医院数字化对临床结果和患者满意度的影响:德国医院的全国性多元回归分析gydF4y2Ba

简介gydF4y2Ba

数字健康的承诺和基于政策的推广gydF4y2Ba

几十年来，数字化一直被认为是医疗保健系统今天面临的各种问题的有希望的答案。越来越多的研究揭示了卫生信息技术(HIT)的积极影响，特别是对卫生保健提供者的质量，如医院[gydF4y2Ba1gydF4y2Ba-gydF4y2Ba4gydF4y2Ba］．然而，电子健康记录(EHRs)、计算机化临床决策支持系统或远程医疗工具等有前途的HIT的采用继续落后于预期，特别是在西欧[gydF4y2Ba5gydF4y2Ba-gydF4y2Ba7gydF4y2Ba］．例如，2017年，德国和奥地利近50%的医院完全缺乏电子病历系统，依赖纸质文件[gydF4y2Ba8gydF4y2Ba，gydF4y2Ba9gydF4y2Ba］．政策制定者对此做出了反应，并推出了全面的财政激励措施，以促进HIT的采用。在美国，2008年《卫生信息技术促进经济和临床健康法案》向卫生保健提供者提供280亿美元，用于采用电子病历系统[gydF4y2Ba10gydF4y2Ba］．通过该项目，2015年起80%的医院安装了EHR系统[gydF4y2Ba11gydF4y2Ba］．2020年，德国决策者宣布成立医院未来基金(krankenhauszukftsfonds)，向医院提供高达43亿欧元(42.4亿美元)的资金，用于数字基础设施和应急能力的投资[gydF4y2Ba12gydF4y2Ba］．政策制定者和医院决策者明确指出，改善临床结果是这些措施和投资的基本目标[gydF4y2Ba13gydF4y2Ba］．然而，这种看似直观的关系揭示了不确定性，特别是对于全国HIT项目的质量效果。gydF4y2Ba

医院数字化与质量关系的研究现状gydF4y2Ba

一些研究调查了医疗保健提供者数字化和医疗质量之间的关系。大多数研究都是个案研究，研究某一类型的高等教育资讯科技在单一院校推行的情况[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba2 gydF4y2Ba，gydF4y2Ba14gydF4y2Ba-gydF4y2Ba21gydF4y2Ba］．在大多数情况下，HIT与临床结果或患者满意度方面的质量效益相关。例如，HIT部署支持及时接种肺炎球菌疫苗，改善了与抗生素处方相关的指南依从性，推动了糖尿病患者的药物依从性，并提高了患者满意度评分[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba22gydF4y2Ba-gydF4y2Ba24gydF4y2Ba］．这些研究代表了HIT对质量影响的有价值的指示;然而，大多数研究涵盖了定制解决方案在单个组织中的应用，并且经常提到发表偏倚的潜在存在[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba21gydF4y2Ba］．因此，政策制定者将从这些微观层面的影响是否也转化为全国医院质量的额外信息中受益。gydF4y2Ba

文献中的一小部分代表了分析全国范围内HIT采用和质量数据的研究[gydF4y2Ba4gydF4y2Ba，gydF4y2Ba25gydF4y2Ba-gydF4y2Ba30.gydF4y2Ba］．例如，Jones等人[gydF4y2Ba26gydF4y2Ba]分析了2021年美国医院的数据，并确定了安装基本电子病历后心力衰竭患者的流程质量改善。然而，这些研究大多只关注过程质量，而不是实际的临床结果或患者满意度。此外，迄今为止的研究几乎只涉及电子病历和美国，这可能是因为美国较早地引入了《经济和临床卫生法卫生信息技术》。欧洲等其他地区的政策制定者可能有理由怀疑这些研究结果是否适用于各自的卫生保健系统。gydF4y2Ba

