综述：伤口管理中的临床决策支持工具：现有与新兴工具的范围综述

《Journal of Tissue Viability》：Clinical Decision Support Tools in Wound Management: A Scoping Review of Existing and Emerging Tools

　　

目的：本范围综述旨在全球范围内识别和映射临床医生在急症、初级和社区卫生环境中用于伤口管理的临床决策支持工具（CDSTs）（包括数字化和非数字化工具），重点关注人工智能（AI）的应用以及其实施的障碍与促进因素。材料和方法：研究人员通过系统检索Scopus、 Embase、 MEDLINE和CINAHL数据库，识别了2015年1月至2024年8月间发表的研究，检索遵循乔安娜·布里格斯研究所（JBI）方法学并依据PRISMA-ScR指南进行报告。合格研究包括检查非数字化和AI辅助CDSTs在各类医疗环境中伤口管理的定量、定性和混合方法研究。结果：共纳入17项研究，其中两项评估了AI辅助的CDSTs。大多数CDSTs支持结构化的伤口评估和治疗规划，但临床有效性证据有限，仅有一个工具得到充分验证。护士的采纳受到经验、信任、培训和工作流程整合的影响，资深护士使用CDSTs的可能性较低。AI赋能的工具，包括Tissue Analytics?和基于卷积神经网络（CNN）的模型，提高了评估的一致性、文档记录和工作效率。主要障碍包括对工具的信任、临床自主权以及可用性的担忧。结论：传统和AI辅助的CDSTs均用于急性、初级和社区护理中的慢性伤口管理，但其有效性和验证证据仍然有限。缺乏实验研究突显了严格评估、临床医生教育以及支持将AI赋能的CDSTs整合到常规实践中的策略的必要性。

## 论文主体内容总结

本范围综述旨在系统梳理用于伤口管理的临床决策支持工具（CDSTs）的现有文献，涵盖传统工具与新兴的人工智能（AI）工具，重点关注其功能、临床应用场景及实施环境。

### 1. 引言

全球范围内，压力性损伤、糖尿病足溃疡和静脉性腿部溃疡等慢性伤口影响着数百万人。伤口管理给卫生系统带来了巨大的经济负担，其成本源于延长的治疗时间、频繁的住院以及对社区资源（如护理和伤口敷料产品）的密集使用。仅在澳大利亚，年度伤口管理成本就超过50亿美元，且随着人口老龄化以及糖尿病、肥胖等合并症的增加，慢性伤口的患病率预计将持续上升。当代的伤口管理采用涉及患者和多学科团队的整体方法。护士是伤口护理的主要负责人，尽管具备基础知识，但许多护士对复杂伤口的评估和管理信心不足且理解有限。现有的指南可能不足以应对慢性或难愈合伤口，导致护士在制定管理计划时依赖主观判断和个人经验。为解决这种差异性并改善预后，已开发出标准化的治疗方案，其中许多现在由临床决策支持系统（CDSTs）提供支持，旨在为一致、整体的伤口护理提供基于证据的指导。CDSTs有助于引导临床医生，并在复杂决策过程中减轻认知负荷，最终目标是提升患者安全和临床结局。在伤口护理领域，数字化和非数字化的CDSTs都在对评估和治疗决策进行结构化。应用最广泛的非数字化工具是TIME模型（组织 Tissue、感染/炎症 Infection/Inflammation、湿度 Moisture、创缘 Edge），它支持伤口评估、管理和文档记录，并提示将复杂病例转介给专科医生。以往的综述主要关注非数字化或传统的CDSTs，并未专门审查整合了人工智能（AI）的CDSTs。尽管近期文献强调了AI驱动的CDSTs在克服这些局限性方面的巨大潜力，但尚无先前的综述全面综合与伤口护理中AI辅助CDSTs相关的特定证据。为填补这一空白，本范围综述旨在系统性地梳理关于伤口护理中AI与非AI支持的CDSTs的现有文献，包括其功能、临床应用及实施环境。

### 2. 材料与方法

本综述遵循JBI的范围综述方法学进行，并依据系统评价和荟萃分析首选报告项目——范围综述扩展（PRISMA-ScR）指南进行报告。研究方案已在开放科学框架（OSF）上注册。

#### 2.1 纳入排除标准
资格标准使用JBI的人群-概念-情景（PCC）框架制定。人群（Population）：研究对象为使用CDSTs管理伤口的医生、注册护士、登记护士或认证的联合医疗专业人员。概念（Concept）：非数字化和基于AI的伤口管理CDSTs及其实施的障碍与促进因素。排除了对烧伤和急性外科伤口的研究，因其需要高度专业化的治疗。情景（Context）：急症、初级和社区医疗环境。研究类型包括定量、定性、混合方法研究、系统综述、范围综述及相关学术讨论文章。语言限定为英语，发表时间限定在2015年1月至2024年8月。

