Smart technology puts patients in focus
病人趴趴走，在意外發生前，找到病人，可能是提高病人安全性的下一個重大機會。本文介紹了使用可穿戴感測器和智慧算法，進行病房監控的最新進展和前景。
醫院病房很危險。確實，它們是大多數機構內，意外死亡的地方。在一項英國國家審計研究中，在 23,554 名成人住院心臟驟停中，有一半以上（57％）發生在病房，而在 ICU 中只有 5％（Nolan et al。2014）。
在歐洲 28 個國家進行的大型 EUSOS 研究（46,000 名患者）中，大多數在出院前死亡的患者（73％）在手術後的任何階段均未接受重症監護。重要的是，大多數患者不會突然惡化。
在心臟驟停或 ICU 轉移前數小時，生命體徵通常是異常的，或趨向於異常範圍。
但是醫療保健專業人員，可能只會偶爾突然注意到，這種情況的發生，因為抽查通常間隔 4-6 小時進行一次。在一家美國領先醫院中進行的前瞻性觀察研究，對患者進行了連續但盲目的監測，結果發現每 4 小時檢查一次生命體徵的護士，錯過了 90％ 的低氧發作，和大約一半的降壓事件。
因此，引入持續監測有可能提高傳統上，不受監測的環境中的護理品質。隨著為健康和健身而開發的可穿戴產品的興起（例如，用於檢測心律失常的智慧手錶，或在連接至智慧手機時，監測脈搏血氧飽和度（SpO2）和血壓（BP）的設備），我們將面臨前所未有的局面：監測可能在家中比在醫院病房裡做更多的工作，這樣看來反而可以認為在家中更安全。
在本文中，我們總結了應該監測哪些生理變量，當前可用的工具，並討論了未來開發和採用連續監測解決方案作為醫院病房護理標準的要求。
您可能還會喜歡：監控創新：從智慧手機到可穿戴設備
我們應該監視哪些變量？
傳統上對病房患者進行現場檢查的生命體徵包括心率（HR）、BP、呼吸頻率（RR）、SpO2 和體溫。它們都具有檢測臨床惡化的潛在價值。有些比特異性更敏感，例如 HR 在許多情況下可能會增加，包括術後疼痛、循環休克、呼吸窘迫和敗血症。其他人則比敏感人更具體。
例如，只有在出現呼吸衰竭的情況下，SpO2 才會減少，未自動滴定氧氣以維持正常的SpO2（L'Her等人，2017）。 SpO2 也被認為是呼吸抑制急性事件的滯後指標。
例如，只有在出現呼吸衰竭的情況下，SpO2 才會減少，未自動滴定氧氣以維持正常的SpO2（L'Her等人，2017）。 SpO2 也被認為是呼吸抑制急性事件的滯後指標。
生命體徵預測臨床惡化的能力取決於臨床情況。在患者控制的阿片類藥物鎮痛過程中，持續時間大於 3 分鐘的去飽和率（SpO2<90 ichard="" po2="" span="" verdyk="">）
在普通病房和外科病房中，研究反復將 RR、HR 和收縮壓列為要監測的前三個變量。為了預測病房患者的心臟驟停，已報導 ROC 曲線下 RR、HR，收縮壓和溫度分別為 0.72、0.68、0.55 和 0.48（Churpek等，2012）。在最近的一項研究中，包括250,000名患者，並使用機器學習方法，預測病房患者的臨床惡化（Churpek 等人，2016 年），RR 在預測算法中具有最高的「權重」，其次是 HR，收縮壓，溫度和 SpO2 （圖1）。根據這些觀察結果，英國國家衛生與護理卓越研究所表示：「 RR是患病患者的最佳標誌，並且是第一個表明病情或病情惡化的觀察結果」（nice.org.uk / guidance / CG50）。
連續病房監控的當前選項
已經提出了幾種方法，來自動估計病房患者的 RR。它們主要基於二氧化碳圖、聲學、胸阻抗和壓電技術（Michard 等人2017）。二氧化碳圖傳感器可檢測，到已過期的二氧化碳，是測量機械通氣患者的 RR 的參考。
在病房監護的情況下，它們是系留式監護系統的一部分，有時會因患者自發呼吸而難以忍受。聲學感測器的耐受性更好，但測量可能會受到說話和吞嚥的影響（Mimoz 等，2012）。
呼吸引起胸電阻抗的變化，可對其進行分析以測量 RR。胸電極傳統上用於量化胸阻抗的變化，並具有許多優點，包括易用性和患者舒適度。
但是，RR 測量的可靠性，取決於電極的數量和正確的位置。對於臥床患者，已成功地使用了位於床墊下方的，非接觸式壓電感測器，來同時監測 RR 和 HR（Zimlichman等人，2012）對使用這種系統的藥物外科住院病人進行了監測，並報告了心臟驟停的求助電話數量大大減少。