本研究的研究贡献gydF4y2Ba

总之，本研究评估了德国医院多种数字化HIT工具的可用性和用户感知价值对临床结果和患者满意度的影响。因此，作者试图全面解决先前确定的几个研究空白。首先，目标是通过分析美国以外的地理位置，即德国，来增加全国范围内的HIT研究。其他欧洲国家可能会效仿德国的做法，引入HIT采用计划。因此，关于先前描述的来自美国研究的结果是否适用于欧洲卫生系统的信息是有意义的。其次，我们试图从患者满意度和实际临床结果的角度捕捉质量，与过程质量形成对比。与死亡率或手术修正等临床结果相关的挑战是，绝对值容易受到几个混杂因素的影响，阻碍了医院之间的可比性。涉及患者特定风险调整的相对结果测量可解决这些问题，并可被视为临床结果指标的金标准[gydF4y2Ba31gydF4y2Ba，gydF4y2Ba32gydF4y2Ba］．此外，先前的研究有理由假设，医院数字化对结果的影响在不可预测的急诊护理和计划的选择性治疗之间可能有所不同[gydF4y2Ba16gydF4y2Ba，gydF4y2Ba26gydF4y2Ba，gydF4y2Ba28gydF4y2Ba］．因此，本研究从风险调整后的结果测量方面捕捉了质量，并区分了选择性护理和急诊护理。第三，我们试图全面捕捉医院的数字化成熟度，而不是仅仅关注单一技术的采用。今天，除了EHRs之外，还有一些技术可以帮助医生和护士从入院到出院。此外，研究发现，人为因素是正确使用HIT的最主要障碍[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba6gydF4y2Ba，gydF4y2Ba33gydF4y2Ba］．因此，在分析中也考虑日常临床用户所感知的医院数字化的价值似乎是合理的。这项研究依赖于复杂的数字成熟度评分，捕捉几个HIT类别的可用性和用户感知价值。最终，目标是为有意义的全国HIT激励计划的设计提供与政策相关的见解。此外，该研究还可以为通过数字化改善临床结果的医院提供见解。gydF4y2Ba

方法gydF4y2Ba

医院数字化措施gydF4y2Ba

本研究依赖于2020年医疗保健IT报告，以获得德国医院数字化成熟度的数据。医疗保健IT报告(IT Report Gesundheitswesen)是对德国、瑞士和奥地利医院的全面调查，该报告于2002年首次执行，直到今天仍在继续不同的核心主题。2020年版的报告在2017年对492名德国医生和护士进行了调查，调查的范围远远超出了技术的采用[gydF4y2Ba8gydF4y2Ba］．该报告围绕从入院到出院的工作流程构建了医院数字化，并捕获了与>50个子技术相关的采用和用户感知价值的全面信息。此外，调查方法已不断得到科学验证[gydF4y2Ba34gydF4y2Ba，gydF4y2Ba35gydF4y2Ba］．该报告在由多种技术组成的10个领域中捕捉了医院的数字化成熟度。为每个领域的底层技术的采用和用户感知价值确定了一个子分数。gydF4y2Ba表1gydF4y2Ba提供所有领域的概述和最大可达到的子分数。以域准入为例，由占用控制、病史和患者信息收集、急诊患者引导(分诊)3个底层技术组成。其他领域的基础技术可以在报告出版物和中找到gydF4y2Ba多媒体附件1gydF4y2Ba［gydF4y2Ba8gydF4y2Ba］．将所有领域的采用子得分相加，最终得出的总体成熟度为gydF4y2Ba达到可用性gydF4y2Ba．类似地，对所有领域的用户感知值进行平均，得出的总体成熟度为gydF4y2Ba冲击值gydF4y2Ba．该报告还在一个单独的问题中涉及了电子病历安装的可用性和用户感知的价值。因此，在中所示的分数中没有捕捉到这一点gydF4y2Ba表1gydF4y2Ba．通过一个简单的“是”或“否”问题来捕捉电子病历的采用情况，用户对电子病历的感知价值从1到10进行打分。gydF4y2Ba

