关于重症监护决策的10大误解

▲ 为防失联点击上方“淋床医学”，再点击右上角的“···”，选择设为星标，文章每天自动推送

关于重症监护决策的10大误解

介绍

重症监护中的决策制定是一项挑战，其原因在于病人的复杂性、病情的严重性以及启动适当治疗的紧迫性。与这些复杂性相关的认知要求，再加上临床医生的疲劳和经验不足等相关因素，可能会导致严重的系统性推理错误。常见的错误观念和根深蒂固的做法进一步干扰了 ICU 的有效决策。在这篇综述中，我们将讨论有关重症监护决策的十大常见误解。通过了解从业人员如何做出临床决策并研究错误发生的原因，可以制定并实施相应的策略来减少决策中的错误并改善患者的预后。

误解 1：导致不良事件的诊断错误并不常见，对危重病人影响不大

诊断错误在临床实践中很常见，发生率占临床诊治的 5%-20%。在重症患者中，诊断错误及其后果历来是通过尸检这一诊断标准来估算的。一项对 1988 年至 2011 年期间 31 项尸检研究的系统性回顾报告显示，在重症监护病房（ICU）收治的患者中，28% 的患者在死后至少被误诊一次。在8%的病例中，这些误诊可能导致或促成了患者的死亡。根据这些研究，估计美国每年有超过 4 万名重症患者死于诊断错误。此外，尸检研究可能会低估真实的发生率，因为尸检的比例很小，而且很多非致命性错误也未能被捕捉到。尽管诊断检测技术在不断进步，人们也越来越重视患者安全和质量，但最近对尸检患者的分析表明，错误率依然存在。

诊断错误的后果非常严重，会导致终身残疾、死亡和住院时间延长；在重症监护室环境中，危害可能会更大。除了发病率和死亡率，诊断错误还会给医疗系统带来巨大的经济负担。诊断错误是医疗纠纷案件中常见的指控，以往的文献已将医疗纠纷索赔中的赔偿金作为诊断错误责任的代表进行了研究。一项大型研究分析了 25 年来的医疗事故数据，其中包括 350706 项已支付的索赔，诊断错误是主要的索赔类型（28.6%），占总赔付金额的比例最高（35.2%）。与其他指控类别相比，诊断错误更常导致死亡。最后，诊断错误会导致患者对医疗服务提供者的愤怒和不信任。此外，危重症医疗服务提供者本身也可能受到 “第二受害者 ”效应的影响，在诊断错误后丧失信心、感到羞耻或产生职业倦怠。

误解 2：缺乏了解临床决策的有用模型

我们目前对医生如何做出决定的理解来自认知心理学，其基础是 “双重过程理论”。该理论描述了两种思维类型（表 1）：“系统 1 ”直观、自动、快速，依靠模式识别和认知捷径（启发式）快速做出判断。而 “系统 2 ”则较为缓慢且深思熟虑，利用分析方法寻找更多信息，以尽量减少不确定性。这两种类型在医疗环境中都很重要，根据不同情况使用。例如，“系统 1 ”可用于需要快速行动的明显、直接的病例。相比之下，系统 2 可用于复杂和非典型病例以及需要进一步思考和推理的情况，如病人对治疗无效。系统 1 或系统 2 处理可以优先使用、同时使用，也可以快速连续使用，这取决于临床环境。系统 1 和系统 2 思维的使用是认知连续体的一部分，取决于多种因素，包括认知负荷和临床医生的专业知识。有趣的是，对临床专家处理简单和模糊临床病例的核磁共振成像研究表明，诊断准确性、处理时间和大脑区域之间的神经连通性存在差异，这为双重处理理论提供了生物学依据。

