远程协助和人工智能支持急诊护士进行院前分诊:一项范围综述

《Journal of Emergency Nursing》:Teleassistance and Artificial Intelligence to Support Prehospital Triage by Emergency Nurses: A Scoping Review

【字体: 大 中 小 】 时间:2026年10月16日 来源:Journal of Emergency Nursing 3.2

编辑推荐:

   摘要 引言:本研究旨在绘制并批判性地综合关于使用远程协助和人工智能支持急救护士进行院前分诊的国际证据。 背景:数字化转型和人工智能正在重塑急救医疗体系。在欧洲,在调度和通信中心工作的急救护士(112/118;112是泛欧紧急号码,118是意大利国家紧急医疗服务的号码)越来

  

摘要

引言:本研究旨在绘制并批判性地综合关于使用远程协助和人工智能支持急救护士进行院前分诊的国际证据。

背景:数字化转型和人工智能正在重塑急救医疗体系。在欧洲,在调度和通信中心工作的急救护士(112/118;112是泛欧紧急号码,118是意大利国家紧急医疗服务的号码)越来越多地使用视频和算法工具进行远程评估。然而,关于其影响、安全性以及融入临床实践的循证证据仍然有限。

方法:本研究按照乔安娜·布里格斯研究所方法和系统评价与荟萃分析首选报告条目扩展示范研究范围的指南开展了一项范围综述。在PubMed、Scopus、护理及相关卫生文献累积索引和Embase数据库中检索(2005-2024年),共识别出涉及护士在院前分诊中使用远程协助或人工智能的研究。研究方案已在开放科学框架上注册。数据以叙述方式综合,并使用乔安娜·布里格斯研究所工具评估方法学质量。

结果:检索共识别出1214条记录。去除304条重复记录后,2名审阅者独立筛查910条标题和摘要,其中165份报告被检索全文。值得注意的是,72份报告(43.6%)无法获取,主要反映的是全文访问受限而非有意排除。剩余93份报告进行了资格评估,仅有5项研究符合纳入标准:2项关于视频通话的实验性研究、2项关于数字和人工智能分诊系统的观察性研究,以及1项关于电话分诊中认知过程的质性研究。视频远程协助与减少不恰当的急诊科转诊和增加专业信心相关。数字和人工智能系统与提高分诊的一致性和及时性相关。质性研究展示了远程评估的高度认知复杂性。乔安娜·布里格斯研究所质量评分平均为83%,无高风险研究。

讨论:本范围综述描绘了一小但一致的循证证据体系,表明远程协助和人工智能可以增强急救护士在远程分诊期间的准确性、及时性和信心,同时确认结构化治理、培训和人工监督仍然不可或缺,并需要进一步开展护士主导的研究。

引言:医疗数字化对急救系统产生了深远影响,特别是在欧洲,远程医疗和人工智能的整合已成为现代临床治理的基石。在此背景下,急救护士在院前护理中发挥着关键作用,他们在调度和协调中心每年处理数百万起紧急呼叫。仅在伦巴第大区,伦巴第大区紧急应急机构(AREU)的协调中心在2021年处理了数百万起紧急呼叫,欧洲其他主要紧急医疗服务网络也报告了相当的呼叫量。

就本综述而言,三个相互关联但各自独立的概念需要明确界定。远程协助是指在院前和调度环境中使用实时通信技术(包括语音和视频)来支持急救护士进行远程患者评估。远程医疗作为涵盖所有技术中介临床咨询的更广泛术语使用。远程协助是一个以护士为主导的子领域,专门面向院前分诊和紧急医疗服务协调。基于人工智能的决策支持是指算法工具,包括机器学习模型和临床决策支持系统,用于增强急症分类或分诊建议。尽管概念上不同,远程协助和基于人工智能的决策支持越来越多地联合部署在整合的护士监督平台中,因此本综述对其进行了联合讨论。

英国、瑞典和芬兰在全国范围内率先实施了护士主导的电话分诊。在英国,国民医疗服务体系111服务主要由使用国民医疗服务体系路径临床决策支持算法的护士和急救人员运营,每年处理数百万次联系,展示了护士主导的算法分诊大规模实施的可行性。在瑞典和芬兰,类似的护士主导分诊模式已整合到区域调度协调中心中,远程会诊和算法支持在支持护士主导调度的治理框架下运行。这些系统共享一个共同的治理架构:法律认可的护理自主权、全国标准化的决策支持协议,以及定义远程分诊所需数字和临床技能的结构化能力框架。

德国采用了分层紧急医疗服务结构,提供了一种独特的混合专业自主权模式。德国急救护理人员(Notfallsanit?ter,德国最高院前护理级别,在国家级紧急医疗服务体系中)在远程医生监督下执行高级生命支持,并越来越多地整合基于视频的调度辅助来指导院前干预。该模式表明,技术中介的远程监督可以将医生级别的决策支持扩展到院前团队,而无需取代前线人员的专业自主权,为上述护士主导调度模式提供了替代治理途径。

在意大利,紧急医疗体系从分散的区域网络演变为一体化结构,通过1992年总统法令建立了紧急医疗急救服务,通过全国118号码运营。随后与欧洲112系统的协调逐步将调度功能重组为区域协调中心,在AREU管理下,护士负责分诊、资源分配,以及对非专业救助者和救护车队进行实时远程指导。尽管有承认护理专业自主权的坚实法律框架,意大利缺乏规范远程协助或人工智能在院前护理中使用的全国标准化协议,导致数字分诊实践存在显著的区域异质性。