临床结果的测量gydF4y2Ba

本研究考虑了Qualitätssicherung mit Routinedaten (QSR)数据集中提供的选择性和急诊护理的风险调整临床结果测量。在医院一级，这些措施采取的形式是观察到的超出预期(O/E)比率，并对预期事件的值进行风险调整。这意味着在值>1处的性能比预期的要差。在德国，风险调整临床结果的可靠来源是德国最大的法定疾病基金Allgemeine Ortskrankenkasse (AOK)的医院数据。AOK的内部研究机构——德国AOK科学院(Wissenschaftliches Institut der AOK)负责集中计算纳入QSR数据库的风险调整结果数据[gydF4y2Ba36gydF4y2Ba，gydF4y2Ba37gydF4y2Ba］．选择性治疗的合并O/E比通过平均4个与髋关节置换手术相关的风险调整指标来确定。紧急护理的合并O/E比是通过平均中风和心肌梗死(心脏病发作)患者的30天风险调整标准化死亡率来确定的，这是最重要和最具代表性的紧急护理病例(gydF4y2Ba多媒体附件2gydF4y2Ba)．有关基于患者的风险调整的详细信息，可在QSR数据指标手册中找到[gydF4y2Ba38gydF4y2Ba］．gydF4y2Ba

患者满意度的测量方法gydF4y2Ba

本研究依赖于来自患者体验问卷(PEQ)的数据来评估德国医院的HIT采用或用户感知价值与患者满意度之间的关系。在德国，Weisse Liste与法定保险基金AOK、Barmer和Kaufmännische Krankenkasse (KKH)合作收集患者满意度数据[gydF4y2Ba39gydF4y2Ba］．Weisse Liste依赖于PEQ，涵盖出院后2至8周发给患者的15个问题[gydF4y2Ba40gydF4y2Ba］．这些问题涵盖了从人员友好度到入院和出院过程满意度的各种因素。完整的问卷可供公众查阅[gydF4y2Ba41gydF4y2Ba］．经验评分从1到6，从最好到最差。gydF4y2Ba

模型开发和估计gydF4y2Ba

由于对几个结果指标感兴趣，因此使用了类似于该领域先前研究的多方程框架[gydF4y2Ba32gydF4y2Ba，gydF4y2Ba42gydF4y2Ba］．以急诊护理结果、择期护理结果和患者满意度为因变量，建立3方程多元线性回归模型:gydF4y2Ba

急救结果= αgydF4y2Ba_0gydF4y2Ba+αgydF4y2Ba_1gydF4y2Ba(打gydF4y2Ba_{收养(t−1)gydF4y2Ba}) + αgydF4y2Ba_{2 gydF4y2Ba}(打gydF4y2Ba_{User_value (t−1)gydF4y2Ba}) + αgydF4y2Ba_3.gydF4y2Ba(#急诊病例)+ αgydF4y2Ba_4gydF4y2Ba(#紧急情况下gydF4y2Ba^{2 gydF4y2Ba}) + αgydF4y2Ba_5gydF4y2Ba(总数#例)+ αgydF4y2Ba_6gydF4y2Ba(私有制)+ αgydF4y2Ba_7gydF4y2Ba(教学状况)+ αgydF4y2Ba_8gydF4y2Ba(#床)+ εgydF4y2Ba(1）gydF4y2Ba

选择性护理结果= αgydF4y2Ba_0gydF4y2Ba+αgydF4y2Ba_1gydF4y2Ba(打gydF4y2Ba_{收养(t−1)gydF4y2Ba}) + αgydF4y2Ba_{2 gydF4y2Ba}(打gydF4y2Ba_{User_value (t−1)gydF4y2Ba}) + αgydF4y2Ba_3.gydF4y2Ba(#选修病例)+ αgydF4y2Ba_4gydF4y2Ba(总数#例)+ αgydF4y2Ba_5gydF4y2Ba(私有制)+ αgydF4y2Ba_6gydF4y2Ba(教学状况)+ αgydF4y2Ba_7gydF4y2Ba(#床)+ εgydF4y2Ba（2）gydF4y2Ba

