COVID-19重症监护的协作结构:回顾性网络分析研究

简介

COVID-19相关住院监测网络报告称，截至2020年10月24日的一周，美国COVID-19累计住院率为每10万人199.8人[1］．此外，5%至12.2%的<60岁患者和27.4%至70.9%的≥60岁患者因呼吸系统疾病恶化而需要重症监护[2-4］．卫生保健机构(HCOs)一直在探索各种方法(如创建COVID-19重症监护病房(icu)和扩大现有icu)，以满足COVID-19危重患者日益增长的医疗需求[5-7］．为COVID-19危重患者的护理制定了各种人员配置策略和方案[8-10］．这些策略属于三种ICU人员配置模式:开放、封闭和混合。在一个开放的模式中，许多不同的医务人员管理icu的病人。相比之下，封闭模式将人员配备系统限制为icu认证的医生(如重症监护医师)。混合模式借鉴了开放和封闭模式的各个方面，为icu配备了一名主治医生和一个团队，这样他们就可以与初级医生协同工作。

ICU人员配备(例如，将患者分配给一组卫生保健工作者)可能影响护理质量和患者安全[11-13］．因此，卫生服务机构需要注意如何评估卫生服务机构之间的合作，以适当护理COVID-19危重患者。然而，COVID-19重症监护室的人员配置策略是在非常高的水平上设计的(例如，团队调度)。因此，他们忽视了hcw之间的跨学科联系。了解卫生保健工作者如何联系和合作，可提高团队合作，进而可提高护理质量和患者安全[14］．

很少有研究调查COVID-19重症监护的协作结构[15]，但据我们所知，还没有研究过卫生保健机构之间的合作。因此，在COVID-19重症监护中，关于跨学科(如内科医生、呼吸治疗师和心血管护士)合作的明确记录证据数量有限。hco需要这些信息来管理团队工作，并在大流行期间提高护理质量和患者安全。在本研究中，我们使用网络分析方法了解COVID-19重症监护的协作结构。我们专门调查了在为COVID-19危重患者提供护理的背景下，卫生保健机构是如何相互联系的。在ICU中，建模重症护理人员之间的联系的挑战之一是他们的复杂性(例如，多学科重症护理人员之间的合作)。在本研究中，我们通过分析电子健康记录(EHR)系统，了解多学科卫生工作者之间的合作。电子病历系统提供了一个有助于团队合作的环境(例如，卫生保健工作者之间交换卫生信息)。这可以帮助HCOs提供更准确、详细和及时的信息，从而提供更高质量的护理[16，17］．随着电子病历应用的普及，涉及电子病历的卫生保健活动(如病历审查、x光要求和药物管理)的比例有所增加[18，19］．因此，与电子卫生记录的交互为研究卫生工作者之间的合作提供了机会[20.-24］．

我们对电子病历的使用进行了二次分析，以了解卫生保健机构之间的合作。我们通过识别在同一天使用相同病人的电子病历进行活动的卫生保健工作者之间的联系来创建网络。

我们使用两个社会计量学——特征中心和中介中心——来衡量协同网络中HCW的核心和中介状态。特征中心性表征了HCW在协作结构中是核心人员的程度。中介中心性指的是一个HCW是否位于其他HCW的路径上，而这些HCW不是直接连接的。一个拥有广泛技能和照顾广泛患者的HCW可能经常处于高中间位置。

我们分析了范德比尔特大学医学中心使用电子病历系统的数据，该中心位于田纳西州纳什维尔，是一家大型学术医疗中心，于2020年3月中旬成立了COVID-19部门。高密度的ICU临床数据和每一个ICU病例的大量EHR活动，使得在COVID-19大流行之前和期间开展HCW合作管理危重患者的研究成为可能。

我们通过比较与COVID-19和非COVID-19危重患者管理相关的结构，了解了COVID-19重症监护中的协作结构。

方法

数据集

我们筛选了2020年3月17日至2020年5月31日期间入住COVID-19 ICU的成年患者。我们通过倾向评分匹配，将每名COVID-19患者与2019年12月1日至2020年2月29日期间入住医疗ICU (MICU)的一名无COVID-19的成年患者进行匹配。

