Machine Learning-Supported Efficient VTE Risk Assessment using Routinely Collected Electronic Health Record Data
本研究表明，利用常规收集的电子健康档案数据进行机器学习模型构建，能够有效支持实时静脉血栓栓塞症风险评估，其临床有效性与临床医生记录的因素相当，为在保持患者安全的同时减轻文档记录负担提供了一种可行的解决方案。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
医院是人体防御机制往往处于最低水平的地方。当一个人因手术或严重疾病入院时，血液在静脉中的自然流动可能会减慢，而身体的应激反应可能使血液更容易凝固。这些被称为静脉血栓栓塞症的血块可能在腿部形成并游走到肺部，造成阻塞，这是医院内可预防性死亡的主要原因。为了防止这种情况发生，医疗指南要求医生和护士在每位成年患者入院时进行检查。他们必须填写一份特定的表格，询问有关患者健康史、当前状况以及活动能力的系列问题。根据答案，医疗团队会决定患者是否需要特殊的压力袜、抗凝药物，或两者兼有。这个过程旨在作为一个安全网，在风险演变成紧急情况之前将其捕捉。
然而，填写这些表格是一项依赖于人类阅读病历、记忆患者病史并将答案输入电脑的手动任务。这在医院计算机系统已掌握的信息与医生在表格上记录的内容之间创造了一个差距。计算机可能存有过去的病史或癌症诊断记录，但如果医生没有在清单上手动勾选这些项目，系统就会将该患者视为较低风险，尽管其实际风险较高。这项在伦敦五家大型医院开展的研究提出了一个简单但至关重要的问题：医院自身的计算机记录能否自动填写这些安全表格，从而节省医生的时间并确保不会遗漏任何风险因素？
研究人员查看了海量数据，审查了十年间近 58 万次住院入院情况。他们发现，虽然医生非常擅长填写表格——为几乎 97% 的患者完成了填写——但时机往往不对。在 2015 年，不到一半的表格是在患者到达后的前 14 小时内完成的，而指南规定这一时间窗口对于预防血栓至关重要。到 2024 年，这一数字有了显著改善，超过了 90%，但延迟问题仍然存在，尤其是在因内科原因而非手术入院的患者中。研究还显示，即使完成了表格，上面记录的信息也并不总是与电子记录中存储的事实相符。
当研究小组将医生在表格上填写的内容与计算机记录显示的内容进行对比时，他们发现了一种遗漏细节的模式。对于常见的因素，例如患者年龄大于 60 岁，医生和计算机记录在大多数情况下是一致的。但对于不太常见但却严重的风险，医生经常忘记记录下来。例如，如果一名患者被送入重症监护室，计算机知道这一点，但医生仅在约 14% 的情况下会在表格上注明。同样，许多患者的计算机记录中都有家族血栓史，但医生仅在约 5% 的此类患者表格中记录了这一信息。这意味着安全表格往往缺失了那些能够触发最重要保护性治疗的关键线索。
为了观察这种信息的缺失是否产生了影响，研究人员检查了表格上的风险评分是否能有效预测谁会发生血栓。他们发现，在表格中被标记为高风险的患者确实比被标记为低风险的患者更有可能发生血栓，这证明了表格是有用的。然而，他们也发现，当医生写下正在给予抗凝药物时，这并不总是与药房记录相符。有时医生写道已经给药，但药房记录显示并未给药，反之亦然。这种不一致性使得人们很难确切了解目前的系统究竟提供了多好的保护。
这项研究的核心是一个实验，旨在观察计算机是否可以胜任医生填写表格的工作。研究人员构建了一个机器学习模型（一种通过过往数据进行学习的软件），利用电子健康记录自动选择风险因素。他们在一组患者身上测试了这个系统，并将表现与医生实际填写的表格进行了对比。该计算机模型仅使用入院后前 14 小时内可获得的信息，在预测谁会发生血栓方面，其表现与医生不相上下。事实上，计算机能够识别出医生所发现的高风险患者，但它是通过利用那些已经在系统中存在、且医生在填写纸质表格时经常忽略的数据来实现的。
研究表明，医院自身的数据已经足够丰富，足以支持这些安全检查，而无需医生从头开始重新输入所有内容。计算机模型显示，它们可以找到与人类临床医生相同的风险模式，并且在某些情况下，它们能发现人类遗漏的风险因素。研究人员得出结论，未来的最佳路径不是取代医生，而是让计算机利用其已知信息预填表格。随后，医生只需审核预填的答案，确认无误并添加任何新细节即可。这种方法将减少医生处理文书工作的时间，确保关键风险因素不会被遗忘，并帮助医院达到严格的 14 小时安全评估期限。通过利用现有的数据，医院可以使安全网更加坚固可靠，确保正确的保护措施能在正确的时间到达正确的患者手中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。