Volume 8, No. 1 • February 2025   Issue PDF

2025 年度 APSF 奖助金获得者

by Yan Xiao, PhD

APSF 奖助计划对于 APSF 的使命至关重要，即支持并推进麻醉患者安全文化、知识和学习。该计划有助于从事安全研究及教育的众多麻醉医师和其他专业人士建立和加强职业生涯规划，并在其中发挥了重要作用。自 1987 年以来，APSF 累积为超过 130 名麻醉医师和其他研究人员提供了超过 1,500 万美元的资金支持。2024-2025 年度 APSF 研究人员发起的研究 (Investigator-initiated Research, IIR) 补助计划收到了来自美国和加拿大 18 家机构的 24 份意向书。多学科科学评估委员会 (Scientific Evaluation Committee, SEC) 在外部统计审查人员的协助下对这些意向书进行了审查及讨论。评分最高的五份意向书受邀提交了完整的提案，这些提案由 SEC 进行了审查和讨论，以评估其对麻醉患者安全的潜在影响以及科学严谨性。已建议 APSF 董事会对其中三份提案进行资助，三份提案均获得了全体一致支持。今年的受资助者有来自加州大学圣地亚哥分校的 Rodney A. Gabriel, MD, MAS、来自华盛顿大学的 Kelly Michaelsen, MD, PhD 和来自迈阿密大学的 Elizabeth Mahanna-Gabrielli, MD。此外，由麻醉教育和研究基金会 (Foundation for Anesthesia Education and Research, FAER) 联合资助的 2024 年指导型研究培训资助 (Mentored Research Training Grant, MRTG) 计划收到了来自六个组织的七封意向书。三位主要研究者受邀提交完整提案。审查后确定了受资助者，即来自宾夕法尼亚大学的 Caoimhe Duffy, MD, MSc。这些主要研究者对其提案做了以下说明。

Rodney A. Gabriel, MD, MAS

加州大学圣地亚哥分校健康科学学院麻醉学副教授。

Rodney A. Gabriel, MD, MAS

Rodney A. Gabriel, MD, MAS

Gabriel 博士的项目题为“利用人工智能进行围手术期学习以实现及时的手术优化 (Perioperative Learning using Artificial intelligence for Timely surgical Optimization, PLATO)——面向术前照护门诊分诊手术患者的一种自动化方法”。

背景：已证明有效利用术前照护门诊可以减少手术取消率、不必要的检查、住院时间以及术后并发症。1,2然而，随着手术量的增加、电子健康记录 (Electronic Health Record, EHR) 数据管理的扩展以及有限的资源难以跟上这些需求，照护需求可能会超出门诊的承载能力。使用人工智能 (Artificial Intelligence, AI) 来帮助术前照护门诊实现自动化分诊流程，可提供诸多与患者安全相关的益处。虽然这些自动化流程可能会直接减轻生产压力，但其主要目标是优化每位患者术前评估的全面性，特别是对于术后并发症风险较高的患者。

目标：本提案的主要目标是开发工具，通过提高我们在术前照护门诊识别高风险患者的能力，来降低术后主要并发症的风险，尤其是心脏相关事件。本提案旨在利用 AI 模型3（如机器学习和大型语言模型）来处理非结构化和结构化数据），从而开发 PLATO，该方法将处理术前 EHR 数据，以计算患者的改良心脏风险指数4 (Revised Cardiac Risk Index, RCRI)，并总结相关临床病史以评估心脏风险（目标 1）。PLATO 将处理非结构化数据（如临床记录）和结构化数据（例如实验室值、药物、诊断代码），以确定患者风险因素，并据此计算 30 天内出现死亡、心肌梗死或心脏骤停的风险。我们假设能够开发出 PLATO，使其能够识别每位患者的 RCRI 组成部分，从而计算出其术前心脏风险。随后，术前麻醉照护门诊可以使用这些信息来分诊术前评估需求。此外，还可预测术后转归的风险，包括心脏并发症、肺炎、手术部位感染、尿路感染、静脉血栓栓塞、肾功能衰竭、计划外再插管，以及死亡（目标 2）。