一个常见的误解是，依赖于这些思维捷径或 “启发式 ”的系统 1 思维容易出错或不够科学，而系统 2 则是 “理性 ”或 “理性的声音”。实际上，在重症监护室等快节奏的医疗环境中，启发式方法是强有力的工具。系统 1 决策只要求临床医生关注病例的几个突出特征，而不是考虑全部可用信息。这样，经验丰富的临床医生就能比使用分析性更强的决策方法更快、更有效地做出决策。据估计，重症医学科医生每天要做出 100 多项重大医疗决策。试图对每项决策进行深入分析是不切实际的，并可能导致延误。此外，启发式思维虽然并非无懈可击，但往往是准确的。研究表明，如果在就诊的头五分钟内就能做出正确的诊断，那么最终的准确率高达 98%；如果不能在五分钟内做出正确的诊断，那么准确率就会下降到 25%。由于临床专家在 95% 的时间内都是在模式识别模式下工作的，因此大多数减少错误的策略都侧重于系统 1 思维，这也就不足为奇了。多项研究表明，如果使用得当，启发式思维可以超越更复杂的决策工具。

这两种思维方式都依赖于临床医生的经验和知识。随着临床医生经验的积累，他们越来越善于有效地运用直觉思维。然而，这两种系统也有其局限性。系统 2 的方法虽然全面，但速度较慢，而且容易出错。由于鉴别诊断的范围更广，而且可能会纳入更多的信息和数据，而这些信息和数据可能会与最初的准确判断相矛盾，这可能会导致二次猜测和过度思考。因此，根据具体情况以及紧迫性和复杂性等因素，平衡这两种思维模式在医疗决策中至关重要。

误解 3：大多数诊断错误是由于不常见的情况和临床医生缺乏经验造成的

虽然遇到不常见的疾病会增加诊断错误的风险及其相关危害，但临床医生最常误诊的还是常见疾病。由于肺栓塞、心肌梗塞和感染等常见疾病过程普遍存在，因此在成人危重病人的重大误诊病例中数量最多。心脏填塞和主动脉夹层等主要心血管疾病可迅速致命，但却很容易错过早期诊断，这也是在重症监护室成人患者死后发现的最常见错误之一。肠梗塞、内脏穿孔、主动脉瘤破裂、胰腺炎和腹腔内出血等腹腔内灾难性疾病是漏诊的其余主要疾病。未确诊的恶性肿瘤几乎与心肌梗死和肺栓塞一样常见，但它们对重症监护病房病人预后的影响却不那么确定。侵袭性曲霉菌病（IA）是成人 ICU 患者第四大致命漏诊病症，仅次于肺栓塞、心肌梗塞和肺炎。在最近的一项尸检研究中，尽管几乎所有被研究的患者都有多种危险因素，但临床医生仅在略高于四分之一的致命 IA 病例中正确地将 IA 鉴定为死因。此外，脓毒症等常见综合征特别容易被误诊，尤其是在症状模糊不清的情况下，从而导致诊断和治疗的严重延误。同样，在急诊科就诊的非特异性主诉患者住院时间较长，这很可能是诊断不确定造成的并发症。至关重要的是，临床医生应优先排除常见但致命的综合征，而不是专注于罕见病症。

研究表明，虽然医学教育能提高诊断的准确性，但诊断错误的主要原因往往不是医学知识的缺乏，而是临床推理的失误。对已结案的医疗事故索赔进行的分析表明，在 73% 的病例中，临床推理失误是导致诊断错误的主要原因，而这些诊断错误中只有 3% 是由于知识缺陷造成的。对通过尸检、质量保证活动和自愿报告发现的造成患者伤害的诊断错误进行深入分析后发现，知识不足是导致错误发生的一个不常见原因，仅占 4%。各种认知偏差，如锚定、过早结束和确认偏差，是造成这些推理失误的重要原因。表 2 介绍了常见的认知偏差，这些偏差会影响医疗决策，并使诊断过程更加复杂。

