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，将每位COVID-19患者与2019年12月1日至2020年2月29日期间入住医学重症监护病房(MICU)的一名未患COVID-19的成年患者进行匹配。

倾向评分基于年龄、性别和患者的住院时间。COVID-19和非COVID-19组的倾向得分分布如图所示 多媒体附录1．两个分布的Pearson相关系数为0.93;相关联的 P值< 0.001。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名没有COVID-19。共有3例COVID-19患者需要多次ICU治疗。在这项研究中，我们随机为这些患者选择了一个住院时间。 表1概述了受调查的COVID-19患者和非COVID-19患者的人口统计学特征、合并症和结局。

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，虽然自述白人患者多于其他种族患者，但新冠肺炎组白人患者数量明显少于非新冠肺炎组。三是未感染COVID-19的患者合并症发生率高;具体而言，未感染COVID-19的患者表现出COVID-19患者常见的6种合并症(即COVID-19相关住院监测网络报告的合并症)[ 1]。四是两组患者多数(新冠肺炎:29/38,76%;无COVID-19: 24/38(63%)出院。

分析由两个主要部分组成。首先，我们使用网络分析方法来了解参与危重患者管理的HCW网络。其次，我们对新冠肺炎和非新冠肺炎环境下的网络结构进行了统计比较。

我们分析了医护人员对患者电子病历所采取的行动，以衡量员工之间的联系。HCW行动有六种类型，包括与病情相关的(例如，指定诊断)、与程序相关的(例如，插管)、与药物相关的(例如，处方)、与笔记相关的(例如，撰写进度记录)、与医嘱相关的(例如，安排实验室检查)和与测量相关的(例如，测量呼吸频率)行动。

研究显示，1天的时间窗口足以反映医护人员之间有意义的合作关系[ 20.- 23]。因此，我们假设在同一天与同一患者的电子病历交互的两名卫生保健员之间存在联系。我们建立了一个网络，其中节点代表医护人员，边缘表示两个医护人员对同一患者的电子病历执行操作的天数。我们为COVID-19危重患者建立了一个网络，为非COVID-19患者建立了另一个网络。

COVID-19和非COVID-19网络中的节点定义如下:

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网络的专业知识定义如下:

在式1-4中，Z和EXP用来描述COVID-19或非COVID-19网络的组成。

在每个网络中，我们分别使用两种社会计量指标——特征向量中心性和中间性中心性来量化HCW在网络中的核心地位和中间地位。我们使用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间中心性值。

特征中心性描述了一个HCW与其他HCW之间紧密连接的程度，而其他HCW之间也紧密连接。高特征HCW可能是核心人员，在执行电子病历操作时积极与其他HCW合作。一个具有特征值的HCW网络示例见 多媒体附录2．

HCW的中间中心性是指两个HCW之间的最短路径的数量。一个具有广泛技能的HCW，照顾各种各样的病人，经常处于高中间位置。一个具有中间度中心性值的HCW网络示例见 多媒体附录2．

我们调查了COVID-19和非COVID-19重症监护结构的特征性和差异性在网络和专业水平上是否具有统计学意义。网络层面的比较是通过评估整个网络(即COVID-19与非COVID-19网络)进行的，而专业水平的比较是针对每个专业(如内科医生)进行的。由于特征性和中间性不是高斯分布，我们进行了Mann-Whitney U检验，显著性水平为α= 0.05。专业知识测试包括至少8个HCWs，并涉及Bonferroni校正，以解释多个假设。

我们将2019冠状病毒病和非2019冠状病毒病的住院天数定义如下:

由于每次住院(即，5_我)可以持续超过1天，我们将停留的第j天定义为5天_我,我(即1≤j≤l_我）;l_我表示患者住院的最后一天(例如，5天)_我)。的年代_我,我，我们计算了HCWs的数量(即n_我,我,经验值_k)在每个专业类别(即，经验_k)，他们在第j天与患者i的电子病历进行了互动_我)，我们计算了每个专业类别(即经验_k)每天与同一名病人的电子病历互动，详情如下:

在方程7中，los_我指住院时间(即每次住院的开始时间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，损失_我可能与l不同_我．每日患者人员配备强度定义为专业水平值(即，)。