意义：术前照护门诊可改善患者转归。本提案旨在利用 AI 开发 PLATO，该方法将处理结构化和非结构化 EHR 数据，根据术前 RCRI 评分识别术后风险，并预测各种术后并发症的概率。这种方法可以提供一种筛查高风险患者的自动化工具，以便术前门诊可以更有效地分配现有资源进行术前评估（例如，通过 PLATO 识别为高风险的患者可能会被安排进行面对面的术前门诊就诊，而低风险的患者可能会在手术当日接受评估或通过电话接受评估）。

资金资助：150,000 美元（2025 年 1 月 1 日至 2026 年 12 月 31 日）。本项经费是 APSF/美国麻醉医师协会 (ASA) 主席科研奖专用资金。

参考文献

  1. Edwards AF, Slawski B. Preoperative clinics.Anesthesiol Clin.2016;34:1–15.PMID:26927735
  2. Blitz JD, Kendale SM, Jain SK, et al. Preoperative evaluation clinic visit is associated with decreased risk of in-hospital postoperative mortality.Anesthesiology.2016; 125:280–294.PMID:27433746
  3. Suh HS, Tully JL, Meineke MN, et al. Identification of preanesthetic history elements by a natural language processing engine.Anesth Analg.2022;135:1162–1171.PMID:35841317
  4. Fronczek J, Polok K, Devereaux PJ, et al. External validation of the revised cardiac risk index and national surgical quality improvement program myocardial infarction and cardiac arrest calculator in noncardiac vascular surgery.Br J Anaesth.2019;123:421–429.PMID:31256916

Kelly Michaelsen, MD, PhD

华盛顿大学麻醉学助理教授

Kelly Michaelsen, MD, PhD

Kelly Michaelsen, MD, PhD

Michaelsen 博士的项目题为“基于航空报警系统原理的集成化、中心化麻醉警报系统”。

背景：医疗设备警报被普遍视为一种功能失调的系统，会产生令人分心的嘈杂声音，导致“警报疲劳”，并可能危及患者安全。1在手术室中，设备警报频繁出现，而大多数警报并无临床意义，也无需立即采取行动。2,3联合委员会自 2013 年以来就认识到了医疗警报的问题，并在 2024 年仍将警报的安全使用视为全国患者安全目标。4本项目提议通过应用航空业的设计最佳实践来转变麻醉设备警报的理念。与医疗警报不同，飞行甲板警报通过集中化系统发出。当有状况触发任何飞机系统或传感器的警报时，中央面板会根据重要性层级显示相关状况，需要立即响应的警报位于层级的最顶端。通过红色“主警告”灯和独特的持续音调，将注意力引向最重要的状况。在极少数最重要的警报情况下，还将伴有语音提示（严重警报）。优先级较低的警报则用黄色“主注意”灯和单一音调（警告和注意）指示，或者完全无音调（建议），同时在显示屏上显示状况信息。

目标：我们的目标是创建概念验证版本的集中化麻醉警报系统，该系统采用适应于麻醉场景的商用航空风格架构。我们将在全尺寸手术室模拟环境中测试该概念验证系统。我们的假设是，本警报系统将产生极少严重警报、少量警告，主要生成低级别、不夸张的消息。我们进一步假设，本系统将为医护人员提供一个简单、直观、集中的警报信息源，该信息源能够可靠地按照医护人员的期望和需求根据优先级呈现警报，从而更好地支持其采取确保患者安全的行动。

意义：这一设计的关键创新之处在于集中化系统，该系统可将手术室中所有麻醉相关监测仪和设备（包括患者监护仪和麻醉机）的信息整合至单一系统中，呈现来自所有设备的警报和状态信息。本设计将用具有优先级排序的单个方案替换所有听觉和视觉警报，该方案包括一个主警报灯、两种不同的听觉警报（分别用于警告和注意）、一种语音听觉警报（用于在极少数情况下指示需要立即采取行动的严重警报），以及一个集中化的警报显示屏（包含关于活动警报的详细信息）。最终，集中化的麻醉警报系统可以整合来自所有麻醉相关设备的数据。可设计类似系统，用于其他环境，如急诊室和重症监护室。

资金资助：150,000 美元（2025 年 1 月 1 日至 2026 年 12 月 31 日）。本项经费被命名为 APSF/Medtronic 研究奖，同时也被命名为 APSF Ellison C. Pierce, Jr., MD 英才奖，提供 10,000 美元作为无限制研究支持。