在病房監護的情況下，它們是系留式監護系統的一部分，有時會因患者自發呼吸而難以忍受。聲學感測器的耐受性更好，但測量可能會受到說話和吞嚥的影響（Mimoz 等，2012）。
呼吸引起胸電阻抗的變化，可對其進行分析以測量 RR。胸電極傳統上用於量化胸阻抗的變化，並具有許多優點，包括易用性和患者舒適度。
但是，RR 測量的可靠性，取決於電極的數量和正確的位置。對於臥床患者，已成功地使用了位於床墊下方的，非接觸式壓電感測器，來同時監測 RR 和 HR（Zimlichman等人，2012）對使用這種系統的藥物外科住院病人進行了監測，並報告了心臟驟停的求助電話數量大大減少。
傳統上，心率是透過胸部粘合電極記錄的。一種替代方法是根據脈搏血氧飽，和度波形估算脈搏頻率。值得注意的是，在心律不齊和機電分離的情況下，脈搏頻率可能與心律不同（無脈搏頻率的心律）等。他使用系留式脈搏血氧儀監測術後，骨科患者的脈搏率和 SpO2，其中許多患者接受阿片類藥物治療（Taenzer等人，2010）。他們報告說，營救事件和轉移到 ICU 的次數大大減少。
傳統上，溫度是由護士進行現場檢查的，最近已經開發出膠粘劑補丁，來連續監測皮膚溫度（Michard和Sessler 2018）。最近的一項研究顯示，腋窩可穿戴感測器的溫度值，與手術期間參考食道測量值之間，具有良好的一致性（Pei等人2018）。我們不知道對病房進行過任何評估。
血壓仍然是難以無創，且連續測量的變量。已經開發了幾種容積鉗和眼壓測量法，分別測量手指或 or 骨血壓（Michard 等人 2018a）。這些系統是為手術室設計的。將胸部電極（用於檢測 ECG R 波）和手指脈搏血氧儀（用於檢測周圍脈搏）相結合的其他系統，可以透過估計脈搏波傳播時間的變化，來預測血壓。使用這樣的系統來監測神經科，和神經外科病房患者的 BP、HR、RR 和 SpO2（Weller等人 2018）。他們報告說，快速反應小組的電話數量大大減少了。
此外，當幾個變量一起記錄時，可以將它們組合起來，以計算單個預警得分（EWS）。已經提出了幾種，它們都包括 RR、HR 和收縮壓。有些（例如 NEWS 和 ViEWS）也整合了 SpO2。
EWS 的計算可改善不良事件的預測（Churpek等，2012； Churpek等，2016）。已顯示使用監控系統可自動計算 EWS，並在患者惡化後，立即在尋呼機上提醒臨床醫生與臨床結果獲益相關（Bellomo 等人 2012，Schmid t等人 2015，Subbe 等人2017，Heller等（2018）。
與傳統的預警系統相比，使用連續數據作為輸入的機器學習算法，具有更好地預測臨床惡化，和不良事件的潛力（Hravnak等，2011）。
EWS 的計算可改善不良事件的預測（Churpek等，2012； Churpek等，2016）。已顯示使用監控系統可自動計算 EWS，並在患者惡化後，立即在尋呼機上提醒臨床醫生與臨床結果獲益相關（Bellomo 等人 2012，Schmid t等人 2015，Subbe 等人2017，Heller等（2018）。
與傳統的預警系統相比，使用連續數據作為輸入的機器學習算法，具有更好地預測臨床惡化，和不良事件的潛力（Hravnak等，2011）。
未來發展和成功實施的要求
無線和可穿戴感測器
早期動員是提高術後恢復（ERAS）計劃的關鍵要素之一。身體運動對於在醫療和外科手術環境中，預防血栓形成，併發症和褥瘡很有用。因此，迫切需要無線和可穿戴式感測器，以實現對非臥床患者的連續監測（Michard和Sessler 2018）。
在這方面，無線感測器，觀察和報警系統之間的強大連接性，是關鍵要求（Weenk 等人 2017）。 Wi-Fi 或 3/4 / 5G 連接會因可穿戴設備而消耗大量電池，並且不可預測的中斷，仍將是安全問題。藍牙和 Zigbee 可能不夠堅固，無法處理壁或身體的障礙物，並且未針對大量流數據進行優化。
理想的無線系統是，它確保可靠的信號品質，以及從患者的皮膚，到護理護士的連續數據傳輸，確保高水準的網路安全性，低數據延遲，優化的電池壽命，以及對來自附近其他設備的干擾的抵抗力。不幸的是，這種系統仍有待發明。
在這方面，無線感測器，觀察和報警系統之間的強大連接性，是關鍵要求（Weenk 等人 2017）。 Wi-Fi 或 3/4 / 5G 連接會因可穿戴設備而消耗大量電池，並且不可預測的中斷，仍將是安全問題。藍牙和 Zigbee 可能不夠堅固，無法處理壁或身體的障礙物，並且未針對大量流數據進行優化。
