Page 101 - 现代护理学理论与实践创新研究

第三章 急诊临床护理发展

现对不同分诊级别病人的预警效果和临床结局的预判。
自然语言处理（NLP）模型。有研究者从临床记录中抽取常见诊断，通过
NLP 实现对病人疾病种类的及时识别，如在病人就诊最初几小时访问病人病历资

料进行疾病种类鉴别，其对脓毒症、急性阑尾炎和流感的识别已被证实具有较高
的准确性。
2. 人工智能在分诊系统中的应用
急诊分诊早期预警评分（TREWS）。在急诊病人住院死亡率中的应用随着

TREWS 在急诊科广泛应用，其有效性和准确性逐渐得到证实。Lee 等研究显示：
TREWS 对病人住院 24h、48h、7d 及 30d 的死亡率预测准确率高于早期预警评
分（National Early Warning Score，NEWS）、改良早期预警评分（Modified Early

Warning Score，MEWS）等，在预测临床最终结局方面具有较好效能。
临床图形及电生理信息，在急诊病人紧急血液运输重建中的应用早期血液运
输重建对急性冠状动脉综合征病人病情评估意义重大，但紧急血液运输重建病人
的确定方法并不明确。心电图是一种相对简单、快速的需紧急血液运输重建病人
的筛选方法，但它可能缺失一些即使是训练有素的医生也无法识别的重要信息，

可能造成病人识别错误或遗漏，因此，对急诊病历记录的 12 导联心电图进行隐
藏信息检测，建立急诊 12 导联心电图紧急血液运输重建预测模型十分必要。
包含心率变异性的机器在预测急诊危重病人心脏骤停中的应用。分诊的目的

之一是确定心脏骤停的高危人群，从而使该类病人能够及早接受监测、及时给予
复苏和早期干预。从 5min 心电图记录中生成心率变异性（HRV）参数，将其与
病人年龄和生命体征相结合，可以得出包含心率变异性的机器学习评分，有利于
对急诊就诊危重病人进行分类，其也可用于开发基于心脏骤停临床风险预警装置。
其他。目前，已有研究者针对不同疾病开发了相应的人工智能预测模型，如

脓毒症病人识别工具、慢性阻塞性肺疾病（COPD）病人危险预测模型、感染性休
克死亡预测模型以及胸痛病人急性和延迟性心脏并发症识别工具等，但其预测效
果仍需稳定的临床大数据进一步验证，并且人工智能系统在临床应用、培训成本、

医院系统之间的适用性以及医疗机构对人工智能的谨慎态度等诸多方面仍有挑战。
（二）物流管理
物流管理是护理工作中不可或缺的组成部分。基于专职后勤输送工作人员的
“人手 + 手推车 + 电梯”的传统医疗机构物流系统不但造价高、配送效率低，而

89