Human Triage versus Computer-Based Triage Using a Predetermined Flowchart
在一项针对尼泊尔急诊科进行的前瞻性研究中，一种使用世界卫生组织机构间综合分诊工具的基于规则的计算机应用程序，与常规人工分诊相比，表现出了显著更高的准确性、更好的专家评估一致性以及更低的过度分诊率。
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
在急诊科混乱的核心地带，时间是最关键的资源，却往往是最先耗尽的。分诊是决定谁先接受治疗的过程，通过根据患者对护理的紧迫程度进行分类。这是一项高风险的判断任务，护士或医生必须快速观察一个人，倾听其症状，并将其归入一个类别：即刻危险、紧急但稳定，或可以等待。这一系统是急诊医学的支柱，旨在确保最重症的人在候诊室人满为患时仍能优先获得帮助。然而，人类的判断并非完美的机器。它会受到疲劳、等待人数众多以及不同医生和护士对同一组症状理解差异的影响。当这些人类决策的差异过大时，生命垂危的患者可能会被忽视，或者轻微病症的人可能被视为紧急情况，从而导致系统拥堵并延迟所有人的救治。
为了解决这个问题，尼泊尔的研究人员开始尝试一种不同的方法：用严格的计算机流程图取代人类的猜测。他们想看看，一个由标准化规则编写的数字化工具，是否能比每天执行这项工作的经验丰富的员工做出更好的决策。这项研究是在帕坦医院进行的，这是一座位于加德满都的大型且繁忙的急诊中心，工作人员面临着巨大的压力。团队将常规的患者分类方式与一种新的方法进行了对比，后者由一个基于 Web 的应用程序引导分诊。该应用程序遵循世界卫生组织创建的一套特定指南，该指南通过一系列关于危险体征和症状的“是/否”问题，将患者分为三组：代表紧急情况的红色、代表优先处理的黄色，以及代表非紧急情况的绿色。研究人员不仅询问哪种方法感觉更好，还邀请了一个专家医生小组来审查每一个病例，以查看谁的判断更准确，而这些专家在评审时并不知道每个病例使用的是哪种方法。
结果显示出明显的表现差异。当计算机应用程序做出决策时，它与专家小组的评估相匹配的频率远高于人类工作人员。计算机对患者分类的正确率约为 87%，而人类工作人员的正确率仅为约 67%。这一差距并非微小的波动，而是显著且可衡量的进步。计算机在与专家的意见一致性上也表现得更为稳定。如果你将专家视为“真理的标准”，那么计算机的决策与他们的意见高度吻合，具有统计学上的强相关性；而人类的决策则表现出更多的变异性，有时仅仅因为一位护士看待问题的角度不同，就会将患者归入错误的类别。
最重要的发现之一涉及那些被标记为“红色”的最关键类别的患者。这些人需要立即接受救命的治疗。计算机工具在识别这些患者方面表现得显著更好。它正确识别了约 84% 的真实紧急情况，而人类工作人员仅捕捉到了约 72%。这意味着在人类操作模式下，超过四分之一的最危重患者可能被忽视或被送往较低优先级的区域，这在繁忙的医院中是一种危险的错误。计算机在相反方向上的错误也较少。它不太可能将一个实际情况良好的患者误认为紧急情况。人类工作人员倾向于过度分诊，将约 24% 的患者送往比实际需要更高的紧迫等级，这会消耗医院资源并减慢所有人的救治速度。计算机将这种浪费减少到了 8% 以下。
研究确实发现，计算机在避免“分诊不足”（即病情严重的患者被过快打发走）这一危险错误方面略胜一筹，但这种差异在统计学上并不显著。研究人员指出，这种特定类型的错误较为罕见，因此他们的研究规模可能不足以证明计算机在预防此类错误方面具有绝对优势，尽管数据指向了这个方向。研究人员谨慎地指出，该计算机工具并非旨在取代医生或护士。相反，它是被设计为一个辅助者，一个提供基于严格规则的“第二意见”的决策支持系统。人类工作人员仍保有最终决定权，如果他们觉得患者的情况复杂或异常，可以推翻计算机的判断。
最终，研究表明，在像尼泊尔这样高容量、资源有限的环境中，为分诊过程增加一个标准化的计算机流程图可以使系统更加安全和一致。它并不消除对人类判断的需求，但它提供了一个可靠的基准，减少了由疲劳或压力引起的变异性。作者建议医院考虑使用这些工具来支持其工作人员，以确保最关键的患者能被快速识别，并确保系统不会被不必要的紧迫感所拖累。虽然这项研究是在单一医院进行的，并且采用了比较不同班次而非随机化单个患者的设计，但证据指向了一个未来：技术将帮助人类在急诊室做出更好、更可靠的生死决策。
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。