倾向评分基于年龄、性别和患者住院时间。COVID-19和非COVID-19人群的倾向得分分布如图所示多媒体附录1．两个分布之间的Pearson相关系数为0.93;相关联的P值<措施。这证明两组患者的混杂因素差异非常小。我们关注的是出院时还活着的患者，因为他们的住院时间相对完整。这一过程产生了76名危重症成年患者的样本，其中38名患有COVID-19, 38名未患COVID-19。总共有3例COVID-19患者需要住多次ICU。在这项研究中，我们为这些患者随机选择了一次住院治疗。表1概述了感染和未感染COVID-19的受调查患者的人口统计学特征、共病和结果。

研究人群有几个值得注意的方面。首先，我们注意到男性的数量不成比例。第二，尽管自我报告的白人患者比其他种族患者多，但COVID-19组的白人患者数量明显少于非COVID-19组。第三，非COVID-19患者共病发生率高;具体来说，没有COVID-19的患者表现出COVID-19患者常见的六种共病(即由COVID-19相关住院监测网络报告的共病)[1］．第四，两组患者中的大多数(COVID-19: 29/ 38,76%;无COVID-19: 24/ 38,63%)出院回家。

研究设计

分析包括两个主要部分。首先，我们使用网络分析方法了解涉及危重患者管理的HCW网络。其次，我们在统计上比较和对比了新冠肺炎和非新冠肺炎环境下的网络结构。

建模HCW网络

我们分析了卫生工作者对患者的电子病历所采取的行动，以衡量工人与工人之间的联系。HCW行动有六种类型，包括与病情相关的行动(如诊断)、与程序相关的行动(如插管)、与药物相关的行动(如处方)、与病历相关的行动(如写进展记录)、与命令相关的行动(如安排实验室检查)和与测量相关的行动(如测量呼吸频率)。

研究表明，1天的窗口期足以捕捉卫生保健工作者之间有意义的协作关系[20.-23］．因此，我们假设两个卫生工作者在同一天与同一患者的EHR发生交互作用之间存在联系。我们构建了一个网络，其中节点表示hcw，边缘表示两个hcw对同一患者的EHRs执行操作的天数。我们建立了一个新冠肺炎危重患者网络和一个非新冠肺炎患者网络。

定义新冠病毒网络和非新冠病毒网络中的节点如下:

Z_{新型冠状病毒肺炎}= {z₁, z₂z,…_p｝(1）

Z_Non-COVID-19= {z '₁, z”₂z,…,”_问｝（2）

为了更好地解释网络，我们使用HCW的专业(如呼吸护理)和类型(如呼吸治疗师)来标记每个节点。我们结合这些因素来定义专业知识(即“专业:类型”;例如，呼吸护理:呼吸治疗师)。COVID-19和非COVID-19网络方面的专业知识定义如下:

经验值_{新型冠状病毒肺炎}={实验₁,实验₂看准的,……_一个｝（3）

经验值_Non-COVID-19= {exp '₁,实验₂看准的,……”_b｝（4）

在公式1-4中，Z和EXP用于描述COVID-19或非COVID-19网络的组成。

在每个网络中，我们分别使用特征向量中心性和中介性中心性这两个社会计量指标来量化HCW在网络中的核心和中介性状态。我们使用了Gephi(即开源网络分析和可视化软件包)[25，计算特征中心性和中介中心性值。

特征中心性的特征是一个碳氢化合物与其他碳氢化合物紧密相连的程度，而其他碳氢化合物又与其他碳氢化合物紧密相连。高特征中心性HCW很可能是在对ehr执行操作时积极与其他HCW合作的核心人员。一个具有特征中心值的HCW网络的例子显示在多媒体附录2．

一个HCW的中间中心性指的是通过该HCW的其他两个HCW之间最短路径的数量。一个拥有广泛技能、照顾广泛患者的HCW可能经常处于高中间位置。一个具有介度中心性值的HCW网络实例示于多媒体附录2．

COVID-19与非COVID-19网络的特征中心性和中介性

我们调查了COVID-19和非COVID-19重症监护结构在特征中心性和中间性方面的差异是否在网络和专业水平上具有统计学意义。网络级别的比较是通过评估整个网络进行的(即，COVID-19与非COVID-19网络)，而对每个专业知识(如内科医生)进行了专业知识级别的比较。由于特征中心性和中介性非高斯分布，我们进行了Mann-Whitney U检验，显著性水平为α=.05。专家鉴定测试包括至少8个hcw，并涉及Bonferroni校正，以解释多个假设。