参考文献

  1. Chopra V, McMahon LF.Redesigning hospital alarms for patient safety: alarmed and potentially dangerous.JAMA.2014;311:1199–1200.PMID:24590296
  2. Schmid, F. et al. The wolf is crying in the operating room: patient monitor and anesthesia workstation alarming patterns during cardiac surgery.Anesth Analg.2011;112:78–83.PMID:20966440
  3. de Man FR, Greuters S, Boer C, et al. Intra-operative monitoring—many alarms with minor impact.Anaesthesia.2013;68:804–810.PMID:23745968
  4. Hospital:2024 National Patient Safety Goals.The Joint Commission.January 1, 2024.Available at: https://www.jointcommission.org/standards/national-patient-safety-goals/hospital-national-patient-safety-goals/.Accessed December 12, 2024.

Elizabeth Mahanna-Gabrielli, MD

迈阿密大学米勒医学院麻醉学副教授

Elizabeth Mahanna-Gabrielli, MD

Elizabeth Mahanna-Gabrielli, MD

Mahanna-Gabrielli 博士的项目题为“持续进行老年综合评估能否降低老年衰弱患者择期术后谵妄的发生率？”

背景：老年衰弱患者出现术后谵妄 (Postoperative Delirium, POD) 的几率是身体健壮患者的 2-3 倍。1衰弱是一种由多种合并症、虚弱以及应激因素恢复力差所构成的综合征。老年综合评估 (Comprehensive Geriatric Assessment, CGA) 旨在评估衰弱、合并症和 POD 风险因素之间的复杂相互作用。专家共识已建议对有风险的患者进行 CGA。2,3然而，目前对于 CGA 能否降低老年患者 POD 风险仍存在不确定性，这可能是因为既往研究中纳入了身体较为健壮的老年患者。4我们假设，在计划接受择期住院手术（预计住院时间 ≥ 2 天）且年龄 ≥ 60 岁的老年衰弱患者中，由专门的老年医学服务团队（“CGA”）提供的术后评估和个性化建议（包括遵循谵妄预防策略），将优于简单的 EHR 衰弱识别、麻醉指南以及减少 POD 的通用建议（“标准照护”）。

目标：1.确定 CGA 在减少 POD 方面是否优于标准照护。2.探讨 CGA 在使患者于出院时达到与术前相同或更低的照护水平方面是否优于标准照护。3.探讨 CGA 在延长住院时间方面与标准照护有无差异。

意义：谵妄是一种常见但可预防的严重患者安全问题，广泛见于外科亚专科，发病率和死亡率较高，治疗成本高昂。5然而，循证谵妄预防措施往往执行不力。2CGA 是提议用于减少 POD 的策略，但目前文献中仍存在不确定性。4CGA 的模式多种多样，并不一定仅由老年科医生组成，还可以纳入对老年医学最佳实践有深入了解的医疗人员，例如老年患者麻醉医师。本提案仅纳入 POD 风险较高的老年衰弱患者，因此比纳入身体健壮患者的研究更有可能展现益处。如果前者益处优于后者，将提供强有力的证据，证明术后 CGA 优于 EHR 识别衰弱和减少 POD 的通用建议。

资金资助：150,000 美元（2025 年 1 月 1 日至 2026 年 12 月 31 日）。

参考文献

  1. Gracie TJ, Caufield-Noll C, Wang NY, Sieber FE.The association of preoperative frailty and postoperative delirium: a meta-analysis.Anesth Analg.2021;133:314–323.PMID:34257192
  2. Peden CJ, Miller TR, Deiner SG, et al. Improving perioperative brain health: an expert consensus review of key actions for the perioperative care team.Br J Anaesth.2021;126:423–432.PMID:33413977
  3. Hughes CG, Boncyk CS, Culley DJ, et al. American Society for Enhanced Recovery and Perioperative Quality initiative joint consensus statement on postoperative delirium prevention.Anesth Analg.2020;130:1572–1590.PMID:32022748
  4. Saripella A, Wasef S, Nagappa M, et al. Effects of comprehensive geriatric care models on postoperative outcomes in geriatric surgical patients: a systematic review and meta-analysis.BMC Anesthesiol.2021;21:127.PMID:33888071
  5. Gou RY, Hshieh TT, Marcantonio ER, et al. One-year Medicare costs associated with delirium in older patients undergoing major elective surgery.JAMA Surg.2021;156:490–442.PMID:33625501

