Human Triage versus Computer-Based Triage Using a Predetermined Flowchart
في دراسة استباقية في قسم طوارئ نيبالي، أظهر تطبيق حاسوبي قائم على القواعد باستخدام أداة منظمة الصحة العالمية المتكاملة لفرز الحالات دقة أعلى بكثير، واتفاقاً أفضل مع تقييمات الخبراء، وانخفاضاً في فرط التصنيف مقارنة بفرز البشر الروتيني.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في قلب قسم الطواريات الصاخب، يعد الوقت المورد الأكثر حرجاً، ومع ذلك فهو غالباً أول ما ينفد. عملية "الفرز الطبي" (Triage) هي العملية التي تحدد من يتم فحصه أولاً، حيث تقوم بتصنيف المرضى حسب مدى حاجتهم الملحة للرعاية. إنها عملية اتخاذ قرار عالية المخاطر، حيث يتعين على الممرض أو الطبيب النظر بسرعة إلى الشخص، والاستماع إلى أعراضه، ووضعه في فئة معينة: خطر داهم، أو حالة عاجلة ولكن مستقرة، أو حالة يمكنها الانتظار. هذا النظام هو العمود الفقري لطب الطوارئ، وهو مصمم لضمان حصول الأشخاص الأكثر مرضاً على المساعدة قبل الأقل مرضاً، حتى عندما تكون غرفة الانتظار مكتظة. ومع ذلك، فإن الحكم البشري ليس آلة مثالية؛ فهو يتأثر بالتعب، والعدد الهائل من الناس المنتظرين، والاختلافات الطبيعية في كيفية تفسير الأطباء والممرضين المختلفين لمجموعة واحدة من الأعراض. وعندما تتباين هذه القرارات البشرية بشكل كبير، قد يتم التغاضي عن المرضى الذين يعانون من حالات تهدد حياتهم، أو قد تُعامل الحالات البسيطة كحالات طوارئ، مما يؤدي إلى عرقلة النظام وتأخير الرعاية للجميع.
ولمعالجة ذلك، شرع باحثون في نيبال في اختبار نهج مختلف: استبدال التخمين البشري بمخطط انسيابي حاسوبي صارم. أرادوا معرفة ما إذا كانت أداة رقمية، مبرمجة بمجموعة من القواعد المعيارية، يمكنها اتخاذ قرارات أفضل من الطاقم الخبير الذي يقوم بالمهمة يومياً. أُجريت الدراسة في مستشفى باتان، وهو مركز طوارئ كبير ومزدحم في كاتماندو، حيث يقع عبء الضغط على الطاقم بشكل هائل. قارن الفريق بين الطريقة الروتينية لتصنيف المرضى وبين طريقة جديدة حيث وجه تطبيق قائم على الويب عملية الفرز. اتبع هذا التطبيق دليلاً محدداً أنشأته منظمة الصحة العالمية، والذي يستخدم سلسلة من الأسئلة التي تحتمل الإجابة بـ "نعم" أو "لا" حول علامات الخطر والأعراض لتصنيف المرضى إلى ثلاث مجموعات: اللون الأحمر للحالات الطارئة، والأصفر للأولوية، والأخضر للحالات غير العاجلة. لم يكتفِ الباحثون بالسؤال عن الطريقة التي تبدو أفضل، بل عرضوا كل حالة على لجنة من الأطباء الخبراء، الذين لم يكونوا يعرفون أي طريقة استُخدمت لكل مريض، لمراجعة كل حالة بدقة لمعرفة من أصاب التقييم الصحيح.
أظهرت النتائج فرقاً واضحاً في الأداء. فعندما اتخذ التطبيق الحاسوبي قراراته، كان يتوافق مع تقييم لجنة الخبراء في كثير من الأحيان أكثر مما فعل الطاقم البشري. حقق الحاسوب التصنيف الصحيح لحوالي 87 في المئة من المرضى، بينما كان الطاقم البشري صحيحاً في حوالي 67 في المئة فقط. لم يكن هذا الفارق مجرد تذبذب بسيط، بل كان تحسناً كبيراً وقابلاً للقياس. كما اتفق الحاسوب مع الخبراء بشكل أكثر اتساقاً؛ فإذا تخيلت الخبراء كمعيار ذهبي للحقيقة، فإن قرارات الحاسوب تماشَت معهم بطريقة قوية إحصائياً، بينما أظهرت القرارات البشرية تفاوتاً أكبر بكثير، حيث كانت تضع المريض أحياناً في الفئة الخاطئة لمجرد أن ممرضاً واحداً رأى الأمور بشكل مختلف عن غيره.
