引用本文： 賈鵬麗, 張鳴明. 臨床決策輔助系統減少藥物差錯的系統評價再評價. 中國循證醫學雜志, 2020, 20(3): 317-324. doi: 10.7507/1672-2531.201906066 復制
藥物差錯是非常普遍且嚴重的臨床問題[1]，也是危害患者安全的首要問題。醫生、護士、藥師和患者在復雜的醫療環境中都可能犯錯。有研究表明許多藥物差錯可以避免[2]，采用各種新信息技術如臨床決策輔助系統（clinical decision support system，CDSS）等可減少藥物差錯。自 1999 年《To Err is Human》一書發表以來，CDSS 被認為是減少藥物差錯、改善藥物安全的首選干預措施之一[3]。
根據美國衛生健康研究與質量管理所（agency for healthcare research and quality，AHRQ）的定義，CDSS 指在衛生保健過程中任何用來改善臨床診斷和治療決定的系統，將患者的個體特征信息與一個計算機知識庫根據特定的模塊和規則進行匹配，通過軟件計算產生每個患者的個體化建議；醫生根據計算機產生的建議，結合自己的判斷和臨床經驗，同時征求患者個人的意愿，最后對患者做出合理的診斷和治療[4]。CDSS 改善藥物安全需要 3 個互補活動：差錯預防、差錯明朗化、減少差錯影響[5]。計算機輔助決策系統不僅可在差錯發生前進行預警，還可對發生的差錯進行診斷、評論以防止同類差錯的重復發生[6]。
系統評價（systematic review，SR）再評價是全面收集同一疾病或同一健康問題的病因、診斷、治療或預后等方面的相關 SR 進行再評價的一種綜合研究方法，可使讀者快速瀏覽有關特定決策的現有干預措施，為決策者提供綜合證據。特別在缺少直接證據比較的情況下，SR 再評價可為決策者提供間接比較證據，回答單個 SR 很難給出的答案[7]。近年來，有 SR 再評價顯示了 CDSS 對醫生績效和患者預后的益處[4]。CDSS 對不良反應和藥物安全性的影響已有 SR 發表[8]。但多篇 SR 結論不一致，尚無有關 CDSS 用于減少藥物差錯的 SR 再評價。因此，本研究對 CDSS 應用于減少藥物差錯、改善藥物安全的 SR 進行再評價，以期為如何開展相關 CDSS 研究提供建議。
1 資料與方法
1.1 納入與排除標準
1.1.1 研究類型
SR。
1.1.2 研究對象
醫療服務提供者，包括臨床醫生、醫技工作者、護士、藥師、醫學生等。
1.1.3 干預措施
CDSS。
1.1.4 結局指標
① 與藥物安全相關的過程結局指標，如藥物差錯、不良藥物事件等；② 患者安全指標。
1.1.5 排除標準
① 重復發表的研究；② 非中、英文研究。
1.2 文獻檢索策略
計算機檢索 PubMed、EMbase、The Cochrane Library、CBM、WanFang Data、VIP 和 CNKI 數據庫，搜集臨床決策輔助系統應用于藥物差錯、藥物安全領域的 SR，檢索時間均為 1996 年 1 月至 2018 年 11 月。檢索采用主題詞和關鍵詞相結合的方式進行，并根據不同數據庫特點進行調整。追蹤相關綜述和納入文獻的參考文獻，以補充獲取相關文獻。中文檢索詞包括：臨床決策輔助系統、藥物差錯、藥物安全、系統評價、Meta 分析等；英文檢索詞包括：medical order entry systems、computer assisted decision-making、decision support systems、clinical、electronic prescribing、computerized order entry、diagnosis、computer-assisted、decision-support systems、systematic reviews、meta-analysis、medical error 等。以 PubMed 為例，其具體檢索策略見框 1。