患者满意度= αgydF4y2Ba_0gydF4y2Ba+αgydF4y2Ba_1gydF4y2Ba(打gydF4y2Ba_{收养(t−1)gydF4y2Ba}) + αgydF4y2Ba_{2 gydF4y2Ba}(打gydF4y2Ba_{user_value (t−1)gydF4y2Ba}) + αgydF4y2Ba_3.gydF4y2Ba(总数#例)+ αgydF4y2Ba_4gydF4y2Ba(地理)+ αgydF4y2Ba_5gydF4y2Ba(私有制)+ αgydF4y2Ba_6gydF4y2Ba(教学状况)+ αgydF4y2Ba_7gydF4y2Ba(#床)+ εgydF4y2Ba（3）gydF4y2Ba

在捕捉护理结果的方程1和方程2中，因变量由基于急诊或选择性护理QSR数据库的合并O/E比率表示。由于本研究有意区分技术采用和用户感知价值，两者都是HITgydF4y2Ba_{采用gydF4y2Ba},点击gydF4y2Ba_{user_valuegydF4y2Ba}测量作为独立变量被纳入。此处是医疗保健IT报告的数字成熟度总分(gydF4y2Ba表1gydF4y2Ba)被考虑。重要的是，引入了1年(t−1)的时滞。这意味着全面的技术可操作性和用户教育在初始安装后需要一段时间[gydF4y2Ba33gydF4y2Ba，gydF4y2Ba43gydF4y2Ba，gydF4y2Ba44gydF4y2Ba］．此外，还包括其他几个自变量来控制医院级的影响。首先，纳入与临床结果相关的潜在病例数，以捕捉与急诊或择期病例量直接相关的潜在病例量效应。由于多项研究证明病例量和质量之间存在正相关关系，因此这是一个需要控制的关键混杂因素[gydF4y2Ba45gydF4y2Ba，gydF4y2Ba46gydF4y2Ba］．其次，住院病例总数，#total cases，被包括在内，以捕捉各医院的整体繁忙程度[gydF4y2Ba47gydF4y2Ba］．医院所有权状况通过控制潜在组织效应的独立虚拟变量私人所有权来考虑[gydF4y2Ba48gydF4y2Ba］．同样，教学效果由另一个独立虚拟变量:教学状态[gydF4y2Ba48gydF4y2Ba，gydF4y2Ba49gydF4y2Ba］．最后，考虑医院病床数量，#病床，以捕捉医院可能的规模效应[gydF4y2Ba42gydF4y2Ba，gydF4y2Ba50gydF4y2Ba］．方程1和2的不同之处在于包含gydF4y2Ba#相关的案例gydF4y2Ba^{2 gydF4y2Ba}在方程1中。现有研究表明，病例量与急诊护理结果之间呈倒u型关系[gydF4y2Ba42gydF4y2Ba］．通过包括常规和平方的紧急案例量，如果在基础数据中存在这种影响，则可以捕捉到这种影响。gydF4y2Ba

在公式3中，因变量患者满意度用所有问题的PEQ平均分表示。自变量基本保持与方程2相同，除了通过仅考虑医院的所有住院病例(#总病例)来捕捉潜在的体积效应。有趣的是，在考虑患者满意度时，控制地理影响似乎很重要，因为研究表明，东德的平均满意度更高[gydF4y2Ba51gydF4y2Ba］．gydF4y2Ba

