使用临床数据仓库自动评估质量指标：关于卒中管理中“到院至影像”时间的试点研究

为何每一分钟都至关重要

发生卒中时，医生与时间赛跑：脑部扫描越快完成，限制长期损伤的机会就越大。医院应当追踪从病人到达到首次脑部扫描所需的时间，但现在这一工作常常靠人工逐一查阅病历来完成——既慢又容易出错。本研究探索现代医院数据系统是否能自动测量这些延迟，从而释放工作人员时间，并为卫生服务提供更清晰、更及时的卒中护理绩效图景。

把医院记录变成有用的信号

研究者关注一个简单但关键的指标：“到院至影像时间”，即病人抵达医院到首次脑部影像检查之间的延迟。研究团队利用大巴黎大学医院群的临床数据仓库——一个汇集了38家医院电子信息的大型资源——提取了2022年住院治疗急性卒中的6000多名成人的记录。对每次住院，他们将行政登记的到院时间与影像系统中的技术信息结合起来，影像系统记录了扫描实际开始的时刻。通过减去这两个时间点，让计算机自动计算延迟，而不是依赖工作人员逐一阅读并解读每份病历。

将计算机结果与人工审核比对

为了评估这种自动化方法能否替代传统方法，研究团队将其与法国国家质量审计（医院人员手工审查样本病历）进行了比较。他们匹配了同时出现在数据仓库和人工审计中的361例卒中病例，然后比较两种方法得到的到院至影像时间。在医院整体绩效层面，两种方法惊人地相似：中位延迟约为两个半小时，且都认为略多于一半的病人在到院后三小时内接受了影像检查。统计检验显示，在以三小时为阈值对病人进行分类时，两种方法具有很强的一致性。

自动化的局限所在

但在个体病例的更精细比较中，情况则不那么整齐。约四分之三的病例中，两种方法的结果相差在一小时以内，但精确匹配往往不到位，逐例时间的整体一致性较差。主要问题出在识别首次脑部扫描的真实时刻。人工审核者可以从记录中的多处提取这一时间——自由文本笔记、影像摘要或特定表单——而自动方法则依赖影像系统的标准化技术数据。在对300份报告的额外核查中，当所有扫描都被正确记录时，这些技术时间戳相当可靠，但记录缺失（例如在其他医院进行的扫描或条目遗漏）会造成不匹配。在某些情况下，自动化方法选取了错误的扫描；在另一些情况下，人为审核者则误读或不一致地记录了时间。

为更好的数据与更佳护理吸取的教训

研究还揭示了医院记录卒中关键事件方式的更广泛弱点。即便是类似“到院时间”这样简单的事项也可能存在歧义：病人在正式登记前可能已经接受初步治疗，不同工作人员可能依赖记录的不同部分。因为信息可能在多个地方被重复和更改，人工审核者之间也并不总是一致。作者认为，改进数据结构——标准化影像描述、确保外院扫描以一致方式登记、以及统一到院和影像时间的存储方式——将使自动和人工测量都更可信。

这对病人意味着什么

通俗地说，研究表明计算机已经能够用远少于现行审计所需的人力，提供医院为卒中病人完成脑部扫描速度的可靠宏观视图。然而，在审查单个病例（例如分析某一病人发生问题的原因）时，自动方法仍然不够精确，尤其是在护理复杂或涉及多家机构的情况下。在医院数据更清晰、更完整并在各机构间更好地连通之前，作者建议将自动计算与有针对性的人为核查相结合。若能妥善实施，人机协作有望为卫生主管部门提供更准确、更可靠的卒中护理绩效视角——并最终帮助确保在卒中发生时减少宝贵时间的流失。

引用: Hassanaly, O., Doutreligne, M., Troude, P. et al. Automating the assessment of quality indicators using a clinical data warehouse: a pilot study on door-to-imaging time in stroke management. Sci Rep 16, 12121 (2026). https://doi.org/10.1038/s41598-026-41833-4

关键词: 卒中护理, 临床数据仓库, 到院至影像时间, 医疗质量, 电子健康记录