1.3 文獻篩選與資料提取
由 2 名研究者獨立篩選文獻、提取資料并交叉核對。如有分歧，則通過討論或與第三方協商解決。文獻篩選時首先閱讀文題，在排除明顯不相關的文獻后，進一步閱讀摘要和全文，根據 Cochrane 干預性 SR 指導手冊提供的判斷清單[7]，判斷納入文獻是否為 SR。資料提取內容包括：① 納入 SR 的基本信息：文章第一作者、國家、發表雜志、樣本大小、所涉及的藥物或疾病、基金資助情況等；② 研究設計：SR 納入的原始研究類型，包括隨機對照試驗（randomized controlled trial，RCT）和非隨機對照試驗（non-randomized controlled trial，Non-RCT）；③ 研究對象：醫生、護士、藥師、醫學生等；④ 結局指標：根據納入研究的文獻特點，將研究結局指標分為過程結局和患者結局 2 大類[8]。
1.4 方法學質量評價
采用 AMSTAR 標準對納入研究進行方法學質量評價。每個條目設定選項“是”、“部分滿足”、“否、無法回答或不適合”，分別賦值 1、0.5 和 0 分[9]，根據總分高低進行質量分級：低質量：4 分以下；中等質量：5～8 分；高質量：9～11 分[10]。
將每個 SR 的證據質量進行分級[9]：① 證據充分：SR 所納入的研究類型為 RCT，且至少 50% 為有效；② 證據有限：SR 所納入的研究類型為 RCT，且 40%～50% 為有效，或所納入的研究類型為 Non-RCT，且至少 50% 為有效；③ 證據不充分：SR 所納入的研究類型為 Non-RCT，或所納入的研究中少于 40% 為有效。
1.5 統計分析
采用定性描述的方法，對納入的文獻按研究對象、目標人群、目標藥物或疾病、研究設計和結局等級進行總結。
2 結果
2.1 文獻篩選流程及結果
初檢共獲得相關文獻 8 746 篇。經逐層篩選，最終納入 20 篇 SR[11-30]。文獻篩選流程及結果見圖 1。
圖1
文獻篩選流程及結果
*所檢索的數據庫及檢出文獻數具體如下：PubMed（
2.2 納入研究的基本特征
納入研究的基本特征見表 1。
表1
納入研究的基本特征
2.3 納入研究的方法學質量評價結果
納入研究的質量評價結果見表 2。方法學質量評分最低 7.5 分，最高 10.5 分，平均 8.25 分。納入 SR 中，高質量 4 個，中等質量 16 個。大部分 SR 在條目 3（是否實施廣泛全面的文獻檢索）、條目 4（發表情況是否已考慮在納入標準中，如灰色文獻）、條目 5（是否提供了納入和排除的研究文獻清單）上為“部分滿足”。所有研究都說明了是否存在相關利益沖突。6 個 SR 的質量評價標準為“10 分量表”，3 個 SR 的質量評價標準為“Cochrane 有效實踐與組織護理方法學組標準”，2 個 SR 的質量評價標準為“Cochrane 偏倚風險評估工具”，1 個 SR 的質量評價標準為“唐斯和布萊克工具”。
表2
納入研究的方法學質量評價結果
2.4 CDSS 對過程結局和患者結局的影響
2.4.1 對過程結局的影響
19 個 SR報告了多個過程結局[11-29]。其中 9 個 SR[13, 15-22]證據充分，證明 CDSS 對過程結局有積極影響：提高醫生對計算機預警的依從性[13, 16]、改善藥物相關結局[13, 16-21]、改善慢性患者藥物依從性[17, 19]、減少處方相關的藥物差錯[16, 18-22]、使治療性藥物的劑量監管更合理化[17, 18]、促進了藥物管理[20, 22]。6 個 SR[11, 12, 14, 23-25]證據有限，證明 CDSS 對過程結局有積極的影響：減少劑量相關藥物差錯[11, 12, 14, 24]、處方相關藥物差錯[24, 25]、醫院的藥物監管錯誤[14, 25]。6 個 SR[23, 24, 26-29]沒有充分證據證明 CDSS 對過程結局有積極影響。結果見表 3。
