摘要
许多重症监护病房的床边设备缺乏可互操作的数字输出功能，因此临床上重要的读数需要通过人工记录的方式转录到病历中。基于摄像头的光学字符识别（OCR）技术提供了一种与设备无关的解决方案，但其有效性取决于识别出在何种采集条件下结构化数据提取仍能可靠进行，以及在何种条件下应避免输出数据。我们评估了一个包含显示定位、图像分割、预处理、OCR识别、基于临床词典的规范化处理以及分层质量控制在内的流程。在总共7种床边设备、3种摄像头平台、36至390英寸的观察距离、0至80度的观察角度、5种照明条件以及2种布局的情况下，共收集了151,763张可用的图像帧作为主要评估数据。各层数据的性能区间采用了二项式Wilson法和Clopper–Pearson法进行估计；采样密度转换的不确定性也通过自助法（bootstrap）进行了分析。在另外750张经过独立双标注的分层数据中，Cohen’s kappa系数在分类注释上的范围为0.89至0.97。对于数值数据，准确一致率为96.4%（95%置信区间：94.8–97.6%）；对于字符串和标签数据，准确一致率为94.8%（95%置信区间：93.0–96.3%）；合并后的准确一致率为95.1%（95%置信区间：93.4–96.5%），合并后的Cohen’s kappa系数为0.93（95%置信区间：0.90–0.95）。当观察距离为36英寸且设备处于接近正前方位置时，无反光镜设备、Raspberry Pi设备和消费级网络摄像头的设备级灵敏度分别为0.990和0.997、0.931和0.937、0.782和0.787。当观察距离增加到74英寸时，这些设备的设备级灵敏度分别降至0.617、0.515和0.309，这表明仅依赖物理距离无法确定稳定的床边设备操作范围。有效的显示采样密度比单纯依赖物理距离更能一致地描述不同摄像头的提取性能；设备级提取完成的临界点大约为9.8像素/厘米（自助法95%置信区间：8.7–11.4像素/厘米），这是一个基于具体工作流程的临时经验值，并非经过验证的运行阈值。尽管灵敏度有所下降，但准确率仍相对较高；这一现象表现为系统级别的整体行为，而非针对某个单独处理阶段的因果证据。
