测量大数据诊断错误的一种方法可能是防止误诊和死亡的关键

诊断错误的症状 - 疾病对分析的概念模型（SPADE）

为了减少由于缺乏及时治疗而导致的患者误诊和相关的不良患者结果，约翰霍普金斯阿姆斯特朗患者安全和质量研究所正在帮助引领医院提供量化和监测质量诊断错误的新方法改善工作。BMJ质量与安全公司今天发表的一篇文章介绍了这种被称为诊断错误的症状 - 疾病对分析或SPADE的方法。

各种研究表明，估计每年有1200万美国人因为诊断错误而受到影响，其中三分之一的错误会导致严重的患者受伤，包括残疾或死亡。

“我们知道诊断错误是一个大问题，但我们目前无法对其进行操作性测量，” 阿姆斯壮研究中心卓越诊断中心主任David Newman-Toker博士说。由他和其他小组完成，“这是一种方法的第一个真实描述，可以广泛应用于各种条件下，以便在操作上测量诊断错误和相关的不良结果，以便我们可以跟踪我们的表现并查看是否我们的干预正在发挥作用，“Newman-Toker说。

目前许多测量诊断错误的方法都依赖医院工作人员进行的劳动密集型医疗记录评估。SPADE方法利用特定的算法寻找可促使医生访问的常见症状，然后将它们与可能在这些临床情境中被误诊的一种或多种疾病进行配对，从而挖掘出数以万计的患者就诊的大型现成数据库。该方法使用统计分析来识别测量诊断错误率的关键模式，并可将其纳入诊断性能仪表板。“使用SPADE，我们可以测量患者出现眩晕的频率，错误地被告知它是一种良性耳部疾病，被送回家，并且以大的中风返回。我们还可以测量患者发烧时到诊所的频率，被告知这是一种病毒感染，但后来因细菌性败血症住进了医院，“约翰霍普金斯大学医学院神经学教授纽曼 - 德卡尔说。“能够使用大数据来做到这一点，对于诊断质量和安全来说是一项重要的创新。”

Newman-Toker也认为SPADE反过来会导致患者预后的改善。“许多质量措施关注医院过程，而不是患者的结果。但这不是关于治疗图表，而是治疗患者。在约翰霍普金斯大学，我们专注于追踪严重的不良后果，如中风或心脏病发作。这些措施对病人很重要，“他说。

SPADE对急性和亚急性疾病的效果最好，因为在6个月到一年内可能发生导致住院，残疾或死亡的误诊。需要进一步的研究来验证更广泛的症状和疾病的SPADE。该方法可能最终并不适用于所有疾病，尤其是慢性病，但Newman-Toker预计它将适用于他所谓的“三大”因诊断错误导致残疾和死亡的原因：血管事件，感染和癌症。

对未来的思考，纽曼 - 德卡尔明白，医生和医院领导层在追踪诊断错误方面的“买入”可能需要时间。不过，他认为SPADE最终可能会成为医院公开报道的措施之一。“病人将有机会第一次看到他们的医院在诊断方面的表现，并问自己：'我想选择一家误诊误诊相关死亡率较低的医院吗？'”Newman-Toker说。“这是向以前从未有过的诊断中的患者授权迈出的一步。”

（注：转载时请注明复诊网）