表3
臨床決策輔助系統對過程結局和患者結局的影響及證據分級
2.4.2 對患者結局的影響
13 個 SR報告了患者結局[11-18, 22-24, 27, 30]。其中 1 個 SR[16]證據充分，證明 CDSS 可以減少患者住院天數和出血事件。3 個 SR[11, 22, 24]證據有限，證明 CDSS 對患者結局有積極的影響：降低患者住院率[24]、降低患者死亡率以及出血事件[11]、降低出血并發癥[22]。9 個 SR[12,13, 15,17, 18,23,27,29,30]沒有充分證據證明 CDSS 對患者結局有積極的影響。結果見表 3。
3 討論
CDSS 已廣泛應用于醫療衛生領域。本研究首次對 CDSS 減少藥物差錯、改善藥物安全進行了 SR 再評價。多數研究的結局指標為藥物相關的中間結局（如：血清濃度、生理指標的改變、藥物濃度、血壓），只有少數研究直接將藥物差錯、不良反應作為結局指標。相關研究表明，CDSS 可以通過改善藥物相關的中間結局，最終減少藥物差錯、改善藥物安全[3]。因此，CDSS 對減少藥物差錯、促進藥物安全的影響可以是直接的，也可以是間接的。
在納入的 20 個 SR 中，95% 的研究報道了過程結局，并且多數研究有充分證據證明 CDSS 對過程結局有積極影響，這與 Bayoumi 等[18]的研究結果類似。有研究[9]發現，CDSS 可顯著改善參與者的藥物依從性。臨床醫生對計算機系統藥物建議的依從性取決于多方面的因素：① 計算機在衛生保健領域應用的普及程度；② 臨床醫生的計算機水平；③ 臨床醫生對計算機建議的接受度。同時，臨床醫生對計算機建議的接受度取決于計算機化建議的特異性，特異性越高，接受度越高，反之則很容易被臨床醫生忽略[12]。CDSS 可以顯著改善處方相關結局，其通過警報、解釋、評論、協助、診斷、管理來協助醫生進行正確，合理的處方行為，為醫生提供客觀建議[11]。
在納入的 20 個 SR 中，65% 的研究報道了患者結局，且大部分研究沒有充分證據證明 CDSS 對患者結局有積極影響。這可能與原始研究的樣本量不足有關[9]。同時，隨訪時間也是一個重要的影響因素[8]。大部分研究的隨訪時間太短，而患者相關結局，如死亡、出血、住院等，都需長時間隨訪，且這些結局更容易受到其他因素的影響，不容易被觀察到。本研究還發現：與患者相關的結局大多與計算機藥物劑量系統有關。CDSS 可以很容易地獲得決策所需要的數據，為患者提供注意事項和提示語言，輔助醫生進行診斷和輸入適當的藥物劑量，在新的患者數據模型得到公認時提示臨床醫生[30]。決策支持系統可為每位患者提供有針對性的藥物劑量建議，因此節省了醫生的時間，促進醫生高效率工作，更好地為患者服務[31]。因此，CDSS 協助醫生完成慢行疾病的管理和質量，如糖尿病的提早預警、管理和質量。通過該系統的預警、診斷、管理功能，可以實現慢行疾病的早期診斷、治療、控制，從而改善患者的生存質量[9]。
本研究的局限性：① 由于納入的 SR 在對照人群的選擇、研究對象、方法學及結局指標等方面都存在異質性，且同一結局指標的研究數量有限，本研究采用了定性方法來綜合研究結果，存在一定的主觀性；② 本研究將結果的證據質量分為“證據充分”、“證據有限”、“證據不充分”3 個等級，可能會低估 CDSS 的效果；③ 將所有納入研究都用于評估干預措施的效果時，將低質量和高質量研究賦予的權重相同，可能影響研究結果準確性；④ 我們將納入研究的方法學質量分為高、中、低，但打分的標準仍存在爭議。