重症监护室的临床环境也是导致诊断过程出错的一个重要因素。患者病情危重，需要同时做出许多管理决定，这增加了重症监护室的内在认知负荷。其他环境条件，如资源紧张、时间压力、多任务处理和换班，都可能导致错误。临床复杂性（如疾病的严重程度、合并症的负担）和免疫能力是增加诊断错误风险的临床因素。患者的背景复杂性（如英语水平和健康素养）也会增加医疗失误的风险。在重症监护室，分心的负担很重；一项研究发现，在重症监护室，每名医生每小时分心超过四次，其中三分之二以上导致完全暂停或放弃当前活动。这种分心会对认知负荷造成额外的压力。不太明显的环境因素，包括电子病历（EMR）的使用、护理计划的沟通、程序教学以及个人防护设备的穿脱，都会对认知负荷造成额外的压力。除环境条件外，包括医生疲劳、情绪、信心和经验在内的情感因素也会对临床推理产生不利影响。

误解 4：先进的实验室诊断技术降低了详尽病史和全面体格检查的价值

历史悠久的诊断方法包括询问病史、体格检查、鉴别诊断以及进行适当的实验室检查和影像学检查。虽然这种方法经常能得出正确的诊断，但在重症监护病房环境中，诊断过程往往不是那么按部就班，即使在处理常见疾病过程时也是如此。重症患者可能处于昏迷、神志不清、镇静和机械通气状态，无法提供病史，因此我们必须依靠第二手或第三手信息。此外，当病人被送入重症监护室时，他们通常已经接受了改变其生理机能的治疗干预，这也会给诊断蒙上阴影。重症患者通常有多种并发症，或接受的药物会掩盖或改变潜在疾病过程的迹象。由于需要稳定濒临心肺衰竭的病人的病情，以及病人、家属、工作人员和同事的高度情绪化，使诊断变得更加复杂。对于重症监护室的临床医生来说，管理如此复杂的危重病人是一项重大挑战。诊断过程需要多个认知步骤，每个阶段都可能出现错误。

数据收集是复杂的循环决策过程中至关重要的第一步，在这一过程中，要对数据进行整合和解释，从而得出诊断结果。在这一过程中，错误的数据收集、不充分的知识或错误的信息处理都很容易导致决策失误。尽管先进的监测技术和实验室诊断技术层出不穷，但获取详尽的病史和进行全面的体格检查仍是收集数据的重要基石。在一项调查中，半数护理重症监护病房患者的临床医生认为体格检查的作用有限，半数以上的研究员或主治医师表示 “有时或从不 ”对患者进行体格检查。低质量的床边评估和信息收集是诊断效果不佳的主要决定因素。一项对急诊科腹痛患者的病历审查发现，35% 的高危病例存在诊断错误，其中 40% 的错误是由于病史采集不完整造成的。 一项对医生进行的调查发现，体格检查不充分会导致漏诊、延误或错误诊断，不必要、缺乏或延误治疗，不必要的诊断费用，不必要的辐射或造影剂暴露，以及治疗引起的并发症，从而对患者造成伤害。虽然获取不完整的病史或进行不适当的体格检查并不是认知错误，但如果认识不到有必要更新病史或寻求进一步的诊断信息，就容易产生认知偏差，如过早结束和确认偏差。

优先安排适当的时间与患者及其家属沟通对于准确收集信息至关重要，但在临床实践中，与患者在一起的时间越来越有限。一项针对重症监护室医生的研究发现，在每天的轮班中，他们只有 14% 的时间待在病房，而在医生工作间的时间则为 40%。EMR 技术的使用现已成为患者护理的核心组成部分，这可能是导致床边时间减少的原因之一。增加与患者在一起的时间还有其他好处，包括提高工作满意度和减少临床医生的职业倦怠。减少职业倦怠对临床医生尤为重要，因为它会影响认知能力，导致诊断错误。是时候重新优先考虑在床边与病人和家属共处的时间的重要性了。

误解 5：放慢脚步，努力尝试，才能最有效地避免决策失误

为了成功避免决策中的错误，临床医生不仅必须意识到偏见的风险，还必须在自己的决策中发现偏见，并成功地应用策略来减轻这些风险。通常建议“更加小心”或“放慢速度并彻底”的通用指令，以便在高风险或意外情况下有时间进行分析推理。然而，对这项技术的多项研究表明，仅仅通过增加在任务上花费的时间，对提高认知表现几乎没有好处。已经提出了许多有针对性的认知去偏倚策略来减少决策错误。个体去偏方法应用特定于上下文的规则来减少有缺陷的启发式推理，而技术去偏方法使用外部辅助来传递信息并减轻认知负担。元认知是一种主要的去偏倚策略，它能够自我监控自己的推理，并在需要时识别和推翻启发式方法。然而，更为复杂的是，一些研究表明，即使在接受了偏见培训后，临床医生在自己的诊断过程中也可能无法可靠地识别偏见。