COVID-19和非COVID-19环境下的患者人员配备强度

我们将COVID-19和非COVID-19环境下的住院患者定义如下:

年代_{新型冠状病毒肺炎}={年代₁,年代₂,…,年代_米｝（5）

年代_Non-COVID-19={年代'₁,年代₂,…,年代_n｝(6）

自从每次住院以来_我)如果停留时间超过1天，我们将第j天定义为s_我,我(即1≤j≤l_我）;l_我表示病人住院的最后一天_我)．的年代_我,我，我们计算了hcw的数量(即Ns_我,我,经验值_k)在每个专业类别(即经验_k)在第j天与患者i的电子病历发生过交互_我)，我们计算了每个专业类别(即经验_k)，每天与同一病人的电子病历打交道，详情如下:

在等式7中，los_我指住院时间长短(即，住院时间的开始和结束时间之间的总小时数除以24小时)。由于每个住院病人可能在一天的不同时间开始和结束，los_我可能和l不一样_我．每日患者人员配备强度定义为专业水平值(即，)．

为了了解COVID-19和非COVID-19重症监护的每日患者配备强度的差异，我们进行了一系列测试。具体而言，对于每一项被调查的专业知识(如内科护士执业人员)，我们测试了COVID-19的危重患者所需的每日医护人员强度是否显著高于非COVID-19的危重患者。我们将重点放在COVID-19和非COVID-19重症监护中平均每日人员配备强度值最高的20个专业类别，并使用Mann-Whitney U检验，bonferroni校正显著性水平为0.05。

我们还就参与患者管理的医护人员数量，评估了COVID-19和非COVID-19重症监护的总体患者人员配备强度的差异。总体人员配备强度定义为与患有或未患COVID-19患者的电子病历有过接触的卫生保健工作者的数量。我们的假设如下:与非COVID-19的危重患者相比，COVID-19的危重患者需要明显更高的总体工作人员强度。我们使用Mann-Whitney U检验来检验这一假设，bonferroni校正显著性水平为.05。

结果

HCW特点

新冠肺炎和非新冠肺炎重症监护的医护人员数量、类型、专科和专业类别分别为759名和1331名、24名和24名、92名和128名、133名和207名。这些数值表明，没有COVID-19的患者需要更多的专业知识、专业知识和医护人员。一个可能的原因是，没有COVID-19的危重患者因各种各样的重大疾病被送入MICU。在患者层面价值方面，COVID-19和非COVID-19重症监护分别由79.5和88.2个医护人员、9.8和10.6种医护人员、23.0和27.1个部门、29.2和34.0个专业类别组成。COVID-19和非COVID-19重症监护的患者水平价值高度相似。

图1说明了卫生工作者所占比例最大的10个COVID-19和非COVID-19重症护理专业类别的联合情况。可以看出，除了具备骨髓抑制专业知识的住院医生和注册护士外，COVID-19环境中不同类型的hcw的百分比高于非COVID-19环境。这些结果表明，范德比尔特大学医学中心如何分配全职的、非培训生的医护人员来管理COVID-19危重患者，并在COVID-19大流行期间减少了住院医生的数量。

‎ 把这个图

在COVID-19环境中没有具备骨髓抑制专业知识的注册护士。经过进一步分析，我们发现4例COVID-19和癌症患者，但在护理时均不需要侵入性干预。

Eigencentrality和中间状态

图2从特征中心性和中介性角度介绍了新冠肺炎重症监护和非新冠肺炎重症监护中的HCW网络。从图中可以看出，COVID-19网络中的大多数hcw比非COVID-19网络中的hcw规模更大(即特征中心性更高)。这说明卫生工作者在新冠肺炎疫情网络中的连接程度和密度要远远高于非新冠肺炎疫情网络中的连接程度和密度。我们进行了一项测试，以衡量COVID-19网络和非COVID-19网络之间的特征中心性差异。结果表明，两个网络具有显著差异的中位特征中心值(COVID-19: 0.096;non-COVID-19: 0.057;P <。001)。

