Volume 7, No. 1 • February 2024   Issue PDF

可穿戴设备和改善围手术期患者安全 – 寻找解决方案!

Megan H. Hicks, MD；Ashish K. Khanna, MD, MS, FCCP, FCCM, FASA

引言

外科医生会对有严重合并症的患者实施手术。尽管如此，目前术中期要比以往任何时候都安全。但是，术后不良事件仍十分常见，约占到全球死亡总数的 7.7%。1 非心脏手术后30 天内最常见的死亡原因依次为大出血、非心脏手术后心肌损伤 (MINS) 以及脓毒症。2重要的是，将这三大原因合并在一起，约占到所有术后死亡率的一半。2 心肌损伤可能会被低估，因其非常难以察觉；本质上讲，它是一种“无症状的心肌梗死”，而高敏感性肌钙蛋白 T (hsTnT) 升高则是诊断该病所需的唯一标准。3术后期，当 hsTnT 的临界峰值与术前相比升高至少 5 ng/L，达到至少 20 ng/L，或超过 65 ng/L 时，不管基线浓度是多少，均提示有 MINS。4MINS 与术中和术后低血压有强相关性；但是，多数 MINS 发生在术后前三天内，表明术后低血压可能是一个主要因素。4,5

可穿戴技术能改善围手术期患者安全吗?

就临床表现而言，当提到患者术后遭受严重不良事件导致死亡时，通常被认为是突发的灾难性心肺衰竭。实际上，在事件发生前的数小时内，遭遇院内心肺骤停的绝大多数患者均有一个或多个生命体征出现了变化，死亡风险会随着心跳呼吸停止前的生命体征异常数量增加而增高。6至少有一半的这类患者被收治在医院病房中6,7 ，因此，这些患者的生命体征监测通常是间歇性的，8在发生这些严重不良事件之前，这些先兆性的生命体征波动往往会被忽视。因此，使用可穿戴设备来改善病房中的生命体征监测可能是一项革命性的围手术期患者安全措施，有可能大大减少患者的伤害。9,10尽管还没有教科书定义，但“可穿戴设备”通常是指可以使用传感器持续监测患者数据的无创性自主设备。在数据收集方面仍存在挑战，包括投资回报率和这些措施的日常实际执行等。

实施病房监测的依据

持续病房监测可改善治疗结局

由于多种潜在因素共同作用，包括但不限于人员短缺、了解非重症监护室 (ICU) 患者的生命体征和恶化趋势、监测能力不足，以及无法减轻警报疲劳的威胁等，入住医院病房的患者并不能得到充分的监测。重症监护室的护士通常最多只照顾两名患者，而且生命体征要连续或至少每小时测量一次。与之相反，照护普通病房患者的护士则需要分管很多患者，患者只能接受间歇性的生命体征监测，每 4 -12 小时一次。8尽管医院通常配备快速响应团队，但这些医疗急救团队的传入臂只与间歇测定的生命体征相关。在病情恶化的识别过程中，仅仅延迟 15 分钟或更长时间就会增加不良结局的风险。11可以理解的是，如果早期警告评分与持续病房监测相关联，则在快速响应后可获得更好的临床结局。执行病房监测的一项潜在益处是早期干预和快速响应呼叫的总体减少。11现行的病房监测标准错过了早期模式识别和实时干预的时机，且未从已记录的模式中吸取教训，而这样做原本将有助于改变未来我们照护患者的方式。许多医学团体成员认识到需要执行持续病房监测，同时，在我们的调查中，几乎所有的麻醉专业人士均相信，持续监测血压、心率和脉搏血氧饱和度至少适用于高危患者。8

不幸的是，由于不精确的评估和未识别到设备位移，主观间歇性生命体征测量容易出现结果失真和不准确。12某些证据表明，心跳和呼吸频率是最能预测患者心跳骤停、重症监护室转移以及死亡的两项生命体征。13呼吸频率是床旁医护人员执行不精确手工记录的一个常见问题，而自动化可穿戴监测设备测量的并行变化趋势则显示在导致关键事件的过程中存在明显差异。最近，使用年龄和持续的心率和呼吸频率（已发现这些是重症监护室转运和死亡的预测指标），开发出了机器学习分析方法。14之所以这样，是因为间歇性病房监测经常会导致血流动力学和呼吸生命体征波动被遗漏，15-18并强化被动而非主动的患者照护干预。