利用技术支持的决策方法在减少错误方面可能比仅依靠个人认知努力或临床医生记忆的方法更有效。有证据表明，精心设计的决策辅助工具，如清单，可能有助于获得先前获得的知识，以改进决策。已经提出了三种类型的检查表来减少诊断错误：（1）提示临床医生评估和优化其认知方法的通用检查表；（2） 鉴别诊断清单，帮助临床医生避免过早闭合；以及（3）常见决策陷阱和认知强迫功能的清单。减少认知负荷的技术方法也可能是有益的，例如以易于解释的格式或标准化的顺序集显示医疗信息，这些格式或顺序集可用于标准任务。

家长式的患者治疗方法与10%以上的诊断错误发生率有关，因此，多学科团队合作是改进决策的推荐方法。多学科方法可以利用团队的集体智慧，有利于决策。最佳的多学科方法创造了一种协作文化，鼓励参与和反馈；视角的多样性越大，就有可能减少诊断错误。此外，将适当的任务分配给治疗团队成员可以优化亚专业专业知识并减少认知负荷。例如，药剂师非常适合协助给药预防深静脉血栓形成和监测抗菌水平。在查房过程中与患者家属团聚，通过共同决策改善治疗。受术前“超时”的启发，有人建议进行“诊断暂停”，以迫使临床医生全面评估所有可用信息，考虑诊断替代方案，并在必要时最终改变路线。

误解6：去偏倚策略对新手来说最有效

由于认知偏见，新手和有经验的临床医生都容易出现决策错误，但去偏见策略对这些群体的影响可能不同。早期研究表明，消除偏见训练对医学生的益处有限，这可能是由于早期学习者固有的知识缺陷。此外，学生可能没有足够的经验来使用启发式方法，导致他们成为认知偏见的受害者。因此，尽管新手不能免受认知偏见的影响，但他们可能不会经常使用启发式方法，因此可能不会立即从去偏见策略的指导中受益。随着学生过渡到研究生培训，他们获得了额外的知识和临床经验，更有可能在解决问题时使用启发式方法。在这个阶段，他们也变得更容易产生认知偏见，更有可能从去偏见策略中受益。

初级住院医生可能会尝试使用启发式方法来提高效率，但由于知识不足，无法确定启发式方法何时失败，因此可能比有经验的临床医生更容易出现诊断错误。一些证据表明，与主治医生相比，受训者可能对自己的诊断过于自信。这种“诊断傲慢”的状态，即临床医生对自己的诊断有信心，但不准确，也可能导致在适当的时候无法从系统1思维切换到系统2思维。有证据支持这一经验，使临床医生能够更可靠地评估他们的诊断确定性。通过专门的内容相关培训和诊断决策反馈，新手临床医生学会更好地调整他们的诊断信心和准确性。

误解7：临床决策中存在大量证据证明去偏倚策略的有效性

尽管有教学和使用认知去偏技术的策略，但关于这种方法的有效程度仍存在争议。最近对去偏倚干预措施的几项系统和范围审查显示，有希望提高诊断准确性，但研究结果是异质的。重要的是，没有一项研究考察临床环境中的决策，也没有研究报告长期随访。因此，研究干预措施在临床实践中的适用性和有效性尚不清楚。

