درک ارزش شهود پزشک هنگام ارزیابی عوامل خطر برای جراحی

شهود جراح قبل از عمل یک پیش بینی مستقل از عوارض 30 روزه پس از عمل است. با این حال، بر اساس مطالعه‌ای که در مجله منتشر شده است، در مقایسه با محاسبه‌گر ریسک استاندارد که از برنامه ملی بهبود کیفیت جراحی کالج جراحان آمریکا (ACS NSQIP) گرفته شده است، قدرت پیش‌بینی آن چندان قوی نیست. مجله کالج جراحان آمریکا (JACS).

جراحان هنگام تصمیم گیری در مورد اینکه چه نوع جراحی را انجام دهند، عوامل مختلفی مانند سابقه پزشکی و وضعیت سلامت فعلی را ارزیابی می کنند. شهود پزشک – آموزش، تجربیات گذشته، و احساس “عاطفی” آنها در مورد بیمار – نیز در ارزیابی نقش دارد.

با این حال، حتی زمانی که تشخیص یکسان است، هنوز تنوع قابل توجهی در تصمیم گیری پزشک وجود دارد. بر اساس یک مطالعه، بیمارانی که به دنبال نظر دوم هستند، تنها در 12 درصد مواقع تشخیص یکسان را از هر دو پزشک دریافت می کنند.

دکتر Gabriel A. Brat، نویسنده ارشد این مطالعه، گفت: “ادغام صریح، ناملموس و تجربه با هم چیزی را تشکیل می دهد که ما شهود جراح می نامیم. جراحانی با سطح مشخصی از آموزش و تجربه در موارد خاص شهود نسبتا مشابهی خواهند داشت.” MPH، FACS، جراح تروما و استادیار جراحی در مرکز پزشکی Beth Israel Deaconess و دانشکده پزشکی هاروارد. “با این حال، شهود پویا است. این بستگی به ویژگی های ارائه دهنده دارد. یک جراح می تواند یک بیمار را ببیند و یک چیز را در مورد نتیجه آن بیمار باور کند و جراح دیگری می تواند همان بیمار را ببیند و نتیجه متفاوتی را پیش بینی کند.”

برای این مطالعه، محققان به دنبال کمی کردن ارزش شهود در پیش‌بینی نتایج در میان بیماران جراحی بودند. آنها بررسی کردند که آیا شهود قبل از عمل می تواند در پیش بینی خطر به روشی مشابه که در حال حاضر از ماشین حساب ریسک جراحی ACS NSQIP استفاده می شود استفاده شود. ماشین حساب خطر NSQIP ابزاری است که برای تخمین خطرات عوارض پس از عمل خاص بیمار برای تقریباً تمام عمل ها استفاده می شود و شامل تنظیم شهود جراح است.

Jayson S. Marwaha، MD، MBI، نویسنده اصلی مطالعه و دستیار جراحی عمومی در دانشگاه جورج تاون، گفت: «ما می‌خواستیم بدانیم که آیا می‌توان شهود را به روشی دقیق‌تر تنظیم کرد یا خیر.

محققان الگوریتم جدیدی را توسعه دادند که تنها با استفاده از شهود جراح قبل از عمل، نتایج پس از عمل را پیش‌بینی می‌کند. برای انجام این کار، محققان جراحان عمومی را بین اکتبر 2021 و سپتامبر 2022 در مرکز پزشکی Beth Israel Deaconess درست قبل از شروع جراحی مورد بررسی قرار دادند. یک پیام متنی یک سوالی از آنها خواسته شد تا احتمال پیامد منفی بیمار را پیش بینی کنند، به ویژه اگر بیمار کمتر از خطر متوسط، خطر متوسط ​​یا بالاتر از میانگین خطر عوارض بعد از عمل یا مرگ باشد. در مجموع، 216 بیمار در این تجزیه و تحلیل قرار گرفتند.

در یک مدل جداگانه، تیم تحقیقاتی داده‌های NSQIP را روی 9182 بیمار که بین ژانویه 2017 و سپتامبر 2022 در مرکز پزشکی تحت عمل جراحی عمومی قرار گرفتند، جمع‌آوری کرد. آنها با تجزیه و تحلیل داده های بالینی گرفته شده توسط ماشین حساب ریسک NSQIP، پیامدهای بیمار را پیش بینی کردند.

