基于规则的神经外科并发症自动化严重程度分级框架：改良Landriel-Ibá?ez分类的全院前瞻性实施

《Langenbeck's Archives of Surgery》：Automated severity classification of neurosurgical complications in routine clinical practice using a modified Landriel-Ibá?ez framework

　　

摘要

背景

手术并发症的标准化分类对于质量保证、透明的并发症报告以及患者安全至关重要。尽管以治疗为导向的分级系统（如 Landriel-Ibá?ez 分类）在神经外科领域已得到广泛应用，但严重程度分级仍然主要依赖于医生的手动评估，这可能限制了可重复性以及将其整合到常规临床工作流程中。

方法

开发了一个基于规则的框架，并在一个全院前瞻性神经外科并发症登记系统中实施。该框架不需要医生直接分配并发症等级，而是前瞻性地记录预定义的目的性临床描述符，包括治疗方式、并发症相关的重症监护病房（ICU）治疗、多器官衰竭以及归因于并发症的死亡。根据透明的决策规则，根据修改后的 Landriel-Ibá?ez 分类自动分配并发症严重程度。该框架被整合到一个分层电子登记系统中，该系统结合了医院信息系统数据的自动导入、结构化的手动文档记录以及连续的质量保证程序。

结果

所开发的框架能够使用预定义的目标决策规则，从记录的临床描述符中进行完全自动化的严重程度分配，而无需主治医生进行手动分级。在完成强制性文档字段后，严重程度分类在后台执行，并完全整合到前瞻性文档工作流程中。该算法分配七个严重程度等级之一（Ia、Ib、IIa、IIb、IIIa、IIIb 和 IV），其中 IV 级代表归因于已记录并发症的死亡。该框架在单一的电子登记系统架构中结合了标准化的并发症文档记录、自动化严重程度分配以及连续的文档质量监控，为常规临床实践中的严重程度分类提供了透明的基于规则的方法。

结论

我们提出了一个基于规则的框架，用于基于修改后的 Landriel-Ibá?ez 分类对神经外科并发症进行自动化严重程度分类。通过使用预定义的目标性临床描述符取代医生直接分配严重程度等级，该框架标准化了将记录的临床描述符基于规则转换为严重程度等级的过程，同时保持与常规临床工作流程的整合。其模块化设计可能支持前瞻性并发症报告、质量保证以及未来的多中心登记系统研究。