臨床決策支持系統(tǒng)在護(hù)理領(lǐng)域應(yīng)用現(xiàn)狀的可視化分析

秦蘭芳，朱怡，陳萍萍

1.浙江中醫(yī)藥大學(xué)第一附屬醫(yī)院（浙江省中醫(yī)院）神經(jīng)康復(fù)科，浙江杭州 310003；2.湖州師范學(xué)院護(hù)理學(xué)院，浙江湖州 313000；3.湖州市第一人民醫(yī)院腎內(nèi)科，浙江湖州 313000

目前，人工智能已被用于解決醫(yī)療管理、患者監(jiān)測、健康干預(yù)等領(lǐng)域的醫(yī)療問題[1]?；谌斯ぶ悄艿呐R床決策支持系統(tǒng)（clinical decision support system，CDSS）近年來受到廣泛關(guān)注，但基于人工智能的CDSS在臨床護(hù)理實(shí)踐中的應(yīng)用仍處于早期階段。文獻(xiàn)計量學(xué)分析可為具有廣闊背景的特定領(lǐng)域提供客觀、系統(tǒng)、全面的分析?；诖?，本文旨在總結(jié)CDSS在護(hù)理領(lǐng)域的研究成果，把握其研究方向和熱點(diǎn)，希望為將來從事CDSS研究的從業(yè)人員提供有用的信息和參考。

1 資料與方法

1.1 數(shù)據(jù)來源

本研究采用Web of Science（WoS）核心數(shù)據(jù)庫檢索相關(guān)文獻(xiàn)，檢索時間為2009年1月1日至2022年4月10日。檢索主題詞為clinical decision support system、decision support system、nursing、nurse，文獻(xiàn)類型選擇articles和reviews。

1.2 方法

兩位研究者獨(dú)立在WoS核心數(shù)據(jù)庫中檢索相關(guān)文獻(xiàn)，以TXT格式下載相關(guān)信息（標(biāo)題、關(guān)鍵詞、作者信息、摘要、出版期刊、參考文獻(xiàn)等），若有分歧通過協(xié)商或?qū)で笸獠繉＜医鉀Q。共檢索獲得文獻(xiàn)2159篇，剔除會議文摘、稿約、新聞報道等類型文獻(xiàn)，最終納入2030篇文獻(xiàn)進(jìn)行文獻(xiàn)計量學(xué)分析。

2 結(jié)果

2.1 發(fā)文量和引用趨勢分析

相關(guān)文獻(xiàn)發(fā)表始于2009年，2009—2013年為研究的初始階段。2014—2019年該領(lǐng)域的發(fā)文量穩(wěn)步增長，但數(shù)量相對較少，說明此階段該領(lǐng)域的發(fā)展相對緩慢，缺乏創(chuàng)造性突破。2019—2021年，護(hù)理CDSS研究進(jìn)入快速發(fā)展階段，2021年發(fā)文量最高達(dá)289篇，論文引用量呈現(xiàn)總體上升趨勢，見圖1。

圖1 2009—2022年發(fā)文量及引用趨勢分析

2.2 期刊分析

所有文獻(xiàn)來自129種不同的期刊，表1顯示發(fā)文量前10的期刊，這些期刊相關(guān)研究發(fā)文量均超過36篇，PLoS One是最高產(chǎn)的期刊（98篇），其次是International Journal of Medical Informatics（68篇）和CIN-Computers Informatics Nursing（58篇），其中Journal of Medical Internet Research的影響因子最高（IF=5.428），CIN-Computers Informatics Nursing影響因子最低（IF=1.985）。

表1 2009—2022年發(fā)文量前10的期刊

2.3 國家分析

通過對國家/地區(qū)的數(shù)據(jù)分析，可確定哪些國家和地區(qū)在該領(lǐng)域具有更大的影響力和最好的研究基礎(chǔ)。研究顯示護(hù)理領(lǐng)域發(fā)表的CDSS相關(guān)文獻(xiàn)來自55個不同的國家。美國排名第一，發(fā)表1140篇，占該領(lǐng)域的53.52%。其次是加拿大（292篇）、英國（270篇）和澳大利亞（269篇）。