了解现有研究设计中评估去偏技术的局限性对于解释干预措施的有效性至关重要。迄今为止，大多数研究都考察了去偏倚干预对新手临床医生（学生或住院医生）的影响，而这些策略对执业临床医生的有效性问题尚未得到解答。评估去偏倚策略影响的研究也必须考虑到不同类型的决策。在日常临床实践中，大多数病例都是“典型的”，诊断很容易识别。对于这些情况，使用系统1思维是快速、准确和适当的。研究临床医生如何在经典的患者陈述中做出诊断决策，对于区分系统1和系统2推理的使用没有帮助，也无助于评估去偏倚方法的影响。相反，为了检测认知偏见和去偏见技术的影响，必须检查临床医生如何在不常见的情况下、在常见疾病的不寻常表现下或在存在独特的患者合并症和特征的情况下进行诊断。最后，现有的决策研究往往集中在稳定环境中的单个决策事件和一组固定的备选方案上。现实世界中的临床决策通常需要在动态条件下进行多个连续决策。临床环境中的决策也与实验环境有很大不同，因为它是由团队合作和技术来调节的。因此，传统的实验决策和实际的临床决策是明显不同的现象。总体而言，需要更多的研究来评估在真实临床环境中消除偏见干预措施的有效性，参与者具有不同水平的知识或经验。此类研究应评估去偏倚干预措施的长期保留，并调查无效和干预使用率低的原因。

误解8：缺乏有效的临床决策评估方法

由于批判性思维是跨临床能力领域掌握能力的基础，因此被称为“元能力”。这种元能力是受训者“可接受的专业活动”的基础，这些活动定义了在没有监督的情况下有效治疗患者的能力。认证组织已经认识到临床推理在医学教育中的重要作用，因此需要有效的方法来评估这一关键技能。已经描述了许多临床推理评估，可以细分为工作场所（WBA）和非工作场所评估（非WBA），每种评估都有自己的优势和局限性。在选择方法时，必须考虑不同评估的可行性和有效性。

WBA至关重要，因为它们在实际实践中评估临床推理，并保证在当前基于能力的教育项目中发挥越来越大的作用。WBA的例子包括直接观察、全球评估、口头案例演示、书面笔记评估、图表刺激的回忆、大声思考和自我调节的学习微观分析。WBA评估临床推理的方法往往受到内容广度和上下文特异性以及可行性和成本问题的限制，这些问题往往限制了可以评估的病例的数量和种类。非WBA，如多项选择题、模拟练习和口语考试，具有广泛覆盖临床主题并允许标准化的优势。因此，出于有效性和可行性的原因，在任何综合评估计划中结合WBA和非WBA是至关重要的。对临床推理进行频繁和多样化的评估，并从多个来源纵向收集信息，对于确保评估计划的成功和患者安全至关重要。

一种协调和综合的评估方法可以提供反馈和实践，使受训者获得推进学习所需的信息，并确保他们准备好进入下一阶段的培训。已经发表了基于共识的批判性思维里程碑，以评估临床医生在培训中这些技能的发展，并确定随着时间的推移的预期进展。这一里程碑式的模型认识到，批判性推理的发展与培训水平没有严格联系，尽管先进的知识和经验往往与更成熟的批判性思维技能有关。每个阶段里程碑的要素分为元认知能力、批判性思维态度和认知技能。通过整合评估和反馈方法，教育工作者既可以支持学习，也可以帮助受训者制定在住院和临床实践中取得成功所需的策略。

误解9：基于人工智能的临床决策支持系统消除了诊断推理的必要性

临床决策支持系统（CDSS）在护理点提供信息，以指导临床决策。ICU设置特别适合CDSS，因为它具有高临床敏锐度、复杂性、时间压力和大量可用数据。CDSS越来越多地利用预测模型来根据一组临床输入变量计算临床结果或风险的可能性，但它们的解释需要将给定的诊断概念化为或多或少的可能性，同时承认明确的不确定性程度。CDSS通常利用人工智能（AI）系统的工作，通过处理大量的“训练”数据并分析数据以识别关联和模式，使计算机系统能够执行原本需要人类智能的任务。在重症监护室环境中，这种系统通过早期检测败血症、急性肾损伤和急性呼吸窘迫综合征等临床状况，在改善决策方面显示出了前景。