‎ 把这个图

在删除了少于8个hcw的专业知识类别之后，我们对剩下的12个专业知识类别进行了成对测试。这些测试的结果列在表S1中多媒体附录3．有几个值得注意的发现。首先，我们观察到，在COVID-19网络中的内科医生比在非COVID-19网络中的内科医生具有更高的特征中心值(P=措施)。图2还从特征中心性角度展示了新冠肺炎和非新冠肺炎网络中的内科医生子网络。从图中可以看出，在COVID-19网络中的内科医生是相互联系的，而在非COVID-19网络中的内科医生是相互分离的。第二，非新冠肺炎网络的住院医师比新冠肺炎网络的住院医师具有更高的特征中心值(P= .002)。图3表明整个非covid -19网络中有很多居民。但是，在新冠疫情网络中，居民人数要少得多。

‎ 把这个图

两种网络间性无显著差异(COVID-19网络:中位数0.002;非covid -19网络:中位数0.003;P= 22)。然而，在COVID-19网络中的护士从业者的中介值显著高于非COVID-19网络中的护士从业者(P<措施)。中中介值差异不显著的专业类别的完整测试结果集见表S2多媒体附录3．图2还从中介性角度展示了护理从业人员在COVID-19网络和非COVID-19网络中的子网络。从图中可以看出，护士从业人员在COVID-19网络中的连接数量大于在非COVID-19网络中的连接数量。在图2，也可以看出，护士从业人员处于COVID-19网络的中心部分，是其他卫生工作者之间的桥梁。鉴于中间关系反映了卫生工作者接触到广泛的患者，COVID-19协作结构中的执业护士可以在没有直接联系的卫生工作者之间建立联系。内科医生和护士是COVID-19网络的核心。所示图3在美国，这两种类型的卫生保健工作者在COVID-19护理环境中的连接数量比在非COVID-19护理环境中的连接数量更多。

患者人员配备强度的差异

共有41,903次(平均1103次)操作使用了COVID-19患者的电子病历，44,131次(平均1161次)操作使用了非COVID-19患者的电子病历。使用COVID-19患者和非COVID-19患者的电子病历执行的行动数量在统计上无显著差异(P=收)。在对感染和未感染COVID-19的危重患者的电子病历采取行动的专业类别和卫生工作者数量上的差异也不显著(专业类别:P=。08;卫生工作者:P= .19)。的表S3提供了完整的结果集多媒体附录4．

表2显示了每个专业类别中COVID-19和非COVID-19重症监护患者人手强度的差异。20个COVID-19和20个非COVID-19专业知识类别的结合产生了24个类别。

内科护士、心血管ICU注册护士和外科ICU注册护士对COVID-19危重症患者的电子病历进行日常操作的人数多于对非COVID-19患者的电子病历进行日常操作的人数。相比之下，非COVID-19患者的电子病历由更多的住院医生(即具有医学和急诊医学专业知识的医生)管理。这些差异具有统计学意义(表2)．

我们还发现，专业类别在每日患者配备强度方面没有统计学差异。这些类别包括放射科医生、肾脏内科医生、肺/过敏内科医生、急诊内科医生、MICU注册护士和呼吸治疗师。

讨论

主要研究结果

对于重症监护室的HCW人员配备没有通用的指导方针。迄今为止，ICU人员配备的研究主要集中在组织模式(例如，开放、封闭和混合模式)，很少有人研究护理中心之间的合作。在这项研究中，我们使用了一种新的方法来了解卫生工作者之间的合作并建立相应的网络。我们测量了特征中心性和中介中心性，以量化hcw的核心和中介状态，并确定了COVID-19与非COVID-19网络结构之间的几个显著差异。两个网络之间合作结构的差异反映了整个卫生保健系统有意的战略规划结构的差异。例如，有显著的差异(P因为我们的医疗中心分配了全职的、非培训生的医护人员来管理COVID-19危重患者。这反映了国家研究生医学教育在COVID-19大流行开始时实施的居民保护战略。图3显示了住院医师在新冠肺炎和非新冠肺炎网络中的子网络。可以看出，非COVID-19网络的居民网络比COVID-19网络更大，居民之间的连接比COVID-19网络更复杂。这表明住院医生在非covid -19环境下对危重患者的管理非常积极。

除了收集COVID-19危重患者管理中基本战略规划方法(即减少住院人数)的数据外，我们还了解到协作结构的一些方面，这些方面对团队管理很重要，但在现有的ICU人员配备计划中没有明确记录。我们发现，在COVID-19协作结构中的内科医生和护士从业者比在非COVID-19协作结构中的医生和护士从业者更活跃(即高特征中心性或中介性)。所示图3内科医生和护士从业者在COVID-19网络中的连接频率高于非COVID-19网络中的连接频率。这一现象表明，他们是与COVID-19危重患者管理相关的合作的核心成员。