2.4 參考文獻(xiàn)分析

引用頻次是反映論文學(xué)術(shù)影響力的重要指標(biāo)，通過對學(xué)科高引用論文的分析可追蹤到領(lǐng)域關(guān)注的焦點(diǎn)。引用頻次居前10位的文獻(xiàn)見表2。為評估該領(lǐng)域的學(xué)科研究結(jié)構(gòu)和發(fā)展路徑，利用CiteSpace生成時間軸視圖，時間軸視圖是一種結(jié)合時間切片和聚類算法的數(shù)據(jù)查看方法。每個集群由類似主題的文獻(xiàn)組成。早期主要包括#0計算機(jī)、#7營養(yǎng)支持和#12智能手機(jī)，最近幾年出現(xiàn)#3機(jī)器學(xué)習(xí)、#4護(hù)理信息、#11警報疲勞和#14姑息治療，見圖2。這些數(shù)據(jù)顯示近年來的研究熱點(diǎn)和趨勢。

表2 高引用文獻(xiàn)分析

圖2 參考文獻(xiàn)時間軸視圖

2.5 關(guān)鍵詞分析

共現(xiàn)頻率最高、引用頻次最多的關(guān)鍵詞可能是該領(lǐng)域研究的熱點(diǎn)。最初，該領(lǐng)域的研究主要集中在臨床決策支持、績效、醫(yī)療差錯和藥物不良事件，從2014年至2018年，研究重點(diǎn)轉(zhuǎn)向老年患者、警報、共享決策、電子病歷、身體活動，2018年之后，交付、流行病學(xué)等關(guān)鍵詞暴發(fā)。2020年以后，主要以戰(zhàn)略、挑戰(zhàn)、負(fù)擔(dān)為主。本研究中，219個關(guān)鍵詞出現(xiàn)超過15次，使用全計數(shù)法生成網(wǎng)絡(luò)可視化地圖，在2004—2022年期間，護(hù)理的暴發(fā)強(qiáng)度最高，其次是質(zhì)量、影響、實(shí)施，表明現(xiàn)階段研究重點(diǎn)已轉(zhuǎn)移到臨床實(shí)踐帶來的影響，見圖3、圖4。

圖3 關(guān)鍵詞暴發(fā)簇

圖4 關(guān)鍵詞網(wǎng)絡(luò)可視化圖

3 討論

3.1 CDSS在護(hù)理領(lǐng)域相關(guān)研究的一般情況

CDSS最早起源于20世紀(jì)70年代，護(hù)理領(lǐng)域CDSS的相關(guān)文獻(xiàn)最早于2009年發(fā)表并逐年增加。在研究初始階段，大多數(shù)研究集中在慢病管理[2-4]，這些研究表明CDSS的使用不僅可提高護(hù)理質(zhì)量使患者受益，且可降低醫(yī)療成本。然而，這一階段的研究報告種類繁多，質(zhì)量較差，缺乏必要的實(shí)施細(xì)節(jié)。2011—2015年，該領(lǐng)域發(fā)文量穩(wěn)步增長。2016—2022年，研究開始關(guān)注CDSS實(shí)施過程中的相關(guān)障礙挑戰(zhàn)[5-6]；表明該領(lǐng)域從探索性臨床研究向臨床實(shí)踐轉(zhuǎn)變，并對引入和使用過程中可能涉及的問題進(jìn)行深入討論[5-9]。本研究發(fā)現(xiàn)，PLoS One（美國）在該領(lǐng)域內(nèi)的發(fā)文量排名第一，其次是International Journal of Medical Informatics（愛爾蘭）和CINComputers Informatics Nursing（美國），表明這些期刊對護(hù)理領(lǐng)域的CDSS研究文獻(xiàn)特別感興趣。美國和加拿大是這一研究領(lǐng)域的主要參與者，尤其是美國，發(fā)文量超過半數(shù)，說明美國在護(hù)理CDSS研究這一領(lǐng)域極具影響力。

