|
|
计算机能够帮我们更好地控制抗生素使用么?| BMC Journal |
|
论文标题:Evaluating the impact of the ICNET® clinical decision support system for antimicrobial stewardship
期刊:Antimicrobial Resistance & Infection Control
作者:Katie L. Heard, Stephen Hughes, Nabeela Mughal, Berge S. Azadian and Luke S. P. Moore
发表时间:2019/03/06
数字识别码:10.1186/s13756-019-0496-4
原文链接:http://t.cn/AiN7w1vc
微信链接:https://mp.weixin.qq.com/s/uz320b3s81mZSHteWTy33Q
抗菌药物管理计划旨在确保合理使用抗生素,以平衡患者需求和抗生素的普遍使用所导致的抗菌素耐药性影响。最近在Antimicrobial Resistance & Infection Control 上发表的一项研究检测了计算机化决策支持系统在改进抗菌药物管理计划方面的有效性。该研究的作者Stephen Hughes等在此讨论了这项最新的研究结果,强调了为何改善抗菌药物管理计划如此重要。
© chagpg / stock.adobe.com
大家可能都知道,一个成功的抗菌药物管理计划(antimicrobial stewardship program,AMS)应旨在改善患者的治疗结果,提高用药安全性,并降低抗菌素耐药性(antimicrobial resistance,AMR)对患者和全社会的影响。然而,如何实施一个成功的、适应性强的抗菌药物管理计划目前并不清楚。
以往的研究已证实,限制抗菌药物使用的计划可以在短期内限制不适当的使用抗菌药物,并改善患者的预后。然而,这种干预措施对于建立抗菌药物管理计划团队和一线临床医生之间长期合作关系的影响仍不明确。二者之间有时会出现分裂,导致长期合作失败。
最近的脓毒症宣传运动中,英国国家卫生和临床优化研究所(NICE)发表了的脓毒症指南,以及漏诊感染的诉讼后果。这一举动可以理解为对医生基于经验开具抗菌药物处方的一种更谨慎的态度和解读。随着我们对诊断不足、多种感染的异质性表现以及对多种耐药生物体认识的提高,我们应该认识到依赖经验处方其实是许多临床医生基于信心的一种冒险。
当以不造成伤害作为抗菌药物应用的目标时,如何平衡患者的需求和超广谱抗菌药物处方带来的社会影响具有一定的挑战性。因此,抗菌药物管理计划需要强大的监测系统,以更好地识别经验性抗菌药物不合适的患者,并根据当前或最近的微生物学结果迅速调整靶向治疗。
抗菌药物管理计划面临的挑战
由于预计有三分之一的患者将会在住院期间的某一时间接受全身性抗菌药物治疗,因此,基于医院的抗菌药物管理计划的规模将会是一个挑战。主要的抗菌药物管理计划团队成员没有资源审查所有患者,以确保处方的适当性。
核查和反馈循环可能会改善抗菌药物管理过程,其周期通常为3~12个月,但对于真正的行为改变来说这种反馈循环仍然太长。相反,实时反馈可以促进处方习惯的改善,并加以纠正,从而最大限度地减少不适当治疗对患者的影响。
随着医疗保健领域的发展和对技术进步的适应,抗菌药物管理计划也必须改变。电子处方和药物管理(Electronic Prescribing and Medicines Administration,EPMA)系统的可用性应能够激励这种改变。目前已经可以实时获得处方信息和患者的特定指标(包括炎症标志物、最近的微生物学和药敏结果以及生理学观察结果),便于医生做出明智的抗菌药物处方决策。通过使用计算机化的决策支持系统,抗菌药物管理团队能够快速识别患者进行有针对性的检查。
测试计算机化的决策支持系统
最近我们将一种计算机化的决策支持系统(ICNET®Pharmacy)引入临床实践来检验以上假设。使用自动警报,目标患者会被“推送”至抗菌药物管理团队进行及时审查。例如,根据动态反馈,抗菌药物管理团队能够在几分钟内识别出被临床医生根据当地的指南和经验,经验性启动头孢菌素治疗的ESBL大肠杆菌感染患者,并调整其处方。
抗菌药物管理团队可以快速识别出任何偏离指南的处方,然后与上级治疗团队讨论这个问题。偏离指南的处方很少是在无视指南的情况下开具的,这些处方通常反映了对患者具体案例的真正关注。
在这里,抗菌药物管理团队可以与上级团队合作,提出最合适的治疗方案建议,并让处方者放心。这种合作使上级团队能够建立他们的抗菌药物管理知识和信心,使他们能够承担更多的责任,以应对患者的抗菌药物管理风险,并改变组织内的抗菌药物管理行为。
我们试用的计算机化决策支持系统是基于网络的,需要的技术投入最少,并会将患者“推送”给抗菌药物管理团队进行审查。识别需要审查的患者所需的时间很短,使抗菌药物管理团队能够从基于办公室活动发展到基于病房的服务。现在,与患者和临床团队进行床尾会诊已成为常态。计算机化决策支持系统可以提高效率且不会影响人力资源的配置,将服务扩展至整个医院,包括传统抗菌药物管理系统较少服务的产科病房和儿科病房。
除了我们在Antimicrobial Resistance & Infection Control 上发表的评估报告中提供的客观数据外,我们认为计算机化决策支持系统增强了抗菌药物管理团队的能力,使其从“监督”发展到“能够使”我们的临床团队开具抗菌药物处方。记录显示,纠正不恰当的处方干预次数有所下降,表明临床团队的处方行为发生改变,增加了处方的恰当性。
因此,抗菌药物管理团队的功能已转换成通过干预来优化剂量,在早期治疗失败后升级治疗方案,并促进患者早期出院。这些针对患者的干预措施与英国国家卫生和临床优化研究所基金会信托的优先事项紧密相关,从而进一步支持抗菌药物管理团队的活动。
电子健康和移动健康(mobile health,mHealth)正在迅速发展,目前正在不断开发针对抗菌药物管理和其他医疗保健领域的内部和商业化的计算机化决策支持系统。虽然我们对这些系统在改善患者结局和影响抗菌药物管理趋势方面寄予厚望,但在广泛采用之前,我们坚决主张对此类系统进行多模式评估。我们在Antimicrobial Resistance & Infection Control 上的论文有助于详述这一领域,期待进一步评估计算机化决策支持系统的发展和在临床实践中的整合。
摘要:
Background