پس از مقایسه دو مدل، مدل سومی ساخته شد که هر دو شهود قبل از عمل و محاسبه‌گر خطر NSQIP را ترکیب می‌کند تا مشخص شود که آیا این مدل سوم ممکن است از دو مدل دیگر بهتر عمل کند یا خیر.

یافته های کلیدی

• تقریباً نیمی از جراحانی که به نظرسنجی پاسخ دادند (45.4٪) نشان دادند که خطر ابتلا به هر گونه عارضه در بیمارشان متوسط ​​است، با 40.3٪ بالاتر از خطر متوسط ​​و 14.4٪ کمتر از خطر متوسط ​​​​پاسخ دادند.
• شهود جراح قبل از عمل یک پیش بینی مستقل از عوارض بعد از عمل بود. یک مدل از شهود جراح قبل از عمل که عوارض را پیش‌بینی می‌کرد، دارای ناحیه زیر منحنی (AUC) 0.70 بود که در آن AUC 1.0 پیش‌بینی کامل و 0.5 یک نتیجه تصادفی است.
• شهود جراح در پیش‌بینی هر عارضه‌ای نسبت به محاسبه‌گر خطر ACS NSQIP که دارای AUC 0.83 بود، دقت کمتری داشت.
• یک مدل ترکیبی با استفاده از شهود جراح و ماشین حساب ریسک NSQIP، با AUC 0.83، بهتر از ماشین حساب ریسک NSQIP به تنهایی عمل نکرد.
• تجزیه و تحلیل زیرمجموعه نشان داد که شهود جراحان شرکت کننده با تجربه تر در پیش بینی نتایج بیماران دقیق تر از دستیاران با تجربه کمتر بود.

ارزش شهود جراحی برای پیش‌بینی قبل از عمل با گنجاندن شهود انسانی در مدل بهبود نیافته است، و این نشان می‌دهد که حداقل برای اکثر پیش‌بینی‌های قبل از جراحی، اطلاعاتی که توسط محاسبه‌گر خطر NSQIP جمع‌آوری می‌شود در پیش‌بینی آن نتایج بهتر از روده است. دکتر برات گفت: احساسی که جراحان هنگام نگاه کردن به بیماران دارند.

“شهود انسان اطلاعات زیادی را در نظر می گیرد که در دسترس ماشین حساب نیست، اما آنها را به هیچ وجه صریح وزن نمی کند. ما یک سیستم وزن دهی در ذهن خود نداریم که بگوید: “می دانیم که این قطعه اطلاعات به میزان معینی از اطلاعات دیگر مهمتر است، در حالی که ماشین حساب ریسک NSQIP دارای سیستم وزن دهی صریح است. پزشک باید اطلاعاتی را که در دسترس ماشین حساب ریسک نیست یکپارچه کند.”

Clifford Y. Ko، MD، MS گفت: «داده‌های محاسبه‌گر ریسک NSQIP یکی از بهترین‌ها برای پیش‌بینی نتایج هستند – به‌طور آشکاری برتر از ادعاها، صورت‌حساب، و داده‌های اداری. با این حال، آنچه با داده‌ها انجام می‌شود گام مهم بعدی است.» ، MSHS، FACS، FASCRS، مدیر بخش تحقیقات ACS و مراقبت بهینه از بیمار، که در این مطالعه شرکت نداشت. این وظیفه جراح و بیمار خواهد بود که بر اساس داده‌ها، تصمیم بگیرند که آیا جراحی را ادامه دهند یا خیر، و چگونه برای مراحل مراقبت قبل، حین و بعد از جراحی آماده شوند.»

محدودیت های اصلی مطالعه، اندازه کوچک مجموعه داده ها و این واقعیت است که اکثر جراحانی که در تحقیق شرکت کردند، جراحان تروما و اورژانس بودند. این نتایج ممکن است برای انواع دیگر جراحان یا سناریوها صدق نکند.