3.2 CDSS在護(hù)理領(lǐng)域研究的主題演變、研究熱點(diǎn)

本研究中，參考文獻(xiàn)可提供豐富有用的信息以了解護(hù)理領(lǐng)域CDSS研究知識結(jié)構(gòu)的演變。從表2可以看出，排名前10位的文獻(xiàn)大多集中在CDSS從理論到臨床實(shí)踐的探索及CDSS對醫(yī)療質(zhì)量和成本的影響。一篇文獻(xiàn)引用的次數(shù)越多，說明它在某個領(lǐng)域的重要性就越大。本研究發(fā)現(xiàn)，引用文獻(xiàn)主要來自排名居前的期刊，且多為對CDSS臨床應(yīng)用效果的綜述，這些研究表明雖然CDSS的應(yīng)用在增加工作便捷度等方面顯示出益處，但其效果仍存在爭議，需要更多高質(zhì)量的研究來提供證據(jù)[10-11]。CDSS哪些方面可為患者帶來更大的益處是未來研究的方向。

關(guān)鍵詞共現(xiàn)分析可洞察某一領(lǐng)域內(nèi)研究熱點(diǎn)的分布與演化及未來的發(fā)展趨勢，圍繞著護(hù)理、影響、實(shí)施、結(jié)果、質(zhì)量構(gòu)成CDSS在護(hù)理領(lǐng)域相關(guān)研究的核心，發(fā)文多集中在分析CDSS在臨床中的應(yīng)用，包括傷口管理、感染風(fēng)險預(yù)測、血糖控制、凝血管理、肥胖篩查、跌倒和壓瘡的預(yù)防管理、智能提醒和警報等方面[12-20]；分析結(jié)果表明，CDSS在臨床實(shí)踐中遇到的挑戰(zhàn)和負(fù)擔(dān)及應(yīng)對策略是當(dāng)前的研究熱點(diǎn)。

3.3 未來展望與挑戰(zhàn)

護(hù)理信息學(xué)是一門新興的交叉學(xué)科。隨著大數(shù)據(jù)時代的到來，信息技術(shù)可能為護(hù)理領(lǐng)域帶來極大的機(jī)遇和發(fā)展空間。研究表明，在臨床環(huán)境中使用CDSS可提高護(hù)理質(zhì)量，并為支持循證實(shí)踐提供確鑿的證據(jù)[20-22]。在美國，由于“減少浪費(fèi)”和“改善結(jié)果”，在醫(yī)療保健領(lǐng)域使用大數(shù)據(jù)每年可節(jié)省數(shù)十億美元的支出。在這種情況下，CDSS是提供良好臨床護(hù)理的有用工具。研究表明，必須解決的首個挑戰(zhàn)是獲得高質(zhì)量的數(shù)據(jù)，并整合到臨床過程中。醫(yī)療數(shù)據(jù)的復(fù)雜性使得數(shù)據(jù)質(zhì)量問題愈加明顯，因?yàn)槿鄙?、不正確或模糊的信息可導(dǎo)致無用甚至有害的結(jié)果[23]。在考慮實(shí)施CDSS之前深入思考如何更好地與臨床工作流程相融合是這些系統(tǒng)進(jìn)入臨床實(shí)踐的關(guān)鍵。本研究發(fā)現(xiàn)基于人工智能的決策支持工具面臨著法律和監(jiān)管方面的挑戰(zhàn)。法律問題多年來一直困擾著決策支持系統(tǒng)，而缺乏涉及醫(yī)療人工智能的判例法使得醫(yī)療責(zé)任的劃分變得復(fù)雜。許多醫(yī)務(wù)工作者擔(dān)心患者的安全水平及其對人工智能診斷錯誤所承擔(dān)的法律責(zé)任。因此，醫(yī)療事故相關(guān)法律責(zé)任和政策仍是將人工智能應(yīng)用于日常實(shí)踐的重大障礙。建議對當(dāng)前和未來的護(hù)士隊(duì)伍與領(lǐng)導(dǎo)進(jìn)行培訓(xùn)和教育，使他們成為CDSS的熟練應(yīng)用者，人工智能工具可通過利用大量數(shù)據(jù)，在合適的時間、為合適的患者提供個性化護(hù)理，從而改變醫(yī)療護(hù)理實(shí)踐。

本研究使用文獻(xiàn)計量學(xué)方法對護(hù)理領(lǐng)域CDSS相關(guān)研究文獻(xiàn)進(jìn)行分析，目前CDSS在臨床護(hù)理中的應(yīng)用還處于初級階段，仍面臨著諸多挑戰(zhàn)，迫切需要開展更多高質(zhì)量的研究以提高臨床護(hù)理質(zhì)量和護(hù)士工作效率，減輕工作負(fù)擔(dān)。