转化为实践，医疗机构应考虑在标准护理工作流程中优先采用电子干预，并为临床工作人员提供充分的培训。此外，促进患者安全文化和非惩罚性错误报告文化至关重要。未来的研究应优先考虑实效性试验和真实世界研究，以生成稳健的证据，同时保持生态效度。还需要进行成本效益研究，并调查实施障碍，包括技术基础设施、组织准备度和医疗专业人员的接受度。