利用SAS JMP软件进行普通最小二乘(OLS)回归分析，分别估计参数线性模型。HIT相关的自变量HITgydF4y2Ba收养(t−1)gydF4y2Ba,点击gydF4y2BaUser_value (t−1)gydF4y2Ba是基于2020年医疗保健IT报告的2017年值。考虑到之前提到的完全可操作性和用户教育滞后1年，所有其他变量均基于2018年的值。所有捕获病例量的因变量和自变量均以自然对数测量，以解释不平等的变化，并确保满足OLS回归的假设。对所有估计OLS回归的稳健性进行了检验，以确保系数无偏且接近实际总体值。这也包括对没有控制变量的回归模型的估计(gydF4y2Ba多媒体gydF4y2Ba)．gydF4y2Ba

伦理批准gydF4y2Ba

首先，由于本研究不涉及人体生物材料，根据1961年德国药品法(BGBI)，本研究无需伦理批准。I S. 533)和1994年医疗器械法案(BGBI。1963年)。其次，根据所有作者所在机构的伦理委员会的章程，处理与可识别的活人无关的数据的数据分析(本研究就是这种情况)不需要符合国家指导方针的伦理批准(条例[欧盟]2016/679[通用数据保护条例])。这项研究是根据1964年赫尔辛基宣言及其后来的修正案或类似的道德标准进行的。所有的方法都按照相关的指导方针和规定进行。gydF4y2Ba

结果gydF4y2Ba

整体研究样本gydF4y2Ba

对《2020年医疗保健IT报告》的最初492份回复进行了清理，因为同一家医院的2名受访者的问卷调查明显不完整，答案相互矛盾。此外，只纳入了可获得临床结果或患者满意度信息的医院。最后的研究样本共包括383家医院。2018年所有1925家德国医院对应的研究样本特征和样本框架显示在gydF4y2Ba表2gydF4y2Ba．gydF4y2Ba

383家医院的研究样本约占2018年样本框架(1925家医院)的20%。gydF4y2Ba表2gydF4y2Ba表明样本的关键描述性指标非常符合更广泛的德国医院格局，即样本框架，因此支持样本代表性。该样本的平均病床数为319.72张(标准差318.35)，住院病例数为12861.6例(标准差14194.0)，似乎比2018年德国平均水平略大。总体而言，患者似乎相对满意，患者的平均满意度评分为1.99 (SD 0.31)，评分范围从1到6(最好到最差)。考虑到数字化的成熟度，医院仍然没有采用几种技术，导致在最高可达到的415分中，平均得分为183.1分(SD 89.4分)。最后，提供电子病历信息的医院中有50%(126/250)表示采用电子病历，这在很大程度上与现有研究一致[gydF4y2Ba8gydF4y2Ba，gydF4y2Ba9gydF4y2Ba］．gydF4y2Ba

HIT和EHR对临床结果的影响gydF4y2Ba

基于方程1和方程2中的参数线性模型估计了几种回归。临床结局因变量由急诊和择期护理的O/E比值表示。对于这两个单独的因变量，整体HIT采用和用户感知价值、电子病历采用和用户感知电子病历价值的影响在3个独立的回归中被捕获。电子病历的采用和用户感知价值在两个独立的回归中被捕获，以考虑回归覆盖可用性的更高的子样本大小。由于结局变异性高，以<5例为临床结局O/E比计算基础的医院被排除在外。gydF4y2Ba

在紧急护理方面，采用HIT (gydF4y2BaPgydF4y2Ba=.54)或电子病历(gydF4y2BaPgydF4y2Ba=.11)对结果无显著影响。然而，总体HIT的临床用户感知价值确实对结果有显著的积极影响，这反映在O/E比的降低上(β= -.032;gydF4y2BaPgydF4y2Ba= .04点)。另一方面，电子病历的采用或用户感知价值不影响应急结果。在观察控制变量时，模型I确实揭示了急诊病例量和结果之间的倒u型关系。这表现为规则体积的积极影响(β= -.559;gydF4y2BaPgydF4y2Ba<.001)和平方体积的负影响(β=.058;gydF4y2BaPgydF4y2Ba= 04)。此外，住院总病例量较高的医院急诊护理结果较差(β=.102;gydF4y2BaPgydF4y2Ba= .04点;gydF4y2Ba表3gydF4y2Ba)．gydF4y2Ba