为了解新冠肺炎重症监护与非新冠肺炎重症监护患者日常人员配置强度的差异，我们进行了一组测试。具体而言，对于每个调查的专业知识(例如内科护士从业人员)，我们测试了COVID-19危重患者是否需要比没有COVID-19的危重患者更高的每日患者人员配备强度。我们将重点放在COVID-19和非COVID-19重症监护中平均每日人员强度值最高的20个专业类别上，并使用Mann-Whitney U检验，其bonferroni校正显著性水平为0.05。

我们还根据参与患者管理的医护人员数量评估了COVID-19和非COVID-19重症监护患者总体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有COVID-19的患者的电子病历互动的卫生保健人员的数量。我们的假设是:感染COVID-19的危重患者比未感染COVID-19的危重患者需要更高的总体人员配备强度。我们使用Mann-Whitney U检验来检验这一假设，其bonferroni校正显著性水平为0.05。

COVID-19和非COVID-19重症监护的医护人员数量、类型、专业和专业类别分别为759人和1331人、24人和24人、92人和128人、133人和207人。这些值表明，没有COVID-19的患者需要更多的专业知识、专科和卫生保健人员。可能的原因是，没有新冠肺炎的危重患者因各种重大疾病而入住了MICU。在患者水平上，COVID-19和非COVID-19重症监护分别为79.5和88.2 HCWs, 9.8和10.6 HCWs类型，23.0和27.1个科室，29.2和34.0个专业类别。COVID-19和非COVID-19重症监护的患者水平值高度相似。

图1说明了10个COVID-19和非COVID-19重症监护专业类别与卫生保健工作者比例最大的结合。可以看出，除了住院医师和具有骨髓抑制专业知识的注册护士外，COVID-19环境中不同类型HCWs的百分比高于非COVID-19环境。这些结果展示了范德比尔特大学医学中心如何分配全职、非实习医护人员来管理COVID-19重症患者，并在COVID-19大流行期间减少住院人数。

在COVID-19环境中没有具有骨髓抑制专业知识的注册护士。经进一步分析，我们发现4例患者同时患有COVID-19和癌症，但在治疗时都不需要侵入性干预。

图2从特征中心性和间接性角度介绍了COVID-19和非COVID-19重症监护中的HCW网络。从图中可以看出，与非COVID-19网络相比，COVID-19网络中大多数HCWs的规模更大(即特征性更高)。说明新型冠状病毒组网中医护人员的连接高度和密度远高于非新型冠状病毒组网。我们进行了一项测试，以衡量COVID-19和非COVID-19网络之间的特征性差异。结果表明，两个网络的特征中位数差异显著(COVID-19: 0.096;non-COVID-19: 0.057; P <。001)。

在移除少于8名医护人员的专业类别后，我们对剩下的12个专业类别进行两两检验。这些测试的结果载于表S1 多媒体附录3．有几个值得注意的发现。首先，我们观察到COVID-19网络中的内科医生比非COVID-19网络中的内科医生具有更高的特征性值( P=措施)。 图2并从特征中心性的角度展示了新冠肺炎网络和非新冠肺炎网络中内科医生的子网。从图中可以看出，在COVID-19网络中的内科医生是相互连接的，而在非COVID-19网络中的内科医生是分开的。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性值( P= .002)。 图3表明在整个非covid -19网络中有许多居民。但是，在新冠肺炎网络中，居民的数量要少得多。

两种网络之间的差异无统计学意义(COVID-19网络:中位数0.002;非covid -19网络:中位数为0.003; P= 22)。然而，COVID-19网络中的护士从业人员的中间值明显高于非COVID-19网络中的护士从业人员( P<措施)。表S2给出了具有不显著差异的专业类别的完整检验结果集 多媒体附录3． 图2并从中间性角度展示了COVID-19和非COVID-19网络中护士从业人员的子网。从图中可以看出，执业护士在COVID-19网络中的连接数比在非COVID-19网络中的连接数要多。在 图2，也可以看出，执业护士是COVID-19网络的核心部分，是其他卫生保健工作者之间的连接桥梁。鉴于中间性反映了医护人员接触到广泛的患者，COVID-19协作结构中的执业护士可以在没有直接联系的医护人员之间建立联系。内科医生和执业护士是COVID-19网络的核心。如图所示 图3这两种类型的医护人员在COVID-19护理环境中的连接数量大于非COVID-19护理环境中的连接数量。