綜上所述，臨床決策輔助系統可顯著改善與藥物相關的過程結局，但對患者結局的影響僅 1 個 SR 證據充分支持，目前尚不能確定，仍需大樣本、長期隨訪的研究來證實。
藥物差錯是非常普遍且嚴重的臨床問題[1]，也是危害患者安全的首要問題。醫生、護士、藥師和患者在復雜的醫療環境中都可能犯錯。有研究表明許多藥物差錯可以避免[2]，采用各種新信息技術如臨床決策輔助系統（clinical decision support system，CDSS）等可減少藥物差錯。自 1999 年《To Err is Human》一書發表以來，CDSS 被認為是減少藥物差錯、改善藥物安全的首選干預措施之一[3]。
根據美國衛生健康研究與質量管理所（agency for healthcare research and quality，AHRQ）的定義，CDSS 指在衛生保健過程中任何用來改善臨床診斷和治療決定的系統，將患者的個體特征信息與一個計算機知識庫根據特定的模塊和規則進行匹配，通過軟件計算產生每個患者的個體化建議；醫生根據計算機產生的建議，結合自己的判斷和臨床經驗，同時征求患者個人的意愿，最后對患者做出合理的診斷和治療[4]。CDSS 改善藥物安全需要 3 個互補活動：差錯預防、差錯明朗化、減少差錯影響[5]。計算機輔助決策系統不僅可在差錯發生前進行預警，還可對發生的差錯進行診斷、評論以防止同類差錯的重復發生[6]。
系統評價（systematic review，SR）再評價是全面收集同一疾病或同一健康問題的病因、診斷、治療或預后等方面的相關 SR 進行再評價的一種綜合研究方法，可使讀者快速瀏覽有關特定決策的現有干預措施，為決策者提供綜合證據。特別在缺少直接證據比較的情況下，SR 再評價可為決策者提供間接比較證據，回答單個 SR 很難給出的答案[7]。近年來，有 SR 再評價顯示了 CDSS 對醫生績效和患者預后的益處[4]。CDSS 對不良反應和藥物安全性的影響已有 SR 發表[8]。但多篇 SR 結論不一致，尚無有關 CDSS 用于減少藥物差錯的 SR 再評價。因此，本研究對 CDSS 應用于減少藥物差錯、改善藥物安全的 SR 進行再評價，以期為如何開展相關 CDSS 研究提供建議。
1 資料與方法
1.1 納入與排除標準
1.1.1 研究類型
SR。
1.1.2 研究對象
醫療服務提供者，包括臨床醫生、醫技工作者、護士、藥師、醫學生等。
1.1.3 干預措施
CDSS。
1.1.4 結局指標
① 與藥物安全相關的過程結局指標，如藥物差錯、不良藥物事件等；② 患者安全指標。
1.1.5 排除標準
① 重復發表的研究；② 非中、英文研究。
1.2 文獻檢索策略
計算機檢索 PubMed、EMbase、The Cochrane Library、CBM、WanFang Data、VIP 和 CNKI 數據庫，搜集臨床決策輔助系統應用于藥物差錯、藥物安全領域的 SR，檢索時間均為 1996 年 1 月至 2018 年 11 月。檢索采用主題詞和關鍵詞相結合的方式進行，并根據不同數據庫特點進行調整。追蹤相關綜述和納入文獻的參考文獻，以補充獲取相關文獻。中文檢索詞包括：臨床決策輔助系統、藥物差錯、藥物安全、系統評價、Meta 分析等；英文檢索詞包括：medical order entry systems、computer assisted decision-making、decision support systems、clinical、electronic prescribing、computerized order entry、diagnosis、computer-assisted、decision-support systems、systematic reviews、meta-analysis、medical error 等。以 PubMed 為例，其具體檢索策略見框 1。
