摘要
目的： 本研究旨在运用医疗大数据构建用于降低上感患者临床不确定性的风险预测模型,通过降低患者的临床不确定性减少村医不合理的防御性抗生素使用行为;并在村卫生室开展整群随机对照试验，验证风险预测模型降低上感患者临床不确定性和促进抗生素合理使用的效果;最终提出符合我国农村地区基层医疗机构实际情况的抗生素合理使用新策略，实现促进抗生素合理使用和减缓耐药产生的控制目标。 方法： 本课题为国家自然基金委2021年的资助项目“降低呼吸道感染临床不确定性的风险预测模型构建及在促进基层抗生素合理使用的评价研究”(项目号:72174109),研究内容分为三个阶段，每个阶段使用的研究方法如下: 第一阶段，识别影响上感临床不确定性的危险因素并构建指标体系。依次采用文献分析、关键人物访谈和德尔菲专家咨询法收集数据。采用文献综述法、内容分析法和Colaizzi现象学分析方法分析数据。 第二阶段，基于第一阶段构建的危险因素指标体系，利用在山东国数爱健康大数据中心获取的1373万条上感患者的全流程就诊数据，使用支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)和极端梯度提升(eXtreme Gradient Boosting,XGBoost)三种机器学习算法分别构建降低上感临床不确定性的风险预测模型。采用DeLong检验、AUC、F1值、Kappa系数等指标对模型的准确性、稳定性及一致性等进行评估。选择最优模型并开发以最优风险预测模型为核心的临床辅助决策支持系统(Clinical Decision Support System,CDSS)。 第三阶段，开展整群随机对照试验，评估以应用CDSS为核心的干预措施对促进村医抗生素合理使用的效果。本研究以28家村卫生室的村医为研究对象，将其随机分为干预组和对照组各14家，干预时长为6个月。首先，使用描述性分析、T检验、双重差分法(Difference-in-Diffferences,DID)等方法分析干预前和干预后的处方数据，评估干预措施在促进抗生素合理使用方面的效果。其次，通过变换样本数据时间区间、固定效应模型、随机效应模型等方法进行稳健性检验。最后，使用关键人物访谈和焦点小组讨论的方法评估干预措施在村卫生室应用的可行性和干预措施被村医接纳的程度。 结果： (1)基于文献综述、关键人物访谈和专家咨询，本研究将危险因素归纳到个体特征、既往病史、临床症状和生命体征四个维度，形成由42项危险因素组成的指标体系，该指标体系被用于构建降低上感临床不确定性的风险预测模型。 (2)DeLong统计检验结果表明,XGBoost模型预测准确度和灵敏度显著优于SVM、RF两个模型(p＜0.001);其中，XGBoost风险预测模型的预测准确度、灵敏度、特异度、平衡准确度分别为0.80、0.77、0.84、0.80。同时，XGBoost风险预测模型的Kappa系数也优于SVM、RF两个模型，具体为0.63(＞0.60),表明模型预测结果和实际分类结果的一致性较好。因此，本研究开发了以XGBoost风险预测模型为核心的CDSS。 (3)随机对照干预试验的DID分析结果显示，以应用CDSS为核心的干预措施显著促进了村医抗生素的合理使用，干预措施使医生的抗生素使用率显著降低了约14.3个百分点(p＜0.05),使得抗生素使用率降低为32.5％;同时，干预措施使得医生的抗生素联用率显著降低了约4.4个百分点(p＜0.001)。 (4)干预实施后，干预组的抗生素使用结构得到优化:抗生素以Access类(可用)为主，占78.2％;Watch类(慎用)使用量占比下降，从39.7％下降至21.8％。此外，干预组中草药处方量明显增加(p＜0.001)。 (5)通过对村医进行访谈发现，以应用CDSS为核心的干预措施有效降低了患者的临床不确定性，它通过降低医生对患者预后出现住院风险的担心程度，减少了不必要的抗生素处方行为;CDSS在村医的临床用药过程中发挥了及时有效的指导作用，不仅规范了医生的处方行为，而且增强了医生合理使用抗生素的意识;应用CDSS所需条件与基层医疗机构基础建设水平相匹配，干预措施在村卫生室的可行性高。 