تعلق أحد أهم النتائج بالمرضى في الفئة الأكثر حرجاً، أولئك المصنفين باللون الأحمر، وهم الأشخاص الذين يحتاجون إلى عناية فورية لإنقاذ حياتهم. لقد كان أداة الحاسوب أفضل بشكل ملحوظ في رصد هؤلاء المرضى؛ فقد حددت بدقة حوالي 84 في المئة من حالات الطوارئ الحقيقية، بينما رصد الطاقم البشري 72 في المئة فقط. وهذا يعني أنه باستخدام الطريقة البشرية، كان هناك احتمال لتجاهل أو إرسال أكثر من ربع المرضى الأكثر حرجاً إلى منطقة ذات أولوية أقل، وهو خطأ خطير في مستشفى مزدحم. كما ارتكب الحاسوب أخطاءً أقل في الاتجاه المعاكس؛ فقد كان أقل عرضة لاعتبار مريض سليم حالة طوارئ. كان الطاقم البشري يميل إلى "الإفراط في الفرز"، حيث أرسل حوالي 24 في المئة من المرضى إلى مستوى استعجال أعلى مما هو ضروري، مما قد يجهد موارد المستشفى ويبطئ الرعاية للجميع، بينما قلل الحاسوب هذا الهدر إلى أقل من 8 في المئة.
وجدت الدراسة أيضاً أن الحاسوب كان أفضل قليلاً في تجنب الخطأ الخطير المتمثل في "نقص الفرز" (under-triage)، حيث يتم إرسال مريض مريض بعيداً بسرعة كبيرة، لكن الفرق لم يكن كبيراً بما يكفي ليكون مؤكداً من الناحية الإحصائية. وأشار الباحثون إلى أن هذا النوع المحدد من الأخطاء نادر، لذا قد لا تكون دراستهم كبيرة بما يكفي لإثبات أن الحاسوب أفضل بشكل حاسم في منع ذلك، رغم أن الأرقام تشير في ذلك الاتجاه. وقد أكد الباحثون بحذر أن أداة الحاسوب ليست تهدف إلى استبدال الطبيب أو الممرض، بل صُممت لتكون مساعدة، أي نظام دعم للقرار يقدم رأياً ثانياً بناءً على قواعد صارمة. ولا يزال الطاقم البشري يحتفظ بالسلطة النهائية ويمكنه تجاوز قرار الحاسوب إذا شعر أن حالة المريض معقدة أو غير عادية.
في نهاية المطاف، تشير الدراسة إلى أنه في بيئة ذات حجم عمل مرتفع وموارد محدودة مثل نيبال، فإن إضافة مخطط انسيابي حاسوبي معياري إلى عملية الفرز الطبي يمكن أن يجعل النظام أكثر أماناً واتساقاً. إنها لا تلغي الحاجة إلى الحكم البشري، لكنها توفر خط أساس موثوق يقلل من التباين الناتج عن التعب أو التوتر. ويوصي المؤلفون المستشفيات بالنظر في استخدام هذه الأدوات لدعم طواقمها، لضمان تحديد المرضى الأكثر حرجاً بسرعة، وضمان عدم تعطل النظام بسبب حالات الاستعجال غير الضرورية. ورغم أن الدراسة أجريت في مستشفى واحد واستخدمت تصميماً معيناً يقارن بين نوبات عمل مختلفة بدلاً من توزيع المرضى عشوائياً، إلا أن الأدلة تشير نحو مستقبل تساعد فيه التكنولوجيا البشر في اتخاذ قرارات أفضل وأكثر موثوقية تتعلق بالحياة أو الموت في غرف الطوارئ.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.