CDSS和人工智能系统都有局限性，必须考虑这些局限性才能有效使用。CDSS算法可以考虑许多但不是所有的相关患者因素，从而产生细微的概率来估计风险。然而，重要的是要认识到算法风险预测会随着环境的变化而变化。只有临床医生才能决定给定的风险是否可接受；算法不能完全取代临床判断。正确利用CDSS所需的概率理解将要求从业者学会适当应用概率推理和临床不确定性。这种概率教育应该从医学院开始，并在研究生培训期间继续，将概率培训纳入现有的案例研究和基于实践的学习。因为概率思维是循证医学实践的基础，改进临床医生对这些概念的指导提供了CDSS之外的好处。

虽然人工智能有可能改善临床决策，但用户必须意识到其潜在的陷阱和偏见。这些偏差可能是由于训练数据的不足，或者将经过训练的人工智能系统不恰当地应用于意外的患者环境。如果人工智能系统是用缺乏潜在患者群体多样性的数据进行训练的，或者是从有限的临床环境中策划的，那么它可能会严重限制可推广性，并产生基于人工智能的有偏见的结果。因此，数据丰富地区的患者群体通过更好的预测将比数据贫乏地区的患者受益更多，从而使现有的医疗保健差距永久化。选择偏差也可能是因为高质量的数据被“有趣的案例”取代，人工智能的预测性能会受到影响。当专家对感兴趣的结果变量定义不清或分配不一致（如肺炎），导致训练数据集没有“基本事实”来学习关联时，人工智能的表现也会受到负面影响。随着时间的推移，疾病模式可能会发生变化，导致“分布转变”，即训练和操作数据之间的不匹配。人工智能系统通常不善于识别上下文或数据的相关变化，这导致系统基于“样本外”输入做出错误预测。训练和操作数据之间的不匹配也可能是由于人工智能系统不恰当地应用于意外的患者环境，这被称为“框架问题”。人工智能的这种不适当应用可能导致危险影响，诊断和修复既困难又昂贵。

当人类在人工智能系统的帮助下时，一个重要的问题是他们会过度依赖这项技术，而不是继续保持警惕，这被称为自动化偏见。当人工智能系统出错或失败时，自动化偏见可能会产生灾难性后果，许多人工智能算法的“黑匣子”性质可能会加剧这种情况。需要检测和减轻自动化偏差的方法；例如，通过提高人工智能算法的可解释性，解释人工智能是如何得出结论的，并培训临床医生保持警惕。鉴于人工智能在医疗决策中的使用可能带来的危害，美国政府已开始采取措施，确保基于人工智能的算法在临床使用中安全有效。美国食品药品监督管理局目前正在将许多基于人工智能的临床决策支持算法作为医疗设备进行监管，卫生与公众服务部已提议根据医疗反歧视法监管临床算法中的偏见。此外，还制定了许多基于共识的多方利益相关者报告指南，以改进人工智能研究早期临床评估的报告（CONSORT-AI、SPIRIT-AI、DECIDE-AI）。临床医生和人工智能系统之间的综合决策方法，如果使用得当，可以通过结合人工智能模式识别和人类上下文解释的独特优势，为患者提供尽可能好的结果。

误解10：同行评审最好用于识别医疗错误并分配责任

从历史上看，同行评审会议（PRC），也称为发病率和死亡率（M&M）会议，试图通过确定临床错误的来源来改善患者治疗，但经常采取“羞辱和指责”的方法。根据审查的病例类型以及主持人的重点和技能的优先级，PRC结构可能会对提高患者安全性的目标构成额外的障碍。PRC通常专注于病理生理学，并没有引导参与者采取可行的方法来防止未来的错误。此外，优先考虑独特演示或罕见情况的PRC偏离了减少更常见错误源的目标。提交给PRC的案件往往会造成严重伤害，这会使案件审查的角度产生偏差。最后，PRC参与者可能很容易识别临床错误，但并不总是具备承认或检查问题深层系统起源的技能。更为复杂的是，临床医生往往不愿意承认他们的决策错误，这可能会导致防御态度或回避会议。有必要改进现有的PRC结构，采用系统的方法来支持、支持和确保对错误进行建设性反思。

