姜 黎，吴 倪，李 波，尚天琼，陈和平，徐 智，刘天虎

（成都医学院第三附属医院·四川省成都市郫都区人民医院，四川成都 611730）

PRECEDE - PROCEED 模式在制订干预措施前预先系统地考虑了群体和环境的需求和特征，并从期望的结果中设计了干预措施［1-2］。其核心是PRECEDE（教育诊断）理论，即从倾向因素（如人们的知识、观念、态度、信念、偏好、技能、改变行为的自信心等）、强化因素（如同事或同伴的鼓励、公众舆论、媒体的宣传）和促成因素（如为了提高促使行为改变的便利性而提供的服务、社区提供的资源、政策的出台等）三方面进行调查，全面分析流行病学、社会学、教育组织、行为环境、管理政策等，归纳影响因素，从而综合评估研究对象需求［3］。多学科协作（MDT），即临床对疾病通过多学科讨论，制订规范、合理、个体化的综合治疗方案［4］。国内外关于MDT 模式的研究多见于临床诊疗行为，而将MDT 模式应用到特殊使用级抗菌药物（SAD）的研究较少［5］，将PRECEDE 理论与之联合的相关研究更少。SAD 是抵御严重感染的最后防线，其不合理使用将会导致超级细菌的过快产生，不仅会给临床药物治疗带来困难，同时也增加了患者的经济负担，并导致国家医疗资源浪费［6-7］。SAD的管控使用一直是医药管理部门及医疗机构（尤其是医药专业技术力量薄弱的区县级综合医院）的重点关注点及难点；研究前期，项目组基于PRE‑CEDE 理论框架，分析了影响医师SAD 处方行为的倾向因素、促成因素和强化因素［8］。本研究中在前期研究结果基础上结合MDT模式对SAD进行临床合理用药综合管理，并评价效果，以期进一步加强SAD 的有效管控，并为该模式的应用提供循证参考。现报道如下。

1 资料与方法

1.1 一般资料

提取美康合理用药软件、医院信息系统（HIS）和杏林医院感染实时监控系统中医院2018 年（干预前）和2019 年（干预后）SAD 数据，主要包括使用金额、使用前送检率、使用人次、用药总天数、SAD 的细菌（指医院主要细菌）耐药率等；并计算使用金额构成比、各药物的用药频度（DDDs）、限定日剂量（DDD）、限定日费用（DDC）和药物利用指数（DUI）［9-10］、抗菌药物使用强度（AUD）。

1.2 方法

1.2.1 PRECEDE 理论框架下处方行为影响因素调查

PRECEDE 理论将影响医师SAD 处方行为的因素分为倾向因素、促成因素和强化因素。查阅文献，自制问卷，并咨询药学、卫生管理、统计学等相关专家，在预调查基础上最终形成正式调查问卷；对某三级甲等综合医院具有抗菌药物处方权限的154 名医师进行问卷调查，并分析医师开具SAD 处方的影响因素。分数越高表明医师对某影响因素的认同度越高［8］。

1.2.2 SAD MDT 模式构建与实施

组建MDT 工作小组：该小组以抗感染医师和临床药师为核心，微生物室检验师、院感医师、护师等共同参与。小组成员职责分工如下。1）临床药师职责，协助医师把控SAD 使用指征，制订用法用量、溶剂选择、疗程、炎性指标监测、药学监护计划，并为医护人员及患者提供合理用药知识培训，做好药物信息及其不良反应的监测、咨询等工作。2）抗感染医师职责，患者诊治，把控SAD 使用指征，与本组成员共同对使用SAD 患者进行查房，收集患者病情资料，提出治疗、护理等难点问题，并及时向MDT 工作小组反馈。3）护师职责，收集并评估患者的客观资料，制订护理措施；对患者病原微生物标本采集、送检情况进行质控；及时反馈临床用药中的问题，如输液时间、输液速率等；及时向各小组成员提供患者的动态信息。4）检验师，及时提供药敏试验结果，适时总结各科室临床标本细菌培养结果，并向各科室反馈，协助科室合理用药。5）院感医师，负责耐药菌动态预警并及时通报，以及医务人员相关院感知识培训等。

MDT的实施：1）接到SAD临床使用申请，MDT工作小组立即介入，开展患者病情和SAD 使用指征评估。2）通过对于具备SAD 使用指征的病例，临床药师、抗感染医师等讨论共同确定其初始治疗方案（药物选择、用法用量、溶剂选择、输注时间等），并制订药学监护计划，护师根据患者病情制订特护计划，检验师及时反馈患者检验结果尤其是药敏试验结果。3）用药2～3 d 后动态评估患者病情变化，有效则继续使用，无效则MDT工作小组再次会诊并结合药敏试验结果等重新制订药物治疗方案；根据病情适时降阶梯治疗和确定用药疗程。

1.2.3 联合模式管理理论框架

框架见图1。

图1 PRECEDE 联合MDT模式管理SAD的理论框架Fig.1 Theoretical framework of PRECEDE combined with MDT mode in the management of SADs