术后低血压和低氧症的漏诊

除开呼吸频率和心率变化以外，术后低血压可能也在 MINS 和死亡等术后不良事件中起作用。19这种情况可能是常见的、顽固的、复杂的，且经常被忽视。15,19,20例如，如果对医院病房进行间歇性监测，则大约有一半平均动脉压低于 65 mmHg 的事件被遗漏。15同样，术后低氧血症作为常见并发症，持续时间较长且情况极其复杂。研究发现，在接受临床医生设盲监测的患者中，21% 的术后非心脏住院患者有 ≥10 分钟的 SpO2 < 90% /小时。按 4 小时的间隔时间进行常规测量，超过 90% 的低氧饱和度事件（<90%，连续发生一小时）被遗漏。18与术后低血压不同，长时间未查出的低氧血症的影响尚不明确。尚未探索的一个重要领域是心率、呼吸频率、血压和氧饱和度的并行趋势变化，以及这类趋势对院内器官系统衰竭的影响。例如，有理由推测，在低血压背景下，由于心肌需氧量增加，未查出心动过速的住院患者可能出现更为危重的情况，但尚未对这些相关性进行研究。

阿片类药物诱发的呼吸抑制

阿片类药物诱发的呼吸抑制是一起重要的围手术期不良事件，尤其是在有心衰和睡眠呼吸障碍的老年男性患者子集中。21在 PRODIGY 研究中，至少有一半的患者遭受了至少一起阿片类药物诱发的呼吸抑制事件，在使用持续二氧化碳描计图和血氧仪进行检测时，这些事件均被查出，并使用能分离失真结果的严格标准，对这些事件进行了裁决。21在术后患者的一个队列中，大约五分之一的患者每小时遭受了一次氧饱和度降低（降至 90% 以下），由于执行间歇性生命体征监测，因此其中的绝大多数事件被遗漏了。16在病房遭受一起急性呼吸事件的患者中，大约 40% 的患者将会死亡。22本着这一精神，已终结的阿片类药物诱发性呼吸抑制索赔数据表明，其中大约一半的事件发生在最后一次护理检查后两小时内，几乎所有的事件都可通过更好的监测和教育来加以预防。23

支持病房监护设备的数据越来越多，尽管有关这些设备的多数研究主要是观察性的、回顾性的，但前后对照设计研究的效力还不足以真正推动剧烈变化。这些类型的数据集有助于了解实际使用情况，还可能有助于消除警报疲劳和实施过程中其他问题。已经证实，在实施了包括完全可穿戴解决方案在内的病房监测以后，快速响应呼叫、救援事件和 ICU 转运的数量，以及心脏骤停的发生率均有大幅减少。24-26尽管有合适的效力支持，但具有某种临床结局的监测类型的前瞻性、干预性随机试验可能是理想化的，这些试验尚未执行，且在逻辑上具有挑战性，尤其是当考虑到患者数量众多，而人员配备有限，在常规病房中执行个体患者水平随机入组和干预时更具挑战性。

实施

在韦克森林大学 (Wake Forest University) 医学中心，我们使用可采集心率、呼吸频率、氧饱和度、血压、房颤、患者活动和体温（每隔 15 秒钟采集一次）的无线可穿戴解决方案，实施了持续病房监测。一项研究对实施后的数据和实施前的历史队列进行了比较，结果显示，快速响应呼叫频次的降低具有统计学意义（189 – 158/1000 例出院，P = 0.036）。27 这与比较目前在英国一个大的医院系统中实施的病房监测（该项工作报告，使用与我们相同的无线连续监测技术，ICU 入住和快速响应呼叫次数均大幅减少）的历史队列相一致。26最近，我们比较了 2018 和 2019 年接受间歇性抽查监测的 12,345 名患者和相同时段内在我们单位不同楼层进行术后恢复、接受持续便携式监测的 7,955 名术后患者组成的倾向性匹配的队列。28在首次住院期间，接受持续病房监测的患者被转运至 ICU 或发生死亡的可能性比没有这样做的患者低 3.5 倍，且出现心衰、心肌梗死或肾脏损害的可能性也较低。28 有趣的是，我们单位在 2020 和 2021 年开展的一项病房聚类、随机、务实的替代性干预试验也证实，血压、氧饱和度和心率变化的复合风险显著降低，从而支持进行持续监测 (NCT04574908, clinicaltrials.gov)。我们还调查了非心脏手术后发生的心肌损伤，两组无明显差异。