#### 2.2 信息来源与检索策略
信息来源为Scopus、Embase、MEDLINE和CINAHL数据库。检索策略结合了受控词汇表术语（如医学主题词）和自由文本关键词，并针对数据库特点进行了调整以优化敏感性和精确性。检索策略通过使用关键文献作为哨兵文章进行了验证。最终检索策略由研究团队审查确认。

#### 2.3 文献筛选与数据提取
筛选过程由三位作者独立进行，首先筛选标题和摘要，然后评估全文，分歧通过讨论解决。数据提取由一名研究人员使用标准化的数据提取工具手动完成，提取项目包括研究特征、人群细节、干预措施、结局和方法。监督团队审核了提取的数据以确保完整性、一致性和准确性。

### 3. 结果

#### 3.1 纳入研究特征
检索共获得4963篇论文，经筛选最终纳入17项研究。这些研究类型多样，包括1项系统综述、1项叙述性综述、7项临床病例研究、1项专家组讨论报告、2项定性研究、2项观察性或开发性研究、2项决策建模或改进研究以及1项准实验性混合方法研究。

#### 3.2 综述发现：伤口管理中的临床决策支持工具

**CDSTs的使用与实施**：CDSTs提供了结构化框架，增强了贯穿伤口护理全过程的临床决策。在急症护理中，它们支持全面的伤口评估并推荐基于证据的治疗。在初级和社区护理环境中，CDSTs通常包含患者管理门户，允许临床医生跟踪愈合情况并调整治疗计划。例如，TIME CDST指导复杂伤口的评估和持续管理。然而，CDSTs仍未得到充分利用。临床医生常依赖直觉、既有的护理计划或有限的伤口支持资源。快速评估的压力、门诊环境的资源限制、对轶事证据的依赖、复杂的指南语言以及有限的可用性都限制了其采纳。此外，临床医生报告当伤口愈合、可用数据点减少时，TIME CDST的实用性会下降。影响CDSTs采纳的关键障碍包括有限的工具可及性、复杂的伤口特定术语、关于CDSTs的教育培训不足、不利于新技术的工作场所文化、伤口护理被视为低优先级以及对未经充分测试的工具缺乏信任。促进因素包括其引导决策过程、提升伤口护理标准、辅助评估与管理、减轻认知负荷、提高伤口管理熟练度、自动化伤口管理推荐（仅AI工具）、增强护理一致性、适应伤口状况变化的能力以及促进多学科沟通。

**人工智能CDSTs**：仅有两项研究明确评估了AI辅助的CDSTs。一项是Tissue Analytics?数字伤口应用，它利用计算机视觉算法自动化伤口测量，并根据敷料配方提供治疗建议，展示了在提高伤口评估一致性、整合电子病历以及提升工作流程效率方面的潜力。另一项是da Silva等人描述的基于卷积神经网络（CNN）的模型，该模型分析伤口图像以支持评估和治疗建议。这两项工具在增强评估客观性、文档记录和工作流程效率方面都显示出前景，但均未在多样化的护理环境中得到全面验证。其评估主要局限于概念验证或专科医生主导的情境，在全科护士或高压急症护理环境中测试极少。与信任、临床自主权和可用性相关的担忧被认为是采纳的关键障碍，尤其是在经验丰富的临床医生中。

**TIME CDST及其他工具**：TIME框架是文献中最常被引用的CDST，在10项研究中被提及。原始的TIME CDST（2004年开发）在病因识别和结构化评估方面存在局限。后续更新整合了基于病因的评估、护理计划制定、计划有效性评估、多学科沟通和专科转诊。八项研究验证了这些改进，显示其增强了护理计划的制定和伤口管理的一致性。具体而言，TIME CDST帮助临床医生将复杂病例升级转介给专科医生。然而，其局限性仍然存在，包括处理伤口特定术语和选择合适伤口产品的挑战。其他被评估的CDSTs还包括一个用于压力性损伤管理的临床医生输入型CDST。

**临床决策过程**：Smet等人（2024）报告了一个三步法：（i）信息收集（合并症、既往伤口治疗计划和第二意见）；（ii）记录伤口数据（通常是非结构化和非标准化的）；（iii）制定伤口治疗方案（基于医生指令、个人经验和患者特征）。Fraynal和Vogel（2022）确定了在结构化伤口决策过程中考虑的17个组成部分，突显了临床医生在应用CDSTs指导时所面对的复杂性。

