文档整合对医疗保健提供者感知工作量和信息协调任务的影响：一项混合方法研究

摘要

背景

信息协调是医疗保健提供者执行的一项常见但复杂且往往耗时的任务。虽然电子健康记录系统可以在电子文档中接收有关患者的“外部信息”，但计算机很少能自动协调所有文档中有关患者的信息。

材料和方法

使用混合方法设计，我们评估了一个信息系统，该系统旨在协调包含从健康信息交换（HIE）网络接收的患者健康记录的多个电子文档中的信息。九家医疗保健提供商参加了基于场景的会议，他们在会上手动整合了多个文档中的信息。衡量合并的准确性，以及在信息系统支持和不支持的情况下完成3种不同对账场景所花费的时间。参与者还参加了关于他们经历的采访。使用NASA-TLX工具定量评估感知工作量。定性分析侧重于供应商对系统的印象以及在实践中协调信息时面临的挑战。

结果

虽然有5名提供者在试图手动协调多个文档中的信息时犯了错误，但在系统支持他们的工作时，没有参与者犯错误。在系统支持的场景中，总体感知工作量显著下降（37.2%的转诊、18.4%的药物和31.5%的问题场景，P（P） < 0.001). 当系统支持提供者任务时，信息协调时间显著缩短（58.8%用于转诊，38.1%用于药物治疗，65.1%用于问题场景）。

结论

跨多个电子文档自动检索和协调信息，有望降低医疗保健提供者的任务复杂性和工作量。

背景

信息协调是一项复杂且通常很困难的任务，许多医疗保健提供者每天都要执行这项任务。当前的医疗状况要求提供者的责任与信息技术紧密结合，尤其是他们用于执行任务的临床信息系统。疲劳和精神负荷与工作的复杂性和难度有关。¹

每次患者从一个护理环境过渡到另一个护理模式时，临床医生都需要检查以前的药物和病史，然后协调从不同来源收集的不同记录之间的信息差异。这一和解过程需要相当长的时间和精力，并且为单个患者筛选多个文档可能会导致不准确和疏忽。先前的研究表明^2,三这些问题，尤其是重复用药问题，会导致医疗失误，直接影响患者的护理。一般来说，复杂的任务和较高的认知和身体负荷会导致完成任务的准确性降低和效率降低。¹

自动化信息对账有可能减少认知和身体工作量，这是药物对账过程中发现的主要障碍。⁴医院和卫生系统越来越多地参与卫生信息交换（HIE），在HIE中，跨组织边界共享数据和信息，以促进更好地获取信息。^5,6HIE的一种常见形式是交换使用健康七级（HL7）临床文档架构（CDA）标准编码的文档，包括连续性护理文档或CCD。

CCD是CDA模板之一，只包含患者的关键和总结医疗信息。模板通常用于约束特定用例的CDA。由于不同标准组织发布了重复且相互冲突的模板实施指南（IG），HL7引入了统一CDA（C-CDA），这是一个指定模板库的IG。C-CDA成为CDA模板（包括CCD）实施的唯一真实来源。“有意义的使用”激励计划要求更换CCD并将CCD的问题、药物和过敏部分纳入电子健康记录（EHR）系统，以提高整体临床效果。^7,8

尽管通过CCD增加信息共享是对数据孤岛的改进，但许多HIE基础设施的技术架构为最终用户带来了信息协调挑战。HIE基础设施通常在患者遭遇后接收CCD。随着时间的推移，HIE基础设施自然会为每个患者累积多个CCD。当发生信息共享时，所有这些文档通常都与下游提供商共享，而不是跨多个CCD提供统一的摘要。因此，访问HIE或EHR界面的提供者必须筛选包含潜在重复或冲突信息的多个文档。在图1，美国退伍军人管理部虚拟终身电子记录（VLER）应用程序的屏幕截图，该应用程序使用HIE基础设施从非退伍军人提供商收集CCD，显示了一个退伍军人可用文档的列表。如果没有跨文档消除数据重复的高效方法，提供商将被迫审查冗长而冗余的信息。以往关于HIE的研究中观察到了繁琐的信息审查和核对，^9,10确定对更好工具的需求。

协调慢性阻塞性肺病临床内容的挑战引起了地方和国家的关注。印第安纳州患者护理网络（INPC）由Regenstrief Institute的研究人员创建，由印第安纳州健康信息交易所（IHIE）运营，是全国最大的组织间临床数据存储库。IHIE目前为25000多名医生和1000多万名患者提供服务。^11,12