遵循探索性方法，估计额外的回归以更好地了解是否有任何子域(gydF4y2Ba表1gydF4y2Ba)在整体HIT水平上对所识别的显著关系有显著影响。所有HIT子域分别与紧急护理结果进行回归。入院子域产生统计上显著的结果(gydF4y2Ba多媒体gydF4y2Ba)．入院HIT的用户感知价值对急诊护理结果有显著影响(β= -.023;gydF4y2BaPgydF4y2Ba= . 07)。在此回归中还确定了急诊病例量与结果之间的倒u型关系。gydF4y2Ba

对于选择性护理，对HIT和EHR对结果的影响的分析显示，与紧急护理不仅有相似之处，也有不同之处。根据紧急护理结果，采用HIT (gydF4y2BaPgydF4y2Ba=.54)或电子病历(gydF4y2BaPgydF4y2Ba=.84)对择期护理结果无显著影响(gydF4y2Ba表4gydF4y2Ba)．尽管较高的用户感知整体HIT值也不影响结果，但临床用户对电子病历的满意度有显著影响，如模型III所示(β= -.138;gydF4y2BaPgydF4y2Ba= .008)。在回归中纳入的控制变量中，选择性护理病例数在模型I和模型III中显示出显著影响，表明在选择性护理领域病例量与结果质量之间存在正相关关系。有趣的是，医院规模是一个重要因素，小医院比大医院表现更好。gydF4y2Ba

HIT和EHR对患者满意度的影响gydF4y2Ba

基于公式3中的参数线性模型估计了几种回归，其中PEQ评分代表患者满意度。为确保代表性，评估排除了每家医院<20名受访者的患者满意度PEQ评分。所有估计模型及其各自子样本量的概述在gydF4y2Ba表5gydF4y2Ba．根据对临床结果的影响，仅仅采用技术对患者的总体满意度没有显著影响，即总体PEQ评分(gydF4y2BaPgydF4y2Ba= .41点)。然而，HIT的用户感知价值确实适度影响患者满意度(β= -.009;gydF4y2BaPgydF4y2Ba=.01)，由模型I可知gydF4y2Ba表5gydF4y2Ba．模型二和模型三审查了电子病历的影响，没有发现任何与电子病历相关的显著影响。在所有模型中，更高的床位数会对满意度产生负面影响。此外，与之前的研究一致，前往东德联邦各州医院就诊的患者平均来说更满意。gydF4y2Ba

评估了一个额外的探索性回归，明确考察了入学HIT与入学满意度之间的关系(gydF4y2Ba多媒体gydF4y2Ba)．有趣的是，在入院中采用更多的技术意味着患者入院满意度的降低(β= 0.002;gydF4y2BaPgydF4y2Ba= 03)。然而，相比之下，入院HIT的用户感知价值与患者入院满意度呈显著正相关(β= -.009;gydF4y2BaPgydF4y2Ba= .02点)。gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

对我们数据集的分析表明，单独采用HIT对临床结果或患者满意度都没有显著影响。然而，医院使用者感知的HIT价值程度确实影响临床结果和患者满意度。医院数字化似乎关乎质量而不仅仅是数量。gydF4y2Ba