Antimicrobial resistance (AMR) is an ecological and economic crisis and stewardship of available antimicrobials is required. Electronic prescribing, where available, enables auditing of practice, yet in order to be efficient and effective in addressing inappropriate antimicrobial prescribing, better use of current and new technological interventions is needed. This retrospective observational evaluation looked at the impact of a commercial clinical decision support system (CDSS) on the workflow of an established antimicrobial stewardship (AMS) team.
Material/methods
Clinical, workflow, and pharmaceutical data from 3 months post implementation of CDSS were collated, and compared to the same 3 month periods in preceding years. The evaluation considered total interventions made, the types of intervention made, impact of said interventions, and time spent executing interventions. All antimicrobial data were adjusted for total daily defined doses (DDD) of intravenous antimicrobials.
Results
Productivity: In the 3 month evaluation period (Jun-Aug 2016) a total of 264 case reviews resulting in 298 AMS interventions were made. Compared to preceding years where 138 and 169 interventions were made (2013 and 2014 respectively). In 2013 49% of interventions were stopping medication and 30% change of therapy based on cultures and sensitivities compared to 25 and 17% in 2016. In contrast to previous years’, the CDSS instead enabled a greater number of dose/drug optimisation (13%), escalation of antimicrobials (12%) and intravenous (IV) to oral switch (11%) interventions.
Patient Identification: Despite increased patient numbers post-CDSS, on average 46 min per day was spent compiling a patient list for review, compared to 59 min in 2014. The use of CDSS facilitated 15 interventions/1000DDD, compared to pre-intervention (9.4/1000DDD in 2013; 11.5/1000DDD in 2014).
Conclusions
Initial evaluation of the impact of this CDSS on AMS at the organisation has demonstrated effectiveness in terms of case finding, AMS team productivity, and workflow auditing. More importantly, patient infection management has been optimised with a shift in the emphasis of AMS interventions. It has contributed to the success of the healthcare provider achieving nationally set remunerated AMS targets.
阅读论文全文请访问:
http://t.cn/AiN7w1vc
期刊介绍:
Antimicrobial Resistance and Infection Control(https://aricjournal.biomedcentral.com/,3.568 - 2-year Impact Factor, 3.526 - 5-year Impact Factor) is a global forum for all those working on the prevention, diagnostic and treatment of health-care associated infections and antimicrobial resistance development in all health-care settings. The journal covers a broad spectrum of preeminent practices and best available data to the top interventional and translational research, and innovative developments in the field of infection control.
(来源:科学网)
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。