IHIE在2013年Hoosier Healthcare Innovation challenge（HHIC）中将单个患者跨多个CCD的信息协调称为“重大挑战”。HHIC是一项基于州的软件开发竞赛，汇集了医疗保健和技术专业人员，为医疗保健中一些最具挑战性的问题提供创造性的解决方案。¹³

作为HHIC竞赛的一部分，我们开发了一个原型系统，用于合并和消除单个患者的多个CCD。¹⁴我们进一步完善了该系统，并测试了它在CCD合并中的实际性能，与手动审查相比。¹⁵系统性能的初步结果令我们感到鼓舞。然而，我们还想描述系统的性能如何影响提供者的感知工作量。我们的新系统能够将多个基于CDA的文档合并为单个文档，最终用户可以查看该文档。因此，我们的假设是，该系统有可能显著减少提供者在执行信息协调任务时的感知工作量。

本研究的目的是评估CDA合并系统在审查和核对医疗文件时对医疗服务提供者感知工作量的影响。我们还试图确定系统对花费时间的影响，以及供应商信息核对的准确性。

方法

研究设计

为了评估系统对感知工作负载的影响，我们在实验室环境中采用了基于仿真的可用性评估。现实世界的用户被要求与系统交互，以在门诊设置中执行3种常见场景（转诊、药物治疗和问题协调）。在完成每个模拟工作任务后，用户完成对其感知工作量的标准化评估。在所有场景的最后，对用户进行了访谈，了解他们对系统的体验。图2总结了总体研究设计。

该研究试图衡量参与者感知的工作量、信息核对的准确性和效率，同时审查两种类型的医疗记录：1）一名患者的多个CCD，2）CDA合并系统生成的1个合并CCD。因此，参与者完成了每个场景两次：1）合并前和2）合并后。没有向参与者提供系统培训。此外，参与者不知道每个场景的第二个任务中的CCD已经合并和协调。因此，他们审查了协调后的CCD，目的是发现重复。图3是一个样本CCD的屏幕截图，在web浏览器中呈现给参与者。

总的来说，每个参与者在3个场景中执行了6项任务。在每个场景中，第一个任务是检查患者的多个CCD，第二个任务只有一个合并CCD。所有参与者首先进行转诊场景，然后进行药物调节，最后进行问题调节场景。

该研究由印第安纳大学机构审查委员会（IRB）批准（1503069512）。由于这些场景是使用未确认的病历数据构建的，IRB授予该研究HIPAA授权的豁免。由于参与者是医学专业人士，IRB也放弃了参与场景的知情同意要求。

评估测量

为了评估感知工作量，我们使用了美国国家航空航天局任务负荷指数（NASA-TLX），这是用于评估人类任务工作量和有效性的最广泛的研究指标。¹⁶NASA-TLX包括心理负荷的总体指数以及6个子量表的相对贡献：心理、身体和时间任务需求，以及努力、挫折和感知绩效。¹⁷

在每个任务结束时，记录完成任务的时间，然后参与者完成NASA-TLX。NASA-TLX对精神、身体和时间需求以及与每项任务相关的努力、表现和挫折感进行了100分的自我评定。总共，每位参与者完成了6次NASA-TLX考试。

NASA-TLX总分根据以下公式确定$<trans data-src="∑">∑</trans><trans data-src="i">我</trans><trans data-src="=">=</trans><trans data-src="1">1</trans><trans data-src="6">6</trans><trans data-src="(">(</trans><trans data-src="r">第页</trans><trans data-src="i">我</trans><trans data-src="×">×</trans><trans data-src="w">w个</trans><trans data-src="i">我</trans><trans data-src=")">)</trans><trans data-src="/">/</trans><trans data-src="(">(</trans><trans data-src="2">2</trans><trans data-src="6">6</trans><trans data-src=")">)</trans>$⁠在这个公式中，“r”表示NASA-TLX中6项指标中每项指标的自我报告得分，“w”是根据15项指标的配对选择确定的指标权重。本研究使用了NASA-TLX应用程序的开源HTML和JavaScript版本。¹⁸

完成任务并收集NASA-TLX结果后，在面对面采访中提出了以下开放式问题。开放式问题旨在捕捉参与者在NASA-TLX记录之外的经验和看法。虽然重点是合并重复信息，但我们更感兴趣的是了解参与者在查看病历时面临的其他挑战。因此，这些问题是为满足这些要求而定制的。我们的目的是提出更多的一般性和开放性问题，让参与者在日常实践中自由思考病历审查过程，并推测我们的系统对他们工作的影响。