在选择性护理领域，对医院工作人员来说，电子病历的用户友好度更高，似乎会带来更好的结果，而其他领域的数字化似乎影响较小。相比之下，急诊护理结果受益于用户友好的整体数字化。HIT被医生和护士认为很有价值，是这一领域最强的驱动力。这些确定的差异似乎证实了实际经验和逻辑。以选择性髋关节置换手术为代表的选择性护理依赖于患者病史的全面汇编，以支持针对患者的诊断和治疗决策。用户友好的EHR是收集和准备过程的中心，代表每个患者的单一信息源。这项研究的结果表明，医生和护士谁可以依赖易于访问的电子病历也产生了更好的选择性手术结果。在急诊护理方面，整体医院数字化的更高用户感知价值对结果产生了积极影响。这一整体效果尤其受到用户友好的入场技术的推动。这意味着，事件发生后不久的快速决策很可能决定了结果。 Taking an exclusive look at the roughly 270,000 annual stroke cases in Germany and their average 6.8% 30-day mortality, our results indicated that clinical user-perceived HIT value has the potential to reduce deaths [53gydF4y2Ba，gydF4y2Ba54gydF4y2Ba］．具体来说，用户感知的HIT值每提高1个点，就可能导致死亡率提高3.15%，这最终将转化为每年30天内避免大约580例死亡。在这一点上，简单看一下方程1和2的控制变量也揭示了有趣的见解。选择性治疗的临床结果，即髋关节置换术，受益于较高的手术量。这一发现与现有的研究非常一致[gydF4y2Ba45gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba55gydF4y2Ba-gydF4y2Ba57gydF4y2Ba］．至少在某种程度上，这同样适用于紧急护理结果。在这里，确定了病例量和结果之间的倒u型关系，这意味着急诊部门及其护理团队在某些时候可能负担过重。我们的分析还表明，较小的医院往往在选择性护理结果方面表现更好。gydF4y2Ba

在考虑患者满意度时，也出现了类似的情况。我们的分析表明，仅仅采用整体HIT对患者满意度没有显著影响。从医院用户的角度来看，数字化是一种增值，对患者的体验有一定的积极影响。这有几个潜在的原因。首先，设计良好的数字工具涵盖入院、临床文件、订单输入、出院甚至餐饮管理，帮助医生和护士有效地执行护理。这可能意味着更短的等待时间，更知情的治疗医生，以及顺利的患者出院过程，所有这些都可能对患者满意度产生积极影响。然而，第二，人们也可以假设医院员工对他们的日常工作环境(包括HIT)感到满意，他们会以一种压力较小、更私人的方式接近患者。这也可以通过人际关系机制最终影响患者的满意度。最后，发现了一个与患者入院满意度相关的有趣现象。结果表明，入院数字化程度越高，例如通过患者教育工具和病史收集，导致入院满意度越低。 Research has repeatedly warned of the undesired effects that digitization has on the patient-physician relationship, considering the very personal elements of health care [58gydF4y2Ba］．幸运的是，研究结果还表明，医院用户对入院数字化感知价值的较高程度可以抵消这种影响，提高患者满意度。因此，在入院等情况下，如果不能以对医院工作人员友好的方式执行，仅仅是数字化甚至可能不利于患者的满意度。从对照变量来看，大医院的患者满意度似乎较低。我们只能假设，这可能与小型机构更加个性化的护理方法有关。gydF4y2Ba

这项研究的结果也为决策者和医院提供了有价值的见解。这项研究的结果表明，只关注推动HIT的采用可能不足以提高护理质量。例如，《2020年德国医院未来法案》还涵盖了培训和用户教育的费用。此外，它还对所有申请资助的医院实施了强制性的年度数字成熟度调查。考虑到德国医院数字化成熟度的有限数据，这是一种可取的方法。然而，在问卷中包含的209个最终问题中，只有6个问题涉及用户满意度的各个方面[gydF4y2Ba59gydF4y2Ba］．这项研究的结果建议政策制定者关注日常临床用户所感知的数字化价值，而不是仅仅鼓励采用先进的数字工具。从医院的角度来看，之前讨论的大部分内容都适用。首先，建议医院决策者在采购决策时考虑最终临床用户的意见。其次，医院不应考虑仅仅采用后就完成的数字化项目，而应强调持续的用户培训。第三，卫生保健提供者的数字化战略受益于基于各自护理领域的差异化方法。gydF4y2Ba

