An Online Survey of Healthcare Professionals to Understand the Use of Clinical Prediction Models in Practice
这项针对157名医疗专业人员的调查显示，尽管临床预测模型普遍受到重视且应用广泛，但其有效实施正受到工作流集成问题、监管不确定性以及采用不一致性的阻碍，因此需要通过协调一致的努力，以确保模型具备透明度、用户友好性，并经过严格的现实应用验证。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，人体就像一座规模宏大、繁忙喧嚣的城市，每秒钟都在发生数百万个微小的事件。医生则是试图让一切运转顺畅的城市规划师，但有时他们需要一些额外的帮助，以便在交通拥堵、停电或风暴发生之前进行预测。这正是**临床预测模型（CPMs）**发挥作用的地方。请不要把这些模型看作是神奇的水晶球，而要将它们视为高度复杂的“人体天气预报应用”。它们收集各种不同的线索——比如一个人的年龄、家族史或当前的症状——并进行数据运算，以推测未来发生健康事件（如心脏病发作或中风）的可能性。虽然这些数字工具旨在成为医生的终极助手，让决策变得更快、更安全，但这里存在一个谜团：为什么它们没有被广泛应用？有些医生对它们深信不疑，而另一些人甚至几乎不知道它们的存在。了解这一差距至关重要，因为如果我们无法将这些有用的工具交到需要它们的人手中，我们可能会错失挽救生命或预防疾病的机会。
这篇论文就像是一份向医疗专业人员发出的全球性“举手调查”问卷，旨在找出关于这些预测模型的真实情况。研究人员——来自利物浦大学的一个团队——想要知道：医生和护士真的在使用这些工具吗？他们喜欢它们吗？如果他们不用，阻碍他们的因素是什么？他们邀请了来自世界各地的 157 名医疗工作者（尽管大多数来自英国）填写了一份在线调查问卷。
以下是他们的发现：大多数受访者（82%）都知道这些模型的存在，且相当大比例的人（71%）在日常工作中实际使用了它们。当被问及这些工具的实用性时，专业人士给出了很高的评分，中位数为 8 分（总分 10 分）。看来，当这些工具发挥作用时，效果确实很好。最受欢迎的模型是那些预测与年龄相关风险的模型，例如用于检查中风风险的 CHA2DS2-VASc 评分，或用于观察心脏病发作风险的 QRISK。有趣的是，尽管调查中有很多专门从事妊娠和妇女健康领域（妇产科）的医生，但专门为该领域设计的特定工具的使用率却出人意料地低于通用型工具。
但当我们观察这些工具是如何被使用时，故事变得更有趣了。医生和护士对于什么是“好”的工具有着非常明确的看法。他们希望自己的预测模型能像从自动售货机里拿零食一样容易上手。获取这些工具的首选方式是通过网站（47%）和移动应用程序（33%）。没有人想去翻阅纸质手册；他们想要的是点击屏幕。在查看结果方面，他们更倾向于清晰的视觉格式，比如简单的百分比（例如“15% 的概率”）或“热力图”（一种通过颜色编码的网格，让人一眼就能看出风险水平）。
然而，也存在一些严重的障碍。最大的障碍并不是工具的数学逻辑有问题，而是它们往往难以融入医生繁忙的一天。调查显示，如果一个工具没有被正确地内置到医院现有的计算机系统（如电子病历系统）中，它很可能会被忽视。其他障碍还包括：不知道针对特定患者应该使用哪种工具、担心该工具是否在法律上被视为“医疗器械”，以及普遍缺乏一致性的培训。一位医生指出，如果一个工具没有在医学院教授，或者没有被纳入官方指南，那么很难让整个团队都去使用它。
研究人员建议，为了让这些工具真正普及，它们需要具备透明度、用户友好性，并且能够深度集成到医生已经使用的软件中。他们还指出，随着人工智能（AI）开始构建这些模型，了解模型是如何得出结论的，而不仅仅是盲目信任一个“黑箱”，变得变得更加重要。论文总结道，虽然医疗专业人员重视这些模型，但我们不能仅仅停留在“构建”阶段，而必须开始确保它们能够真正融入现实世界的实践，并辅以明确的规则和良好的教育。在此之前，这些数字助手可能仍会留在工具箱里，在医生们努力摸索如何最好地使用它们时，积攒上一层薄薄的灰尘。
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。