1.3 统计学处理

采用SPSS 22.0 统计学软件分析。计量资料的比较行方差分析。P<0.05为差异有统计学意义。

2 结果

2.1 影响因素

问卷有效回收率为99.35%（153/154）。其中，强化因素得分2.93～4.21 分，平均3.94 分；倾向因素得分3.39～4.10 分，平均3.84 分；促成因素得分2.80～4.22分，平均3.40分。

2.2 使用金额与构成比

2019 年，医院SAD 使用金额较2018 年增加了49 888.83元，但亚胺培南、去甲万古霉素的使用金额构成比均较2018年大幅降低；SAD 总构成比也有降低。详见表1（部分药物因新进目录未统计，表2同）。

表1 医院2018年至2019年SAD使用金额及构成比Tab.1 Total cost and its ratio of SADs in the hospital from 2018 to 2019

表2 医院2018年至2019年SAD的DDDs，DDC，DUITab.2 DDDs，DDC and DUI of SADs in the hospital from 2018 to 2019

2.3 SAD 的DDDs，DDC，DUI

与2018 年比较，医院2019 年亚胺培南、去甲万古霉素的DDDs 均大幅降低，万古霉素和伏立康唑均升高，但SAD 总DDDs 略有降低；去甲万古霉素、万古霉素、伏立康唑的DDC 均降低；DUI 除伏立康唑为1.09（略大于1）外，其余4种SAD均不大于1。详见表2。

2.4 SAD 送检及使用情况

与2018 年比较，医院2019 年SAD 的使用前送检率升高，AUD 下降，使用率持平，使用人次减少。详见表3。临床药师MDT干预率为59.41%（60/101）。

表3 医院2018年至2019年SAD使用前送检及使用情况Tab.3 Specimen submission before use and use of SADs in the hospital from 2018 to 2019

2.5 SAD 的医院病原菌耐药率变化情况

与2018 年比较，2019 年亚胺培南的大肠埃希菌、肺炎克雷伯菌、鲍曼不动杆菌耐药率均升高，但铜绿假单胞菌耐药率明显降低（由8.87%降至3.28%）；氨曲南的铜绿假单胞菌耐药率明显降低（由19.80%降至14.60%），但肺炎克雷伯菌耐药率升高。2018 年至2019 年未检出耐万古霉素的金黄色葡萄球菌。详见图2。

图2 医院2018年至2019年SAD的病原菌耐药率变化情况A.Imipenem B.AztreonamFig.2 Changes of resistance rate of bacteria to SADs in the hospital from 2018 to 2019

3 讨论

3.1 降低SAD 使用金额和使用人次

本研究结果表明，PRECEDE 理论联合MDT 的管理模式可有效降低SAD 的使用金额和使用人次等，从而减少医疗费用，并节约医保基金，有效节省医疗资源。

3.2 改善SAD 合理用药相关指标

查阅使用伏立康唑的病例发现，其中部分病例未纳入MDT管理，且伏立康唑为我院SAD中的唯一一个抗真菌药，临床使用中存在使用疗程偏长和用药指征把握不严的情况，临床药师应重点关注伏立康唑的临床使用情况，严格把握适应证和规范用药疗程，促进抗真菌药的合理使用。本次干预中，虽仍存在不合理用药情况，但医院SAD大多数合理用药指标得到了明显提升。

3.3 SAD 的医院主要病原菌耐药率变迁

既往研究表明，抗菌药物的用量变化与细菌耐药性的发生密切相关，细菌的耐药率与抗菌药物用量变化之间存在复杂的量效关系［11-18］。经过1 年的综合管理，SAD 的医院主要病原菌耐药谱有了微弱变化；其中，亚胺培南、氨曲南（因2018 年至2019 年未使用，故仅统计其主要细菌耐药率）的铜绿假单胞菌耐药率均下降；氨曲南的大肠埃希菌耐药率也呈下降趋势；亚胺培南、氨曲南的肺炎克雷伯菌耐药率均上升；亚胺培南的鲍曼不动杆菌耐药率上升，可能与SAD 使用量存在一定的量效关系。此外，由于细菌对抗菌药物敏感性的恢复存在滞后效应，因此抗菌药物用量的减少抑或增加对细菌耐药性的影响，尚需进行更长时间的动态观察和持续追踪分析［19］。本研究中干预时间较短，对细菌耐药性的变迁影响并不十分明显；但另一方面亦揭示规范SAD 的使用可促进部分细菌耐药率的降低，因此，减少SAD的用量将仍是有效遏制细菌耐药的手段之一。

3.4 小结

鉴于临床实践中，每家医院均有各自独特的运行管理特点，为进一步证实该模式的可行性和有效性，尚需多中心大样本研究结果给予补充和完善。基于PRE‑CEDE 理论，从期望得到的结果视角出发，首先挖掘出SAD 医师处方行为影响因素，在此基础上引入MDT 模式对SAD 实施精准管控，为进一步规范SAD 的使用提供参考。