### 4. 讨论

本范围综述考察了急症、初级和社区卫生环境中用于伤口管理的CDSTs的使用情况，包括利用AI增强CDST功能以及通过更准确的诊断、更好的伤口愈合结局预测和个性化治疗推荐来改善决策。伤口管理CDSTs能够极大地提高护理的一致性和质量，并指导动态伤口表现的治疗。然而，综述也识别出了CDSTs采纳的障碍，包括临床医生对AI辅助工具的负面态度和不信任、CDSTs中使用的复杂伤口管理术语，以及关键的CDST可用性和可访问性不足。非AI支持的CDSTs通过提供结构化方法、指导伤口评估、明确管理注意事项、促进多学科沟通以及推动循证实践，被发现能够改善护理的一致性。虽然CDSTs可以极大地提高护理质量，但它们需要更易于使用，能够区分不同的伤口病因，并简化伤口管理过程。最近更新的TIME CDST试图解决这些问题，并在一系列病例研究中进行了测试以识别其优缺点。虽然它能够适应不同的伤口病因并简化伤口评估，但无法有效适应变化的伤口状况或以一种对各级经验临床医生都易于使用的方式在不同卫生服务之间整合。值得注意的是，在所有TIME CDST病例研究中，临床医生都接受了特定培训。

AI辅助CDSTs的好处与其非数字化的对应工具相似，额外的好处是能够自动化伤口测量，并能与电子病历整合。然而，这些程序在非伤口专科临床医生中的测试不足，无法确定其在一般医疗环境（尤其是临床医生面临巨大时间压力的医院环境）中的有效性。AI辅助和传统的CDSTs都有潜力不仅提升护理质量，还能减少因管理不当导致的伤口并发症。特别是AI工具，可以在伤口管理超出临床医生能力范围时，根据基于证据的指南支持决策并适当地升级护理。尽管伤口CDSTs的好处有文献记载，但其有效利用的系统性障碍仍然存在。不支持的工作场所文化、复杂的伤口术语、伤口教育的缺乏以及对新技术的不信任，都显著限制了临床医生有效使用传统或AI支持的伤口CDSTs的能力。未来的研究应侧重于验证AI支持的CDSTs在伤口管理中的使用，因为伤口分析已有广泛研究。此外，应探索AI支持的CDSTs在非伤口专科临床医生中的可用性，以确保这些工具既直观易用，又能提供有效的管理建议。

#### 4.1 对实践和研究的启示
有效的伤口管理护理实践需要及时、结构化的评估，支持创新的工作场所文化，以及提高已建立CDSTs的使用率以减少护理中的不必要差异。本范围综述表明，CDSTs有潜力支持护士的临床判断、复杂伤口的升级处理、护理标准化以及多学科沟通；然而，其在实践中的影响仍然受到与可用性、易用性、术语、工作流程整合和组织文化相关障碍的限制。尽管人们对数字化和AI赋能的决策支持兴趣日益增长，但未发现评估CDSTs或AI辅助CDSTs在伤口管理中有效性的随机对照试验或队列研究。这种高水平证据的缺失突显了文献中的重大空白，并强调了需要严格评估CDSTs在真实世界护理环境中的临床效果、安全性和可用性。通过教育、工作流整合和组织支持来解决实施障碍，并在不同护理环境和临床医生群体中进行稳健的验证，对于支持循证采纳和确保AI赋能的CDSTs有意义地改善伤口护理患者结局至关重要。

#### 4.2 本综述的局限性
本范围综述受限于其纳入和排除标准以及限定的日期范围，可能导致遗漏了早期或经典的CDSTs研究。此外，排除了灰色文献，如社论和会议论文，可能导致发表偏倚，并忽略了对AI在伤口管理中应用的讨论。研究范围较窄，重点关注TIME CDST，对其他CDSTs关注较少，可能导致暴露偏倚。排除烧伤、外科伤口、未处理伤口和专科伤口评估也可能导致发表偏倚。由于纳入的研究来自不同国家，难以确定临床医生的执业范围和教育背景如何影响他们对伤口管理的接触和认知。

### 5. 结论

本范围综述强调了不同类型的CDSTs在急症、初级和社区护理中慢性伤口管理中的作用。传统的CDSTs（如TIME）和AI辅助的CDSTs都能通过实现更一致、更全面的伤口管理计划来改善实践。综述识别出了文献中的关键主题，包括伤口管理的决策过程、非专科临床医生面临的伤口管理复杂性、CDSTs采纳的障碍与促进因素，以及AI辅助CDSTs对临床实践的益处。然而，尽管存在这些益处，此类系统的采纳仍然有限。TIME CDST是研究最广泛的工具，而AI辅助CDSTs尽管具有改善临床结局的潜力，但在临床环境中的采用仍然很少。这种AI增强CDSTs的技术能力与临床采纳之间的巨大差距是当前实践中的关键挑战，也是本研究的直接动机。随着技术的不断发展，AI辅助CDSTs的验证与改进，以及持续的教育，对于推进伤口管理实践至关重要。