理想的無線系統是，它確保可靠的信號品質，以及從患者的皮膚，到護理護士的連續數據傳輸，確保高水準的網路安全性，低數據延遲，優化的電池壽命，以及對來自附近其他設備的干擾的抵抗力。不幸的是，這種系統仍有待發明。
準確性和誤報
為了確保不會錯過任何惡化的患者，測量精度是必不可少的。可穿戴式感測器的數量正在迅速成長，但是在現實生活中進行的獨立驗證研究仍然很少（Granholm 等人 2016； Weenk 等人2017；Subbe 等人 2018；Bretlerer 等人 2018）。
在這方面，軀幹上的粘貼片，可能比手指夾或鼻感測器更可取。其次，可以使用智慧軟體（例如機器學習算法）過濾剩餘的偽像（Chen 等人，2016年）。第三，應謹慎選擇警報閾值和通知延遲（超過警報閾值時，和發出警報之間的延遲）（Weller 等人 2018）。
易於使用並對工作量產生影響
易用性是臨床採用的關鍵，從最小程度的侵入式感測器到有目的的報警工具，監控系統應為用戶提供無縫、直接的監控系統。如上所述，無線連接的可靠性，對於臨床醫生而言，不應成為問題，而警報消息應自動定向到合適的人，無論是護士、病房醫生、快速反應小組、ICU 成員，還是指揮中心，取決於患者的狀況和當地的護理機構。
假設滿足以上所有條件，病房監控不應增加醫院的工作量，而應重新分配，病房臨床醫生可以管理更多的不良事件（因為他們得到了較早的警報），而重症監護專家則要少。機會還在於防止在仍然是絕大多數病房患者的穩定患者中，進行不合理的抽查。這可能有助於減少護士的工作量，並改善患者的舒適度，睡眠品質和滿意度（Michard 等人 2018b）。
假設滿足以上所有條件，病房監控不應增加醫院的工作量，而應重新分配，病房臨床醫生可以管理更多的不良事件（因為他們得到了較早的警報），而重症監護專家則要少。機會還在於防止在仍然是絕大多數病房患者的穩定患者中，進行不合理的抽查。這可能有助於減少護士的工作量，並改善患者的舒適度，睡眠品質和滿意度（Michard 等人 2018b）。
負擔能力
負擔能力，是醫院採用率的另一個關鍵因素（圖2）。對投資回報率的公平評估，必須考慮到與減少 ICU 轉移次數，和減少住院時間相關的潛在節省。兩項經濟評估研究顯示，在病房中實施連續監控解決方案時，可節省大量資金（Taenzer 等人，2012； Slight等人，2014）。
使用風險分層工具，進行患者選擇，可能有助於優化投資回報率。機器學習算法可以辨識有惡化風險的患者，並幫助選擇那些可能受益於連續監測技術最大的患者（Schmidt 等人，2015； Churpek等人，2016）。
使用風險分層工具，進行患者選擇，可能有助於優化投資回報率。機器學習算法可以辨識有惡化風險的患者，並幫助選擇那些可能受益於連續監測技術最大的患者（Schmidt 等人，2015； Churpek等人，2016）。
結論
在患者迅速惡化，並遭受重大不良事件之前，找到患者可能是提高患者安全性的下一個重要機會（Bates and Zimlichman 2015）。得益於最新的硬體（無線感測器）和軟體（數據過濾和融合、預測分析）的創新，在不引入難以管理的護士工作量的情況下，採用連續病房監控應該成為可能。
除了潛在的臨床益處（更快的康復，更少的 ICU 轉移和更少的意外死亡）之外，這還可以帶來一些後勤保障（新入院的免費病床數量更多）和經濟（縮短住院時間，減少並發症）。
需要進行臨床研究，以進一步調查可穿戴和無線感測器對醫療和外科病房的臨床和經濟影響，並更好地確定哪些患者，可能從這些監測創新中受益最大。
除了潛在的臨床益處（更快的康復，更少的 ICU 轉移和更少的意外死亡）之外，這還可以帶來一些後勤保障（新入院的免費病床數量更多）和經濟（縮短住院時間，減少並發症）。
需要進行臨床研究，以進一步調查可穿戴和無線感測器對醫療和外科病房的臨床和經濟影響，並更好地確定哪些患者，可能從這些監測創新中受益最大。
關鍵點
醫院病房是大多數機構內意外死亡的地方
．在傳統上不受監控的環境中，持續監控有可能提高護理品質
．無線和可穿戴式感測器，非常需要使非臥床患者，實現連續監控
．測量精度是必不可少的，以確保不會錯過任何惡化的患者
．易用性是臨床採用的關鍵，應使監測系統對用戶而言，無縫且直接病房監控，不應增加醫院一級的工作量，而應重新分配，病房臨床醫生可以管理更多的不良事件，而重症監護專家則可以減少
按此回今日3S Market新聞首頁
按此回今日3S Market新聞首頁
0 comments:
張貼留言