术后活动与姿势

尽管在医院病房中对常规生命体征至少进行间歇性的监测，但患者活动是与术后恢复过程改善密切相关的、相对较新的一个领域。尽管患者在家里使用很多追踪设备进行了良好追踪，但活动性实际上是医院术后监测中经常被低估的问题。在维克森林大学，我们的监测解决方案还包括放置在患者躯干上的 3 轴加速计，用于识别姿势是否为直立 90°、直立 45°、仰卧、侧躺、行走以及跌倒。我们考察了来自一个数据集的患者结局，其中包含在医院病房中进行术后恢复的将近 9,000 名患者。以 15 秒的间隔时间对数据进行了记录，当患者的姿势被识别为直立 90° 和行走姿势时，则认为患者在活动。我们调整了混杂因素后的最终分析结果报告，每 4 分钟的活动增加与复合结局（其中包括心肌损伤、肠梗阻、中风、静脉栓塞、肺部并发症以及全因院内死亡率）有显著相关性（风险比 [HR], 0.75; 95% CI, 0.67-0.84; P < 0.001）。
此外，与活动增加相关的住院天数也减少了 0.12 天 (95% CI, 0.09-0.15; P < .001)。29尽管不能排除该数据中有未观察到的混杂因素，但此处见到的信号将鼓励今后开展干预试验，以便将基于活动的干预措施与持续监测的常规生命体征相结合。

可穿戴病房监测系统

自无线和小型脉搏血氧仪、微创心动过速监测设备、持续血糖监测设备以及无线胰岛素输注泵和吸奶器出现以来，医疗和急救团体已开始充分利用这些可穿戴医疗设备。因此，设计用于住院环境的可穿戴监测设备是一个相对简单的转变过程，但多数设备还需要准确的验证数据和干预结局试验（表 1）。8对于超越此阶段的可穿戴设备，在医院病房中实施仍面临挑战。

表 1.理想的医院病房监测系统特征8

证据评估、股东参与以及实施前的人员教育
无创的便携式心脏呼吸生命体征测量，包括活动和体位数据
持续的和可修改的监测频率
能集成关键趋势、统一信号并防止信息过载的监测显示
与快速响应页面系统和早期警告评分相连的、基于阈值的警报
可以在设备和中心监测站层面进行调整的警报控制和延迟
自动化的和高频率的数据流进入设备数据服务器，并进行云存储
生成准确的、可靠的和可再现的数据
其他监测仪导致的伪影干扰很少
数据流进入其他设备（患者监护仪、中心监测平台和/或其他便携式或移动设备）
与电子医疗记录无缝集成
易于提取的数据（包括波形数据），并带有准确的时间戳
可指导主动干预的、分层的预测分析方法
在生命体征变化和警报的各种组合后面标注的、基于 AI 建议的各种干预方案

实施挑战

持续病房监测的实施仍面临重大挑战

尽管可穿戴监护设备具有明显的优势，即易于穿戴，但其在使用过程中仍面临诸多挑战，尤其是与投资成本和回报、安全风险、数据处理以及技术问题（包括有关结果失真和连接性的担忧）相关的挑战。8,10尽管前期成本很大，但不良的患者结局哪怕减少一小点，所带来的成本节省也可能会很快抵消这些初始支出。21,30不过，这也是执行更好成本效益分析的一次机会，以便对照不必要的 ICU 入住、损失的 ICU 床位和住院时间延长，以及因血流动力学和呼吸变化认识不足而引起器官系统衰竭所带来的成本，对连续监测的设置和年度维护进行建模分析。

由于获得的数据量急剧增加，这些设备实施后的主要功能障碍仍然是警报疲劳。因此，实施病房监测需要合并使用风险预测策略来确定哪些患者最可能受伤害并因此获益。21,31此外，这些器械的优化可能还包括机器学习、模式检测技术、人工智能的创建和实施，以及先进的微创心脏生理监测范式的开发等。
在医院各科室使用持续监测还需要我们在早期和这些设备上市之前，与护理同事以及帮助研究和开发这些可穿戴感受器的科学家通力合作。最后，还有必要建立一个适当而有效的用户友好型干预系统，适用于非 ICU 临床区域医护人员。这可能有助于专业医护人员尽早采取适当的干预措施执行合适的早期干预，尤其是对于那些持续显示生命体征测量值异常的患者。