1. 一般来说，您在从患者病历中查找信息时面临哪些挑战？

2. 如果您有一个工具可以将来自医疗文档的患者信息合并到一个视图中，这对您有帮助吗？如果是或否，为什么？

3. 你会如何在实践中使用这样的工具？你会在见面之前还是在访问期间使用它？

研究结束时，每个参与者的开放式访谈大约需要20分钟。每节课都被录音、转录，然后由相应的作者审阅。对访谈的主题进行了提取和分类。

通过审查合并文件来评估信息对账的准确性。通讯作者收集了参与者在每次任务后对账的文件，并手动统计了每个参与者遗漏的重复，以计算参与者手动对账的准确性。

系统

该系统在其他地方有详细描述；^14,15在这里，我们简要总结了它的目的和操作。该系统设计为作为一个web服务运行，在该服务中可以合并和消除与同一患者相关的多个CDA文档。该系统使用一组规则来检查CDA文档中对门诊患者的临床决策至关重要的三个关键部分：问题列表、过敏原和药物。系统检查每个文档中的所有条目，以生成一个没有重复条目的合并单个CDA文档。该系统利用语义标准以及简单的自由文本字符串比较来消除基于与每个条目相关联的日期和时间戳的重复条目。我们之前对该系统的评估表明，在合并模拟和实际CDA文档时，具有较高的准确性。

由于CCD文件的合并是本次工作的重点，因此仅使用该系统对CCD文件进行核对，并由研究参与者进行审查。然而，如果系统中定义了特定于模板的规则，则系统能够合并任何CDA模板。

临床场景

我们设计了3个护理场景的过渡，在这些场景中，我们可以检查与系统合并的文档部分审查相关的认知任务：1）转诊，2）药物调节，以及3）问题调节。参与者被要求阅读情景并执行特定任务。向参与者提供了以下场景：

推荐方案：作为一名医疗服务提供者，您正在审查您想转诊给专家的患者的电子医疗记录（CCD）。要将患者转诊给专家，您需要确定患者病历中需要专家了解的所有重要过敏原。您可以通过查看患者的药物和问题列表来确定这些过敏原。你的任务是核对患者的所有过敏原，然后给专家写一张便条，确定那些已确定的过敏原。

药物对账：Patient-X是今天到达您诊所的新患者。您的办公室已要求并收到Patient-X以前的提供者提供的临床记录。在访问之前，这些记录已准备好供审查。您的任务是查看文档中的CCD，并在临床会面之前核对患者的药物。

问题和解：一名新患者将到您的诊所进行首次就诊。他/她的病历很复杂，有多种情况，您的办公室从之前的医生那里收到了这些病历。你的任务是协调复杂的问题列表，为见到新患者做准备。

参与者

来自IU Health的5名初级保健医生和4名护士从业者（共9名参与者）组成了一个方便的样本，IU Heaulth是一个卫生系统，有1500多名董事会认证或符合董事会资格的医生在全州200多个地点执业。参与者被邀请使用Regenstrief Institute提供的联系人列表通过电子邮件参与。参与者被亲自或通过电子邮件联系，并被问及是否有兴趣参与。通过筛选过程，我们确保他们有使用EHR系统的经验，并在患者就诊之前或期间定期进行信息核对。

CCD采样

本研究中使用的CCD样本来自INPC。为了收集每个场景的CCD，我们查询了数据库中至少有5个问题、15种药物和4种过敏记录的患者。

数据库中的CCD不包含全局患者标识符。为了为特定患者选择相关的CCD，我们根据CCD的名字、姓氏和出生日期字段来识别和匹配患者。由于有可能出现不正确的患者匹配，因此需要手动对每个患者的CCD标识进行双重检查。为了评估我们的巩固系统的效果，我们选择了患有3个或更多CCD的患者。

对于每个场景，在应用以下过滤器后，从我们的样本中随机选择2名患者。我们通过整合系统对CCD样本进行了分析，然后在对账后，我们为每个场景选择了2名患者，他们有相同数量的问题、药物和过敏。例如，在转诊方案中，随机选择了2名患者，共有8个调和问题、5个调和过敏原和16个调和药物。这2名患者在对账前的3个部分中的每一部分都有不同数量的条目；然而，在对账后，条目的数量是相同的。

由于每个方案包括2项任务，我们随机选择了6名符合上述标准的患者。在每个方案中，第二项任务总是审查合并CCD。

统计分析

基于先前的研究^19,20根据我们团队的临床经验，我们使用8作为最小样本量，以确定医疗信息协调所需的时间（平均值）至少减少22%。我们将alpha设置为0.05，并寻求达到0.80的功率。