结论： (1)机器学习方法和医疗大数据的结合应用显著提高了风险预测模型的预测准确度，保障了 CDSS有效性。其中，医疗大数据为本研究提供了丰富的数据基础，有效改进了因样本量小而使研究结论外推性受限的问题。 (2)通过降低上感患者的临床不确定性可以显著促进村医抗生素的合理使用。村医使用CDSS预测上感患者在不使用抗生素时的住院风险，能够降低其诊疗过程中面临的临床不确定性，进而有效减少了防御性抗生素处方行为。因此，这证明研究假设是成立的，即帮助基层医生有效识别将来发生住院风险低或高的上感患者，可以显著减少抗生素的不必要使用。在实施干预后抗生素使用率出现显著下降的同时，中草药处方率出现明显上升，并呈现出对抗生素的替代效应。 (3)CDSS的应用实现了临床诊疗过程中的“事中”干预，“事中”干预能够持续性促进医生抗生素的合理使用。一方面，可以及时在村医的临床诊疗过程中提供辅助指导;另一方面，还可以通过日常提醒规范村医的用药行为，增强其抗生素合理使用意识，使得促进抗生素合理使用更加常态化。 (4)以应用CDSS为核心的干预措施与农村地区现实条件相适应，有效改善了以往健康教育、处方点评等干预措施推广性差和持续性差的问题。安装基本配置的计算机即可与CDSS兼容，这极大程度上提高了干预措施在基层村卫生室的可推广性。同时,村医因基本公共卫生服务工作而积累的计算机操作能力为CDSS的长期和推广应用奠定了良好的人力基础。 政策建议： (1)在党的二十大“把工作重点放在农村”和《“健康中国2030”规划纲要》“以农村和基层为重点”的时代背景下，各级政府需要重点关注基层，加强基层医疗机构抗生素治理能力建设，通过制定降低上感患者临床不确定性的干预措施或政策长效地促进村卫生室抗生素合理使用。 (2)在村医诊疗过程中提供辅助信息以降低上感患者的临床不确定性，实现促进村卫生室抗生素合理使用的可持续性和常态化发展的目标。在此过程中，应注意两个关键原则: 第一，立足于农村地区基层医疗机构基础建设水平落后和医疗服务能力不足的现实条件，辅助指导的提供形式应与农村地区的现实条件相适应; 第二，加强农村地区基层医疗机构信息化建设，助力抗生素科学管理(使用)。 (3)制定系统性政策，协同发挥“中西医”优势，科学提升中医药对抗生素的替代作用。同时，进一步规范中医药的发展，包括在定价、使用等多个方面。 (4)顺应时代发展，充分利用医疗大数据、人工智能等新产物促进基层医疗机构合理使用抗生素。 (5)各方力量协同合作，通过跨学科合作共同促进抗生素合理使用。 创新与不足： 创新点:(1)本研究立足于村卫生室基础检验设备不完善和医疗服务能力不足的现实条件，以临床不确定性导致基层医生防御性不合理使用抗生素为主要研究问题，将临床关键性危险因素识别、大数据挖掘分析与应用、卫生干预措施评价等研究内容进行跨学科交叉融合，研究成果不仅丰富了本领域的研究资料，还为开发促进农村地区基层医疗机构合理使用抗生素干预策略提供新视角。(2)本研究创新性地使用“医疗大数据+人工智能”的方法构建风险预测模型。一方面，医疗大数据为本研究提供了丰富的数据基础;另一方面，机器学习方法和医疗大数据的结合应用显著提高了模型预测的准确度。(3)本研究以整群随机对照试验为研究设计，使用DID模型评估了以风险预测模型为核心的CDSS在农村地区辅助村医合理使用抗生素的效果，有效控制了干预组与对照组之间分组效应和时间效应，正确地甄别了干预措施与抗生素合理使用之间的因果效应。同时，CDSS与村卫生室信息化建设水平相匹配，通过预测风险高低可以在上感诊疗过程中持续性地为医生提供辅助信息，这不仅实现了医生临床诊疗过程中的“事中”干预，而且有效改善了传统干预持续性差、推广性差的问题。 不足之处:(1)本研究进行了 6个月的随机对照干预试验，干预措施对村医处方行为的影响可能存在滞后性，干预效果可能被低估。我们将进行更长时间的干预研究，从而深入揭示干预措施对基层医生抗生素处方行为的影响。(2)本研究的干预对象是供方村医，旨在提升供方抗生素合理使用水平，但在抗生素不合理使用过程中，需方即居民层面也会发挥作用。缺少需方的研究将限制干预措施促进抗生素合理使用的效果。针对该问题，在未来研究中，拟建立以患者为中心的研究队列，为研究设计的科学实施奠定基础，使研究结论更加可靠、可信。
NETL