结论

欢迎开展更多研究来进一步验证可穿戴设备的广泛采用

总之，使用可穿戴设备执行持续病房监测在改善患者安全和临床治疗结局方面有非常大的应用前景。实施挑战持续存在，但可以通过更好开展的、支持改变当前监测实践的研究来加以克服。

 

Megan H. Hicks, MD 是韦克森林大学医学院（北卡罗来纳州温斯顿塞勒姆市）的麻醉学助理教授。

Ashish K. Khanna, MD 是韦克森林大学医学院（北卡罗来纳州温斯顿塞勒姆市）的麻醉学副教授和研究副主任。

Megan H. Hicks, MD 没有利益冲突。

Ashish K. Khanna, MD 为 Medtronic、Edwards Life Sciences、Philips Research North America、Fifth Eye Inc.、GE Healthcare、Potrero Medical、Retia Medical 和 Caretaker Medical 公司提供咨询服务。他的病房监测研究工作得到了“临床与转化科学研究所 (CTSI) NIH/NCTAS KL2 TR001421 奖金”资助。

参考文献

  1. Nepogodiev D, Martin J, Biccard B, et al. Global burden of postoperative death. Lancet. 2019;323(10170):401. PMID: 30722955.
  2. Spence J, LeManach Y, Chan MTV, et al. Association between complications and death within 30 days after noncardiac surgery. CMAJ. 2019;191:E830–837. PMID: 31358597.
  3. Writing Committee for the VSI, Devereaux PJ, Biccard BM, et al. Association of postoperative high-sensitivity troponin levels with myocardial injury and 30-day mortality among patients undergoing noncardiac surgery. JAMA. 2017;317:1642–1651. PMID: 28444280.
  4. Ruetzler K, Khanna AK, Sessler DI. Myocardial injury after noncardiac surgery: preoperative, intraoperative and postoperative aspects, implications, and directions. Anesth Analg. 2020;13):173–186. PMID: 31880630.
  5. Sessler DI, Khanna AK. Perioperative myocardial injury and the contribution of hypotension. Intensive Care Med. 2018;44:811–822. PMID: 29868971.
  6. Andersen LW, Berg KM, Chase M, et al. Acute respiratory compromise on inpatient wards in the United States: Incidence, outcomes, and factors associated with in-hospital mortality. Resuscitation. 2016;105:123-9. PMID: 27255952.
  7. Perman SM, Stanton E, Soar J, et al. Location of in-hospital cardiac arrest in the United States—variability in event rate and outcomes. J Am Heart Assoc. 2016;5:e003638. PMID: 27688235.
  8. Michard F, Thiele RH, Saugel B, et al. Wireless wearables for postoperative surveillance on surgical wards: a survey of 1158 anaesthesiologists in Western Europe and the USA. BJA Open. 2022;23:1:100002. PMID: 37588692.
  9. Hemapriya D, Viswanath P, Mithra VM, et al. Wearable medical devices—design challenges and issues. IEEE International Conference on Innovations in Green Energy and Healthcare Technologies (ICIGEHT’17). March 2017. doi: 10.1109/IGEHT.2017.8094096.
  10. Khanna AK, Hoppe P, Saugel B. Automated continuous noninvasive ward monitoring: future directions and challenges. Crit Care. 2019;23(1):194. doi.10.1186/s13054-019-2485-7.
  11. Michard F, Kalkman CJ. Rethinking patient surveillance on hospital wards. Anesthesiology. 2021;135:531–540. PMID: 34237129.
  12. Badawy J, Nguyen OK, Clark C, et al. Is everyone really breathing 20 times a minute? Assessing epidemiology and variation in recorded respiratory rate in hospitalised adults. BMJ Qual Saf. 2017;26:832–836. PMID: 28652259.
  13. Churpeck MM, Adhikari R, Edelson DP. The value of vital sign trends for detecting clinical deterioration on the wards. Resuscitation. 2016;102:1–5. PMID: 26898412.
  14. Akel MA, Carey KA, Winslow CJ, et al. Less is more: Detecting clinical deterioration in the hospital with machine learning using only age, heart rate, and respiratory rate. Resuscitation. 2021;168:6–10. PMID: 34437996.
  15. Turan A, Chang C, Cohen B, et al. Incidence, severity, and detection of blood pressure perturbations after abdominal surgery: a prospective blinded observational study. Anesthesiology. 2019;130:550–559. PMID: 30875354.