我们将场景的结果制成表格，并使用配对的方法比较变量（时间和NASA-TLX子量表）t吨测试分析。A类P（P）-小于0.05的值被认为具有统计学意义。

结果

信息核对的准确性

以下是与研究参与者和自动化系统的手动工作相比，信息核对的准确性的总结。

• 转诊和问题协调的100%准确性：所有参与者都正确协调了多个CCD中的过敏和问题。合并的CCD已进行对账，无需重复信息。然而，由于参与者不知道这一因素，他们仍然试图找出合并CCD中的重复。

• 手动药物调节中的错误：在药物调节场景中，参与者在尝试调节多个CCD时犯了一些错误。两名参与者在任务结束时未能在调和药物列表中添加1种药物。此外，其中3名参与者无法将药物“洛拉西泮”与其通用品牌名称“阿替万”进行协调，而是将这两个名称都纳入了最终药物清单。对于合并版本的慢性阻塞性肺病，药物对帐场景正确执行，没有任何错误。

感知工作量

根据配对结果t吨测试分析表明，审查合并CCD的总体感知工作量显著低于审查多个CCD。然而，NASA-TLX的一些指标在每种情况下都没有显著变化表1，带下划线P（P）-大于.05的值表示每个场景中的非重要度量。

效率

表1和2总结每个场景的统计分析结果和时间减少百分比。表1演示了基于NASA-TLX度量的每个场景中调节前和调节后任务之间的差异。例如，在“转介场景”列中，R1表示对账前的转介任务（多个CCD），R2表示对账后的转介任务（单个CCD）。对于R1和R2中的每一个，计算所有参与者的审查时间和NASA-TLX度量的平均和标准偏差。带星号的值具有统计意义。

在表2本文介绍了使用合并文档执行信息协调任务后，临床医生的时间和感知工作量的减少。

供应商访谈

审查了访谈记录，提取并分类了参与者讨论的主要主题。表3将所有参与者的回答总结为主要主题。

讨论

时间在医学上是宝贵的，感知到的工作量是采用和使用卫生信息系统的重要决定因素。据麦当劳称，²¹搜索信息的时间是高质量药物的障碍。尽管实施EHR系统和CDA标准后对护理交付产生了许多积极影响，但花费在寻找信息和其他管理任务上的时间仍然是临床医生面临的挑战。^22–24在本研究中，我们评估了一种新型CCD整合系统的能力，该系统能够减少临床医生在执行与常规护理相关的信息协调任务时的时间和工作量。

虽然之前的研究已经检查了改善药物信息协调的方法，^25–30以前没有研究检查核对问题列表、过敏原或其他电子信息部分所需的时间或精力。此外，之前的系统都没有评估对临床医生感知的工作流程或协调信息所花费的时间的影响。^25–30此外，尽管一些软件产品试图解决这一挑战，但我们无法确定任何先前的研究表明从CCD中合并了重复信息。因此，我们的系统和方法是新颖的，提供了证据表明信息协调是必要的，并且对感知的工作量和任务时间都有影响。

感知工作量减少：参与者进一步认为，在使用综合CCD的所有场景中，工作量都有所减少。然而，当向用户展示综合CCD时，一些感知努力的维度没有显著差异。这对于转诊场景来说尤其如此，在转诊场景中，绩效、努力和挫折措施都有所减少，但这些变化在统计上并不显著。我们怀疑这是因为本场景中使用的CCD数量较少（N=3）。可能需要其他参与者来确认统计上的显著变化。

时间R（右）排泄物：总的来说，我们的CDA合并系统在所有情况下都将审查病历的时间减少了约50%。在转诊和问题和解场景中，药物和解时间没有减少那么多（分别为38.1%、58.8%和65.1%）。我们怀疑这是因为我们没有通知参与者第二项任务中使用的文件已经对账。由于需要调和的药物数量很多（N=17），参与者在合并CCD中搜索重复项，即使没有重复项。

感觉到的挫折：在问题协调场景中，感受到的挫折感没有显著改变。问题协调场景的第一项任务是回顾7个CCD，这增加了感受到的工作量和时间需求。我们感到惊讶的是，参与者没有对这项任务表现出更大的失望。一种可能的解释是，参与者在被要求完成最后一个场景时，已经熟悉了研究中使用的过程。在完成之前场景中的4项任务后，他们可能会无意中启动，因此执行最后场景的速度更快。转诊场景（有3个CCD）和问题协调场景之间的平均时间相似进一步支持了这一解释。因此，“多重治疗干扰”可能是方法设计中的一个意外缺陷。