限制gydF4y2Ba

本研究的结果有几个潜在的局限性。首先，这项研究不得不依赖德国医院数字化的有限数据集。尽管《2020年医疗保健IT报告》收集了近500家医院的初步答案，但排除了明显不完整的问卷和来自同一家医院的两名受访者的相互矛盾的答案，最终的总样本为383家医院。此外，与电子病历的采用和用户感知价值相关的回应甚至更加有限。这最终导致子样本的大小非常不同，可能会损害估计回归的可比性。这些局限性强烈表明，需要在医院之间进行结构化和定期的数字成熟度评估。幸运的是，如前所述，2020年医院未来法案在德国引入了这一评估。但是，收集到的数据也必须提供给研究界。gydF4y2Ba

其次，该研究依赖于PEQ的患者满意度数据，PEQ以李克特式量表收集答案。在没有一致结果的统计分析中，是否可以对李克特型反应进行平均，这存在一些争议。但是，由于本研究中使用的PEQ数据是正态分布的，所以我们采用了使用平均值的标准方法[gydF4y2Ba60gydF4y2Ba］．gydF4y2Ba

第三，临床结果数据由法定保险公司AOK的QSR数据库提供。因此，只有AOK承保的患者的临床结果数据被捕获。但是，由于AOK目前是德国最大的法定保险公司，市场份额约为35%，因此数据的代表性是可以假设的。此外，本研究重点研究了卒中和心肌梗死两例急诊病例和髋关节置换术一种选择性护理指征的结局。虽然中风和心肌梗死确实代表了德国最基本的紧急护理指征，但这项研究的结果可能并不完全适用于其他选择性护理领域。gydF4y2Ba

除了这些感兴趣的主要变量外，本研究在估计OLS回归时还依赖于几个控制变量。观察回归的r平方值，包括护理结果作为因变量，方差的显著份额似乎不能由所包括的自变量解释。因此，风险调整后的护理结果似乎受到本研究未涵盖的更广泛的因素的影响。这似乎是合理的，因为护理代表了一个高度个性化的过程，也与医院外的活动有关。然而，一些可能影响相关因变量的额外中介变量或调节变量没有包括在回归中。因此，本研究结果只能说明HIT的可用性和用户感知价值对护理质量的因果关系。同样，反向因果关系也不能完全排除。这意味着在治疗结果和患者满意度方面表现更好的医院也会在HIT方面投入更多。然而，最终，本研究在评估对临床结果和满意度的影响时纳入了研究中使用的最突出的控制变量，以克服这些潜在的局限性[gydF4y2Ba2 gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba21gydF4y2Ba，gydF4y2Ba47gydF4y2Ba］．gydF4y2Ba

结论gydF4y2Ba

这项研究调查了数字化对德国医院临床结果和患者满意度的影响。对我们的数据集的分析表明，单独采用HIT对结果或患者满意度没有显著影响，而医生和护士认为这些技术的价值确实对患者结果和满意度有积极影响。然而，结果也表明区分护理指征和HIT亚型是必要的。尽管紧急护理结果显著受益于用户友好的住院HIT，但选择性护理结果显著受益于用户友好的电子病历安装。除临床结果外，用户感知价值对患者满意度也有显著影响。医院工作人员从他们的角度来看，与HIT合作是增值的，可以以提高患者整体满意度的方式治疗患者。除了hit相关的影响，结果表明在选择性护理领域的病例量和结果之间存在正相关关系。在急诊护理中，容量与结果之间呈反u型关系。此外，在病床数量方面，选择性护理结果和患者满意度受益于较小的医院规模。建议试图通过HIT改善护理质量的政策制定者关注日常临床用户所感知的数字化价值，而不是仅仅激励、捕获甚至强制采用数字工具。 Hospitals are well advised to consider the views of the ultimate clinical users in their procurement decisions and invest in continuous training. In conclusion, hospital digitization can improve both clinical outcomes and patient satisfaction but only if deemed to be value adding by the physicians and nurses who rely on it every day.