总共使用COVID-19患者的电子病历执行了41,903次(平均1103次)操作，使用无COVID-19患者的电子病历执行了44131次(平均1161次)操作。感染和未感染COVID-19的患者的电子病历操作次数无统计学差异( P=收)。对合并和未合并COVID-19的危重患者的电子病历采取行动的专业类别和卫生保健工作者的数量差异也不显著(专业类别: P=。08;卫生工作者: P= .19)。中的表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的COVID-19和非COVID-19重症监护患者人员配备强度的差异。20个COVID-19和20个非COVID-19专业知识类别合并得到24个类别。

内科执业护士、心血管ICU注册护士和外科ICU注册护士对COVID-19危重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师(即具有医学和急诊医学专业知识的医师)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人员配备强度方面没有统计学差异。这些类别包括放射科医生、肾病内科医生、肺部/过敏内科医生、急诊内科医生、MICU注册护士和呼吸治疗师。

对于重症监护室的HCW人员配置没有通用的指导方针。迄今为止，ICU人员配置研究主要集中在组织模式(例如，开放、封闭和混合模式)上，很少有人研究医护人员之间的合作。在这项研究中，我们使用了一种新的方法来了解卫生保健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间中心性，量化了卫生保健中心的核心和中间状态，并确定了COVID-19和非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战略规划结构的差异。例如，有一个显著的差异( P<.001)，因为我们的医疗中心分配了全职的、非培训的医护人员来管理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为住院医师在新冠肺炎网络和非新冠肺炎网络中的子网。可以看出，非新型冠状病毒网络的居民网络比新型冠状病毒网络更大，居民之间的连接也比新型冠状病毒网络更复杂。这表明住院医师在非covid -19环境中对重症患者的管理非常活跃。

除了收集关于COVID-19重症患者管理的基本战略规划方法(即减少住院医师数量)的数据外，我们还了解了协作结构的各个方面，这些方面对团队合作管理很重要，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人员比非COVID-19协作结构中的内科医生和护士从业人员更活跃(即高特征性或中间性)。如图所示 图3内科医生和执业护士在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重症患者管理有关的合作的核心成员。

将卫生保健医生之间的联系与他们在协作网络中的特征性和间接性价值相结合，可以帮助卫生保健医生设计和制定更具体的人员配置策略，这可能会提高护理质量和患者的治疗效果。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在前瞻性设置中使用。我们的COVID-19和非COVID-19网络可用于识别新成立或修改的团队的特征。例如，如果COVID-19 ICU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关系可以作为识别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(即特征性)、稳健性(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地添加或删除HCW，并度量领导力、健壮性和熟悉度方面的变化，这将帮助团队创建者找到他们想要的团队。

在本研究中，我们没有研究时间网络或团队动态，这对hco监控和管理团队动态至关重要。然而，研究人员可以使用我们在研究中开发的网络分析方法来确定时间网络，例如每日，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，hco可以使用我们的网络分析方法来临时衡量内科医生、执业护士和住院医师之间的关系;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的一些局限性。这些限制为进一步调查提供了机会。首先，这项研究是基于少数COVID-19危重患者。虽然我们的样本有足够的能力来分析几种类型的HCWs在COVID-19和非COVID-19重症监护中的特征性、之间性和患者人员配备强度的差异，但需要更大的数据量才能获得具有统计学意义的结果。其次，合并症可能会影响团队结构;然而，在COVID-19患者和非COVID-19患者之间匹配合并症可能会导致某些风险。根据我们的观察，两个队列之间匹配的合并症将大大扩大非covid -19队列的研究窗口(即30年)。然而，随着时间的推移，非covid -19护理团队可能会发生巨大变化，这使得对非covid -19团队结构的研究变得没有意义。因此，在本研究中，我们将重点放在最重要的混杂因素(即年龄、性别和逗留时间长短)上，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，这允许在合并症方面存在一定程度的差异。 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]，这些往往忽视了在病人管理中发挥重要作用的非医生。很明显，部门名称和HCW类型的通用数据模型将提高我们研究的质量，并有助于其他机构使用我们的方法。第五，我们假设两个HCWs在对患者的电子病历执行操作时存在联系。尽管这种假设有助于确定卫生保健工作者之间的协作关系，但它也可能导致识别许多虚假的关系。

hco一直在规划和完善其人员配置策略，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合作结构的执行情况，特别是评估卫生保健工作者之间跨学科联系的方法。在本研究中，我们展示了如何使用大型学术医疗中心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特征性、中间性和患者人员配备强度数据来描述HCW在COVID-19大流行或未来事件期间在协作网络中的作用。此外，对卫生保健工作者如何连接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。