将卫生保健机构之间的联系知识与他们在协作网络中的特征中心和中介值结合起来，可以帮助卫生保健机构设计和开发更具体的人员配置策略，这可能会提高护理质量和患者结果。在我们的回顾性研究中描述的网络分析方法和团队结构可以用于前瞻性的设置。我们的COVID-19和非COVID-19网络可以用来识别新成立或修改的团队的特征。例如，如果一个COVID-19重症监护室计划创建一个团队来照顾越来越多的患者，那么每个HCW的特征中心性和中间中心性以及我们在COVID-19网络中了解到的HCW关系可以作为确定新创建团队特征的证据。团队创建者可以评估新成立团队的领导力(即特征中心性)、鲁棒性(即中间性)和熟悉度(即hcw之间关系的强度)。他们还可以从创建的团队中动态添加或删除HCW，并度量领导、健壮性和熟悉度的变化，这将帮助团队创建者找到他们想要的团队。

本研究的范围及其局限性

在这项研究中，我们没有调查时间网络或团队动态，而这些对于监控和管理团队动态的HCOs来说是必不可少的。然而，研究人员可以使用我们研究中开发的网络分析方法来识别时间网络，如每日、每周或每月网络。他们还可以使用我们开发的社会计量学来量化时间网络结构的变化。例如，HCOs可以使用我们的网络分析方法来临时测量内科医生、执业护士和住院医生之间的关系;并量化这些关系的每周、每月和每年的变化。

我们应该认识到这项研究有几个局限性。这些限制为进一步研究提供了机会。首先，该研究基于少量COVID-19危重患者。尽管我们的样本有足够的能力分析COVID-19和非COVID-19重症监护中几种类型的hcw在特征中心性、中介性和患者人员配置强度方面的差异，但需要更大的数据量才能获得统计上有意义的结果。第二，共病可能会影响团队结构;然而，匹配COVID-19患者和非COVID-19患者之间的共病可能会导致一定的风险。根据我们的观察，匹配两个队列之间的共病将大大扩大非covid -19队列的研究窗口(即>3年)。然而，随着时间的推移，非covid -19护理团队可能发生巨大变化，这使得对非covid -19团队结构的研究变得没有意义。因此，在这项研究中，我们关注最重要的混杂因素(即年龄、性别和停留时间)，这些因素表征了团队效能，并可能影响团队结构。此外，我们研究的主要重点是了解COVID-19和医疗icu的团队结构，这允许共病的某种程度的差异。 Third, the characteristics of the COVID-19 structures that we learned about during this single-center study could provide HCOs with reference data for assessing their own COVID-19 ICU structures. However, our medical center is an institution that intentionally developed a nurse practitioner–centered organizational structure. This should be considered when interpreting our results and findings. To learn about general COVID-19 ICU collaboration structures, researchers need to conduct analyses that account for multiple HCOs. Fourth, there was a lack of standard terminology for characterizing HCO departments and the roles of HCWs. Although there are taxonomies for describing clinician specialties [26-28]，这些往往忽视了非内科医生，他们在患者管理中发挥着至关重要的作用。很明显，部门名称和HCW类型的通用数据模型将提高我们的研究质量，并帮助其他机构使用我们的方法。第五，我们假设两个hcw在对患者的EHRs执行操作时是有联系的。尽管这样的假设可以帮助确定卫生保健工作者之间的合作关系，但它也可能导致确定许多虚假的关系。

结论

HCOs一直在规划和完善其人员配备战略，以便为COVID-19患者提供更高效和有效的护理。然而，在实践中，很少有有效的方法来评估协作结构的执行情况，特别是那些用于评估卫生保健工作者之间的跨学科联系的方法。在这项研究中，我们演示了如何使用大型学术医疗中心的电子病历系统的数据来了解COVID-19重症监护中的协作结构(即通过网络分析方法)。hco可以使用我们的网络分析方法和关于特征中心性、中间性和患者人员配置强度的数据，来描述hco在COVID-19大流行或未来事件期间在协作网络中的角色。此外，对健康护理中心如何相互联系的研究为研究团队结构、护理质量和患者安全之间的关系创造了机会。