1.3 文獻篩選與資料提取
由 2 名研究者獨立篩選文獻、提取資料并交叉核對。如有分歧，則通過討論或與第三方協商解決。文獻篩選時首先閱讀文題，在排除明顯不相關的文獻后，進一步閱讀摘要和全文，根據 Cochrane 干預性 SR 指導手冊提供的判斷清單[7]，判斷納入文獻是否為 SR。資料提取內容包括：① 納入 SR 的基本信息：文章第一作者、國家、發表雜志、樣本大小、所涉及的藥物或疾病、基金資助情況等；② 研究設計：SR 納入的原始研究類型，包括隨機對照試驗（randomized controlled trial，RCT）和非隨機對照試驗（non-randomized controlled trial，Non-RCT）；③ 研究對象：醫生、護士、藥師、醫學生等；④ 結局指標：根據納入研究的文獻特點，將研究結局指標分為過程結局和患者結局 2 大類[8]。
1.4 方法學質量評價
采用 AMSTAR 標準對納入研究進行方法學質量評價。每個條目設定選項“是”、“部分滿足”、“否、無法回答或不適合”，分別賦值 1、0.5 和 0 分[9]，根據總分高低進行質量分級：低質量：4 分以下；中等質量：5～8 分；高質量：9～11 分[10]。
將每個 SR 的證據質量進行分級[9]：① 證據充分：SR 所納入的研究類型為 RCT，且至少 50% 為有效；② 證據有限：SR 所納入的研究類型為 RCT，且 40%～50% 為有效，或所納入的研究類型為 Non-RCT，且至少 50% 為有效；③ 證據不充分：SR 所納入的研究類型為 Non-RCT，或所納入的研究中少于 40% 為有效。
1.5 統計分析
采用定性描述的方法，對納入的文獻按研究對象、目標人群、目標藥物或疾病、研究設計和結局等級進行總結。
2 結果
2.1 文獻篩選流程及結果
初檢共獲得相關文獻 8 746 篇。經逐層篩選，最終納入 20 篇 SR[11-30]。文獻篩選流程及結果見圖 1。
圖1
文獻篩選流程及結果
*所檢索的數據庫及檢出文獻數具體如下：PubMed（
2.2 納入研究的基本特征
納入研究的基本特征見表 1。
表1
納入研究的基本特征
2.3 納入研究的方法學質量評價結果
納入研究的質量評價結果見表 2。方法學質量評分最低 7.5 分，最高 10.5 分，平均 8.25 分。納入 SR 中，高質量 4 個，中等質量 16 個。大部分 SR 在條目 3（是否實施廣泛全面的文獻檢索）、條目 4（發表情況是否已考慮在納入標準中，如灰色文獻）、條目 5（是否提供了納入和排除的研究文獻清單）上為“部分滿足”。所有研究都說明了是否存在相關利益沖突。6 個 SR 的質量評價標準為“10 分量表”，3 個 SR 的質量評價標準為“Cochrane 有效實踐與組織護理方法學組標準”，2 個 SR 的質量評價標準為“Cochrane 偏倚風險評估工具”，1 個 SR 的質量評價標準為“唐斯和布萊克工具”。
表2
納入研究的方法學質量評價結果
2.4 CDSS 對過程結局和患者結局的影響
2.4.1 對過程結局的影響
19 個 SR報告了多個過程結局[11-29]。其中 9 個 SR[13, 15-22]證據充分，證明 CDSS 對過程結局有積極影響：提高醫生對計算機預警的依從性[13, 16]、改善藥物相關結局[13, 16-21]、改善慢性患者藥物依從性[17, 19]、減少處方相關的藥物差錯[16, 18-22]、使治療性藥物的劑量監管更合理化[17, 18]、促進了藥物管理[20, 22]。6 個 SR[11, 12, 14, 23-25]證據有限，證明 CDSS 對過程結局有積極的影響：減少劑量相關藥物差錯[11, 12, 14, 24]、處方相關藥物差錯[24, 25]、醫院的藥物監管錯誤[14, 25]。6 個 SR[23, 24, 26-29]沒有充分證據證明 CDSS 對過程結局有積極影響。結果見表 3。