  16. Saab R, Wu BP, Rivas E, et al. Failure to detect ward hypoxaemia and hypotension: contributions of insufficient assessment frequency and patient arousal during nursing assessments. Br J Anaesth. 2021;127(5):760-768. PMID: 34301400.
  17. Sun Z, Sessler DI, Dalton JE, et al. Postoperative hypoxemia is common and persistent: a prospective blinded observational study. Anesth Analg. 2015;121:709–715.PMID: 26287299.
  18. Khanna AK, O’Connell NS, Ahuja S, et al. Incidence, severity and detection of blood pressure and heart rate perturbations in postoperative ward patients after noncardiac surgery. J Clin Anesth. 2023;89:111159. PMID: 37295123.
  19. Sessler DI, Khanna AK. Perioperative myocardial injury and the contribution of hypotension. Intensive Care Med. 2018;44:811–822. PMID: 29868971.
  20. Liem VGB, Hoeks SE, Mol KHJM, et al. Postoperative hypotension after noncardiac surgery and the association with myocardial injury. Anesthesiology. 2020;133:510–522. PMID: 32487822.
  21. Khanna AK, Bergese SD, Jungquist CR, et al. PRediction of Opioid-induced respiratory Depression on Inpatient wards using continuous capnoGraphY and Oximetry: an international prospective, observational trial (PRODIGY). Anesth Analg. 2020;131:1012–1024. PMID: 32925318.
  22. Morrison LJ, Neumar RW, Zimmerman JL, et al. Strategies for improving survival after in-hospital cardiac arrest in the United States: 2013 consensus recommendations: a consensus statement from the American Heart Association. Circulation. 2013;127:1538–1563. PMID: 23479672.
  23. Lee LA, Caplan RA, Stephens LS, et al. Postoperative opioid-induced respiratory depression: a closed claims analysis. Anesthesiology. 2015;122:659–665. PMID: 25536092.
  24. Taenzer AH, Pyke JB, McGrath SP, Blike GT. Impact of pulse oximetry surveillance on rescue events and intensive care unit transfers: a before-and-after concurrence study. Anesthesiology. 2010;112:282–287. PMID: 20098128.
  25. Brown H, Terrence J, Vasquez P, et al. Continuous monitoring in an inpatient medical-surgical unit: a controlled clinical trial. Am J Med. 2014;127:226–232. PMID: 24342543.
  26. Eddahchouri Y, Peelen RV, Koeneman M, et al. Effect of continuous wireless vital sign monitoring on unplanned ICU admissions and rapid response team calls: a before-and-after study. Br J Anaesth. 2022;128:857–863. PMID: 35282866.
  27. Weller RS, Foard KL, Harwood TN. Evaluation of a wireless, portable, wearable multi-parameter vital signs monitor in hospitalized neurological and neurosurgical patients. J Clin Monit Comput. 2018;32:945–951. PMID: 29214598.
  28. Rowland B, Motamedi V, Michard F, et al. Impact of continuous and wireless monitoring of vital signs on clinical outcomes: a propensity matched study in 34,636 surgical ward patients. Br J Anaesth. 2023. (accepted for publication)
  29. Turan A, Khanna AK, Brooker J, et al. Association between mobilization and composite postoperative complications following major elective surgery. JAMA Surg. 2023;158:825–830. PMID: 37256591.
  30. Khanna AK, Ahuja S, Weller RS, et al. Postoperative ward monitoring—why and what now? Best Pract Res Clin Anaesthesiol. 2019;33:229–245. PMID: 31582102.
  31. Greenwald S, Chamoun GF, Chamoun NG, et al. Risk stratification index 3.0, a broad set of models for predicting adverse events during and after hospital admission. Anesthesiology. 2022;137:673–686. PMID: 36129680.