建议的改进PRC的战略包括改变文化、沟通和教育，为承认诊断不确定性和承认错误创造一个更安全的环境，以及实施基于系统的方法来调查、干预和提供改进工作的反馈。需要进行文化变革，将诊断的不确定性视为复杂的临床决策方法的标志，而不是反映无能或无知。PRC期间沟通的微小变化可能有助于营造一个更安全的环境，以承认诊断的不确定性和错误。将术语“诊断错误”改为“错过的诊断机会”可能有助于消除这些错误的个性和污名化。将“鉴别诊断”重新定义为“诊断假设”，以更充分地反映临床的不确定性，这可能会鼓励进一步的评估，并可能使其更有可能随着临床场景的发展而得出结论。

仔细选择病例进行讨论和反思是最大限度地提高PRC效益的一种手段。尽管审查所有病例可能是理想的，但考虑到高临床量，这通常是不切实际的。相反，应该根据最有可能发生实质性学习的情况，从而最有可能改进临床实践的情况，对病例进行优先排序。这些病例往往是那些错过了诊断机会的病例。这些错失的机会可能发生在决策过程中，有或没有相关的负面结果。此外，重要的是不要让不良结果对评估其可预防性的能力产生偏见。良好的诊断思维并不总是导致良好的临床结果，有缺陷的诊断思维也不总是导致较差的临床结果。PRC还应寻求包括卓越诊断的例子，以便临床医生也能从中受益。

要使PRC 的价值最大化，既需要认识到所涉及的决策和错误，也需要反思这些决策和错误。对临床病例的评估应该从分配单个故障的一维方法转向识别导致诊断错误和最终结果的多种因素。认识到导致错误的系统相关因素对于改进实践至关重要。这种“系统方法”基于这样一种理论，即医疗错误不是由糟糕的临床医生造成的，而是由配置不当以支持人类活动的工作系统造成的。专门、正式和协作的方法来调查导致医疗错误的事件，对于深入了解错误是如何发生的以及为什么发生的至关重要。同样，研究错误对患者和相关临床医生的影响，使PRC参与者的问题更加人性化。在不考虑错误影响的情况下识别错误可能会使审查过程看起来像是一种行政活动，而不是一个重要的学习和改进机会。反思应包括向临床医生提供决策反馈。如果临床医生习惯于定期收到建设性的反馈，这将有助于减少同行评审的纪律观念，并提高对反馈的接受度，从而做出个人和系统的改变。从“没有消息就是好消息”的系统过渡到期望决策反馈的系统，将促进持续改进的文化。这样，改进诊断不仅要避免错误，还要追求卓越。

结论

诊断错误在重症监护室很普遍，与患者伤害以及提供者和医疗保健系统的成本有关。认知科学为临床决策过程提供了见解，可用于减少错误。决策系统通常是有效和高效的，但错误可能经常发生，常见情况的非典型表现。病史采集和体检仍然是诊断推理过程的核心，并没有被先进的监测和实验室诊断所取代。虽然医学知识的差距可能导致决策错误，但临床推理的失误似乎起着更突出的作用。理解认知偏见的作用很重要，但如果不采用减少错误的策略，仅靠意识不太可能改善决策。基于元认知的个体减错策略已经得到了重视，但目前缺乏强有力的证据证明其益处。利用各种评估工具进行决策以及发展里程碑对于支持学习和帮助受训者制定在临床实践中取得成功所需的策略非常重要。使用人工智能算法的CDSS有望改善决策，但了解此类系统中的局限性和潜在偏见对于防止有缺陷的预测至关重要。最后，将诊断的不确定性作为复杂的临床决策方法的标志，而不是无能或无知的反映，这种文化变化可能会改善患者的预后。

来源：Ramaswamy. Ten misconceptions regarding decision-making in critical care. World J Crit Care Med 2024;13(2):89644

师兄和俺建立了资分享群，邀您互相交流，微信gabstudy

点击阅读原文，进入实用书籍专辑，用完记得收藏哦，下次更方便。