表3
臨床決策輔助系統對過程結局和患者結局的影響及證據分級
2.4.2 對患者結局的影響
13 個 SR報告了患者結局[11-18, 22-24, 27, 30]。其中 1 個 SR[16]證據充分，證明 CDSS 可以減少患者住院天數和出血事件。3 個 SR[11, 22, 24]證據有限，證明 CDSS 對患者結局有積極的影響：降低患者住院率[24]、降低患者死亡率以及出血事件[11]、降低出血并發癥[22]。9 個 SR[12,13, 15,17, 18,23,27,29,30]沒有充分證據證明 CDSS 對患者結局有積極的影響。結果見表 3。
3 討論
CDSS 已廣泛應用于醫療衛生領域。本研究首次對 CDSS 減少藥物差錯、改善藥物安全進行了 SR 再評價。多數研究的結局指標為藥物相關的中間結局（如：血清濃度、生理指標的改變、藥物濃度、血壓），只有少數研究直接將藥物差錯、不良反應作為結局指標。相關研究表明，CDSS 可以通過改善藥物相關的中間結局，最終減少藥物差錯、改善藥物安全[3]。因此，CDSS 對減少藥物差錯、促進藥物安全的影響可以是直接的，也可以是間接的。
在納入的 20 個 SR 中，95% 的研究報道了過程結局，并且多數研究有充分證據證明 CDSS 對過程結局有積極影響，這與 Bayoumi 等[18]的研究結果類似。有研究[9]發現，CDSS 可顯著改善參與者的藥物依從性。臨床醫生對計算機系統藥物建議的依從性取決于多方面的因素：① 計算機在衛生保健領域應用的普及程度；② 臨床醫生的計算機水平；③ 臨床醫生對計算機建議的接受度。同時，臨床醫生對計算機建議的接受度取決于計算機化建議的特異性，特異性越高，接受度越高，反之則很容易被臨床醫生忽略[12]。CDSS 可以顯著改善處方相關結局，其通過警報、解釋、評論、協助、診斷、管理來協助醫生進行正確，合理的處方行為，為醫生提供客觀建議[11]。
在納入的 20 個 SR 中，65% 的研究報道了患者結局，且大部分研究沒有充分證據證明 CDSS 對患者結局有積極影響。這可能與原始研究的樣本量不足有關[9]。同時，隨訪時間也是一個重要的影響因素[8]。大部分研究的隨訪時間太短，而患者相關結局，如死亡、出血、住院等，都需長時間隨訪，且這些結局更容易受到其他因素的影響，不容易被觀察到。本研究還發現：與患者相關的結局大多與計算機藥物劑量系統有關。CDSS 可以很容易地獲得決策所需要的數據，為患者提供注意事項和提示語言，輔助醫生進行診斷和輸入適當的藥物劑量，在新的患者數據模型得到公認時提示臨床醫生[30]。決策支持系統可為每位患者提供有針對性的藥物劑量建議，因此節省了醫生的時間，促進醫生高效率工作，更好地為患者服務[31]。因此，CDSS 協助醫生完成慢行疾病的管理和質量，如糖尿病的提早預警、管理和質量。通過該系統的預警、診斷、管理功能，可以實現慢行疾病的早期診斷、治療、控制，從而改善患者的生存質量[9]。
本研究的局限性：① 由于納入的 SR 在對照人群的選擇、研究對象、方法學及結局指標等方面都存在異質性，且同一結局指標的研究數量有限，本研究采用了定性方法來綜合研究結果，存在一定的主觀性；② 本研究將結果的證據質量分為“證據充分”、“證據有限”、“證據不充分”3 個等級，可能會低估 CDSS 的效果；③ 將所有納入研究都用于評估干預措施的效果時，將低質量和高質量研究賦予的權重相同，可能影響研究結果準確性；④ 我們將納入研究的方法學質量分為高、中、低，但打分的標準仍存在爭議。
綜上所述，臨床決策輔助系統可顯著改善與藥物相關的過程結局，但對患者結局的影響僅 1 個 SR 證據充分支持，目前尚不能確定，仍需大樣本、長期隨訪的研究來證實。