COVID-19大流行成为所有欧洲紧急医疗服务系统中远程协助采用的加速器。在整个欧洲,包括伦巴第大区,AREU的IOP 52视频通话协议允许护士发起安全视频连接以评估患者的视觉和行为线索,大流行催生了技术基础设施投资和护士主导数字分诊的治理准备。世界卫生组织将远程医疗确定为后疫情时期加强卫生系统韧性和公平性的优先工具,建立了一个规范框架,强化了远程协助在正式紧急医疗服务治理中的整合。

尽管取得了这些进展,重大循证差距仍然存在。首先,关于可直接归因于远程协助或人工智能支持的护士分诊的临床结局证据(如患者死亡率、确诊时间或不恰当分诊率)仍然有限,尚无现有综述专门绘制院前护理环境中这一循证证据。其次,专门研究人工智能支持的护士分诊(区别于无人工参与运行的AI系统)的研究尚处于萌芽阶段。第三,欧洲紧急医疗服务系统中治理和协议的差异造成了异质性的实施环境,阻碍了直接的跨国比较。第四,公平性维度(包括对农村、老年人、非母语者和低数字素养人群的访问)在现有文献中缺失。

因此,本范围综述旨在系统地识别和绘制探索远程协助和人工智能如何支持急救护士进行院前分诊的研究,描述其在国际和欧洲背景下的应用、益处和障碍。

分节摘录

设计与注册:本范围综述遵循乔安娜·布里格斯研究所方法,并依据系统评价与荟萃分析首选报告条目扩展示范研究范围清单进行报告。研究方案在研究选择前已在开放科学框架上前瞻注册(DOI: 10.17605/OSF.IO/YCZ67),以确保透明性和可重复性。

纳入标准:使用人群、概念和情境框架先验定义了纳入标准。人群:研究选择检索在4个数据库中识别出1214条记录(附录)。去除304条重复记录后,2名审阅者独立筛查910条唯一标题和摘要;745条记录因在人群、概念或情境方面明显不符合纳入标准而在标题和摘要筛查阶段被排除,剩余165份报告被检索全文。值得注意的是,其中72份报告(43.6%)无法获取。

讨论:本范围综述综合了5项研究(跨越2005-2024年)的证据,表明远程协助和人工智能可以通过改善情境意识、决策一致性和患者信任来显著增强护士主导的院前分诊。尽管5项纳入研究来自北欧、澳大利亚和北美而非欧洲大陆,但之所以选择这些研究是因为它们解决了与意大利及其他欧洲紧急医疗服务面临相同的核心临床问题:护士

对急救护士的启示:本综述描绘的循证证据对在院前调度和协调中心工作的急救护士具有直接意义,在这些场所视频远程协助和人工智能辅助急症分类已经试点运行。这些场所的护士应参与当地治理机构,定义视频升级的临床触发条件(如不明确的症状表现、疑似中风、儿科紧急情况,或来自偏远或脆弱人群的呼叫),并应接受相关培训以

新兴证据与未来方向:检索的完成和综述后发表研究的趋同发现加强了本综合中发现的方向性获益。新兴证据表明,长期护理中的标准化远程协调路径可以将急诊科转诊减少17%至29%,并产生可衡量的成本节约,而涉及超过98000通呼叫的大规模分析报道了人工智能辅助护士分诊结合人工二级评估时具有有利的敏感性和特异性特征。

局限性:本综述识别的循证基础非常有限(5项研究),且设计异质,无法进行荟萃分析综合或任何正式的发表偏倚评估。这种稀缺本身就是一个实质性发现,表明关于远程协助和人工智能在院前分诊中护士聚焦的研究仍处于早期阶段。另一个方法学局限涉及研究检索:在165份检索全文的报告中,72份(43.6%)无法获取,主要

方法学透明度和研究特异性局限:除范围综述的一般局限(无荟萃分析和叙述综合)外,纳入研究的特异性局限值得明确讨论。Bolle等人的模拟涉及年轻参与者(平均年龄17岁),限制了对外部效度及真实心脏骤停的推广性,且缺乏盲法引入了潜在的表现偏倚。总体而言,无纳入研究在意大利进行;所有研究均以英语发表,可能排除

结论:本范围综述绘制了远程协助和人工智能支持急救护士进行院前分诊的国际循证证据。尽管临床兴趣和科技投资不断增长,完成本综述后仅有5项原始研究符合纳入标准,涵盖在瑞典、挪威、澳大利亚、美国以及美国和葡萄牙合作中于2005年至2024年间开展的实验性、观察性和质性设计研究。这一小规模且地理有限的

数据、代码和研究材料可用性:所有数据提取表单和完整检索策略见附录(附录I和II)。研究方案注册于开放科学框架(https://doi.org/10.17605/OSF.IO/YCZ67)。

作者披露:利益冲突:无需要报告。本研究未接受公共、商业或非营利部门任何资助机构的专门拨款。

生成式人工智能及人工智能辅助技术在写作过程中的声明:使用了Rayyan(Rayyan Systems Inc.)作为系统评价管理平台,支持去重和筛查工作流程。未使用任何生成式人工智能工具(如ChatGPT、Claude或Copilot)来起草、修订或综合手稿文本、数据提取或分析的任何部分。所有智力贡献、解释和结论均为作者独有。

Nicolò Acrami是一名注册护士,任职于意大利米兰附近皮耶韦埃马努埃莱的Humanitas大学。

Nicolò Acrami | Cristian Tiengo | Stefano Mancin | Daniela Cattani | Bianca Fidato | Laura Guzzetti | Cristina Chiari | Daniele Napolitano | Alessio Lo Cascio | Anna Grimaldi | Sarah Scollo | Simone Cosmai | Diego Lopane | Beatrice Mazzoleni
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号