石磊磊 刘 丹 罗 羽 高 峰

1.贵州中医药大学护理学院，贵州贵阳 550002；2.贵州省人民医院急诊内科，贵州贵阳 550002

临床警报是一个可视或可听的信号，用以提醒医护人员患者的生理参数超出了设定的限值范围或者设备存在障碍，应当及时查看处理[1]。据报道[2]，护理人员每班接触到的警报数量高达1000 个，美国食品和药物管理局在5 年内报告了500 多例与警报有关的患者死亡事件，仪器设备警报问题已经成为亟须医护人员关注的问题之一。临床警报管理旨在防止警报疲劳，采取干预措施减少警报总数，提高警报阳性预测值或防止误报[3]。本研究基于Web of Science 数据库，应用CiteSpace 软件对临床警报管理的相关研究进行可视化分析，挖掘临床警报管理领域的研究热点，为国内临床警报管理的科研探索与临床工作提供借鉴和参考。

1 资料与方法

1.1 资料来源

本研究数据来源于Web of ScienceTM核心合集数据 库，以“clinical alarm*”OR“clinical alert*”“alarm management*”OR“alert*management”OR“clinical alarm management”为主题词进行检索，文献类型为Article和Review，语种选择English，检索时间跨度为自建库至2021 年6 月，本研究检索于2021 年6 月3 日完成，共检索文献503 篇。通过对文献题目和摘要仔细阅读，排除与医疗无关及研究主题不相关文献，去重未发现重复文献，最终纳入文献171 篇。将文献以全记录与引用的参考文献的纯文本格式进行下载，以download_*.txt 格式保存数据。

1.2 分析方法

应用CiteSpace 可视化分析软件对文献数据进行分析[4]。本文运用的版本为CiteSpace 5.7.R2。将下载的文献数据导入CiteSpace 软件，时间跨度设置为1993 年1 月至2021 年6 月（第一篇文献于1993 年产生），时间分区为1 年。阈值设定为Top N=30，其他为默认。根据分析主题不同依次以国家、机构、关键词为节点，构建临床警报管理研究的知识图谱。

2 结果

2.1 文献计量分析结果

2.1.1 临床警报管理文献数量年度分布 经检索及去重后共筛选到171 篇与临床警报管理相关的文献。该领域年发文量整体呈上升趋势。见图1。

图1 临床警报管理文献数量年度分布

2.1.2 国家/机构分布 美国发文量最多，其次是英国、德国、荷兰等。该领域的研究机构主要集中在美国高等院校，发文量最多的是美国宾夕法尼亚大学，其次为加利福尼亚大学、耶鲁大学、匹兹堡大学等。见图2。

图2 临床警报管理文献国家/机构分布

中介中心性表示与其他国家/机构合作的密切程度，数值越大，表明合作越多。与其他国家合作最多的国家是美国，其次是英国。美国宾夕法尼亚大学是与其他国家合作最多的机构，其次是加利福尼亚大学。见表1。

表1 中介中心性排名前3 位的国家/机构

2.2 关键词分析

2.2.1 高频关键词分析 运用CiteSpace 对关键词进行分析，绘制图谱。见图3。并对排名前20 位的临床警报管理研究高频关键词进行汇总。见表2。通过分析发现clinical alarm（临床警报）、alarm fatigue（警报疲劳）、intensive care unit（重症监护室）构成了图谱中最核心的3 个节点。另根据关键词的中介中心性，alarm（警报）、care（护理）、decision support system（决策支持系统）均较其他高。

表2 排名前20 位的临床警报管理研究高频关键词

图3 临床警报管理研究关键词共现网络图谱

2.2.2 关键词聚类 共被聚成13 类，见图4。

图4 临床警报管理研究关键词聚类图谱

本研究的聚类时区视图评价指标显示：Q=0.8185，S=0.924，意味着视图的聚类效果好。见图5。从聚类大小及出现时间来看，早期的研究主要集中在临床决策支持系统的应用和管理。之后陆续出现intensive care unit（重症监护室）、alarm management（警报管理）、clinical alarm（临床警报）、alarm fatigue（警报疲劳）、patient safety（患者安全）等关键词形成的聚类。

图5 临床警报管理研究关键词聚类时区图谱

2.2.3 突现词分析 利用CiteSpace 对关键词进行分析时选择“Burstness”，得到突现词图谱（图6）。由图可知临床警报管理研究的突现词始于2015 年，早期关注的是fatigue （疲劳），持续到2016 年；2017 年开始，clinical alarm（临床警报）、alarm fatigue（警报疲劳）、alarm management（警报管理）作为突现词开始出现，一直持续至今（2021 年）。

图6 临床警报管理研究突现词图谱

3 讨论

3.1 人工智能

从关键词聚类图谱可知，人工智能的研究热点主要围绕智能警报管理软件的开发及警报管理系统的设计与应用展开。智能警报能够更好地检测患者生理变化，提高警报阳性预测值，减少报警频率[5-6]。也有研究表明[7]，使用警报定制软件能帮助护士快速识别警报，促进对警报设置的更改，会在一定程度上减少警报。此外，Muroi 等[8]开发了一种新的基于运动检测的警报分类算法，并在瑞士苏黎世大学医院神经重症监护室进行了验证，结果发现减少了近三分之一的错误警报。还有研究运用二级设备通知系统，将来自设备的警报传送到移动辅助设备，例如寻呼机、手机、平板电脑等，由特定的护理人员持续携带从而减少了警报的数量[9]。可见智能化管理临床警报对减少警报总数及降低误报率是有意义的，也将是未来警报管理的最终趋势。

3.2 警报安全

根据有关警报信号的数据推断[10]，TJC 报道，每个患者每天有数百个警报信号，每个病区每天有数千个警报信号，每个医院每天有数万个警报信号。更令人担忧的是大量警报中存在着较高比例的错误警报[11-12]，据Cho 等[13]研究报道，虚假警报高达63.8%，严重降低了医护人员对仪器警报的信任，从而对临床警报反应不充分，甚至无反应。还有部分医护人员为了减少警报频率而采取不良行为，例如关闭仪器警报、设置不适当的警报参数、将警报音量调至最小或用胶布堵住蜂鸣器等，严重威胁了患者的安全[14-16]。早在2013 年，联合委员会就要求经认证的医院在2014—2016 年国家患者安全目标中将警报管理作为首要安全优先事项，加强警报安全管理[17]。但到目前为止，尚未有与警报相关安全管理制度的建立及不良事件报告反馈机制的形成[18]，这是未来研究的方向。

3.3 警报疲劳

本研究关键词聚类图谱显示，警报疲劳是临床警报管理研究的热点之一，研究对象主要为临床医护人员。当临床医护人员在面对大量虚假警报时，就会发生警报疲劳，即对警报信号的感知产生抗性/脱敏性[19-21]。Bridi 等[22]研究人员在测量一个团队对多参数监视器警报的刺激-反应时间发现，有超过60%的警报没有被响应，只有不到20%的警报在10 min 内被处理。警报疲劳在过去十年中已作为患者的安全风险而受到广泛关注，现在已成为医疗机构首要解决的任务之一[23]。几乎所有研究都认为减少总警报和错误警报的数量将减少警报疲劳，具体干预措施包括更改阈值参数、根据患者需求定制警报、增加警报延迟时间、对护士进行教育和加强多学科合作等[3,24-26]。但很少有高质量的文献报道关于这些干预措施在解决警报疲劳方面的实际效果，并且大多数的干预措施实施范围有限或持续时间有限。因此为了证明警报质量改进工作的成效，还需要更严格的干预证据和更有意义的结果措施。