药物调节中的错误：三名参与者没有成功地调和某些药物。在1例中，参与者错过了药物治疗；在另一项研究中，参与者包括“洛拉西泮”和“阿替万”，这两种药物是同一种药物，但品牌不同。考虑到跨多个摘要文档协调十几个药物名称的心理复杂性，这些疏忽并不令人惊讶。因此，将对账过程的各个部分自动化，除了可以简单地减少任务时间和可感知的工作量外，还可以减少错误并避免意外伤害。

面试回应：在开放式回答中，参与者指出了与在患者病历中查找信息相关的几个挑战。所有参与者都认为，以电子方式收集信息有助于获取更全面的病历历史。然而，使用过多信息重载提供程序可能会导致在特定时刻很难找到所需的信息。参与者建议，提供者在临床实践中只需要相关信息，即使我们的系统已经将其合并，也不愿意查看几页医疗记录。他们进一步抱怨医疗记录中的信息缺失、不准确、不完整和相互冲突，这在临床决策时造成了不确定性。

信息缺失或不准确：虽然解决信息丢失或不准确的问题超出了本研究的范围，但我们的系统目前具有多个规则来检测冲突信息。例如，如果1个CCD显示患者对青霉素过敏，而另一个CCD显示没有已知过敏，或者如果在1个CCD中，患者被显示为“吸烟者”，而在另一个中，患者显示为“从不吸烟”系统检测到这些冲突，但由于CCD结构中没有标准方法来暴露冲突，因此为医生提供技术机制来修复信息中的冲突是有限的。因此，暴露和解决冲突将是未来工作的挑战。

用户界面的设计：另一个采访主题是使用复杂或设计不良的用户界面作为另一个障碍来查找信息。我们在这方面的一个小小贡献是在每个CCD的大纲部分使用了超链接。这样，参与者就可以点击感兴趣的部分进行查看（过敏原、药物或问题列表），而不是在整个CCD中搜索该部分。所有参与者都发现超链接非常有助于查找信息，并在研究期间实际使用超链接执行任务。然而，需要注意的是，接口设计的详细评估不在本研究的范围内。

参与者的建议：在与参与者的最后讨论中，我们收到了一些关于数据分类的建议。参与者建议将信息分类为患者就诊记录类型（入院、出院或办公室就诊）、时间戳数据（即有效药物）和问题分类（即心脏问题）。目前，CCD的底层结构没有设计成基于这些类型对数据进行分类。然而，为了生成CCD的HTML版本，可以改进将基于XML的CCD转换为HTML的样式表。通过改进样式表，可以从CCD中选择特定信息，并以分类的方式呈现它们。

定量结果和参与者对访谈问题的回答表明，我们的系统成功地促进了医疗信息的核对，并帮助参与者收集了比手动过程更快的临床决策所需的数据。然而，开放式讨论还表明，当前的应用程序并不是最终的解决方案，还需要做更多的工作来将所需的信息整合在一起，使医疗服务提供商能够轻松了解患者的当前和过去病史。提供支持准确临床诊断的全面病史需要从不同角度改进系统，如可用性、EMR集成、用户界面和适当的数据表示。

限制

虽然这项评估的结果很有希望，但该研究有几个局限性值得注意。首先，考虑到从单个卫生系统抽取的样本量较小，结果可能无法外推到其他地区或具有不同HIE基础设施的临床医生。其次，所研究的场景数量有限，可能无法代表一般的信息协调。第三，本研究没有研究如何在商用EHR中显示合并信息，而EHR是提供信息调节功能所必需的。这些方面可以在未来涉及信息协调方法的更大研究中进行测试。

结论

在这项研究中，我们试图评估CDA合并系统在执行医疗文件审查时对提供者感知工作量的影响。我们的研究结果表明，与多个CCD相比，合并CCD可以在更少的时间内进行审查（3种情况下大约少50%）。此外，参与者报告称，在审查合并的CCD时，他们感觉工作量较小。尽管提供者认为即使在合并的CCD中也很难审查相关信息，但参与者发现我们的CDA合并系统对做出准确的临床决策非常有帮助，并一致同意他们希望在临床实践中使用这样的系统。

基金

这项研究没有从公共、商业或非营利部门的任何资助机构获得任何具体资助。

贡献者

Hosseini M.和Dixon BE.构思了该研究并启动了研究设计。Hosseini M.致力于系统开发、统计分析、系统评估和进行访谈。侯赛尼·M编写了该条的草稿。Dixon E.、Jones J.、Faioka A.、Vreeman D.和Wu H.监督了这项研究，并帮助审阅和编辑了这篇文章。所有作者都对研究方案的完善做出了贡献，并批准了最终稿。

利益冲突声明.作者没有可宣布的竞争利益。

参考文献

作者注释