Caoimhe Duffy, MD, MSc

宾夕法尼亚大学佩雷尔曼医学院麻醉与重症监护医学系助理教授

Caoimhe Duffy, MD, MSc

Caoimhe Duffy, MD, MSc

Duffy 博士的项目题为“预防插管伤害的弹性训练：One Safe Act-Airway 研究”。

背景：美国每年进行超过 1,500 万次气管插管操作。1这通常视为常规操作，但却是一种高风险的医疗干预，因为主要气道并发症导致的死亡在麻醉相关死亡中的占比高达 25%。2过去二十年，技术进步和对指南的持续完善都未能成功降低气道相关不良事件的发生率。3迄今为止规模最大的气道并发症研究，即 National Audit Project 4 (NAP4)，强调了认知错误与气道不良事件之间的因果联系。2当潜意识过程和心理捷径应用不当时，就会出现决策失误。这些失误与高达 80% 的严重麻醉事件有关，但旨在改善麻醉安全性的可行目标仍相对缺乏研究。4,5

“强制策略”是一种认知错误缓解技术，通过促进元认知（即思考如何思考）来推动有条理的术前规划以及自我决策评估。6

我们提出的干预措施，即 One Safe Act-Airway (OSA-A)，将填补这一空白，并在我们此前的先导性研究基础上进一步完善，该研究表明，OSA-A 能够促使临床医生考虑采取积极主动的安全行为。7与 Safety-II 方法一致，OSA-A 提倡思考流程成功的原因，而不是像传统方法那样关注对失败的复盘。OSA-A 通过这种强调，将临床医生的关注点从即时错误缓解转向有意识、有计划的错误预防。OSA-A 能够简单、高效且无缝地融入现有工作流程，以较低的成本提升安全性。

目标：评估 OSA-A 能否通过增强临床医生的元认知和韧性来减少气管插管过程中的错误。具体而言，我们将评估采取这一干预措施能否减少气管插管期间的缺氧事件，并提高临床医生对成功且安全的插管实践的认识。

意义：本项目的成果将为在气道管理中实施积极主动的错误预防行为奠定基础。它将为与插管相关的认知技术提供宝贵见解，并展示 OSA-A 的实施与持续性。未来的工作将专注于识别临床实践中的主动行为，然后推广这些策略，以进一步促进安全的气道管理。

资金资助：300,000 美元，以 2024 年 APSF/FAER 指导型研究培训资助 (MRTG) 的形式发放。

参考文献

  1. Durbin CG.Techniques for performing tracheostomy.Respir Care.2005;50:488–496.PMID:15807911
  2. Cook TM, Woodall N, Frerk C. Major complications of airway management in the UK: results of the Fourth National Audit Project of the Royal College of Anaesthetists and the Difficult Airway Society.Part 1: anaesthesia.Br J Anaesth.2011;106:617–631.PMID:21447488
  3. Cumberworth A, Lewith H, Sud A, et al. Major complications of airway management: a prospective multicentre observational study.Anaesthesia.2022;77:640–648.PMID:35254669
  4. Fletcher G, Flin R, McGeorge P, et al. Anaesthetists’ Non-Technical Skills (ANTS): evaluation of a behavioural marker system.Br J Anaesth.2003;90:580–588.PMID:12697584
  5. Williamson JA, Webb RK, Sellen A, Runciman WB, Van der Walt JH.The Australian Incident Monitoring Study.Human failure: an analysis of 2000 incident reports.Anaesth Intens Care.1993;21:678–683.PMID:8273898
  6. Croskerry P. Cognitive forcing strategies in clinical decisionmaking. Ann Emerg Med.2003;41:110–120.PMID:12514691
  7. Duffy C, Menon N, Horak D, et al. Clinicians’ perspectives on proactive patient safety behaviors in the perioperative environment.JAMA Netw Open.2023;6:e237621.PMID:37040109

 

Yan Xiao, PhD 是得克萨斯大学阿灵顿分校护理与医疗创新学院 (College of Nursing and Health Innovation) 的教授，也是 APSF 科学评估委员会的主席。

作者没有利益冲突。