在分析学中独自漂泊——与卒中临床医生长期使用护理质量监控系统的洞察

文献标题

'Alone and Adrift in Analytics' - Insights from Long-term Involvements with Stroke Clinicians when Using Care Quality Monitoring Systems

出版信息

• 主题领域: 医疗质量改进系统（CQIS）及其在医疗分析中的应用。
• 关键词: 医疗质量改进, CQIS, 数据可视化, 医疗分析, 中风护理, RES-Q, 人机交互, 自动化, 临床决策, 探索性数据分析。

背景与问题

• 问题/挑战: 当前的医疗质量改进系统面临诸多挑战，例如数据量过于庞大、临床医生分析能力有限、沟通分散以及缺乏可操作的洞察。这些问题阻碍了CQIS的有效使用，导致医疗质量停滞不前。
• 重要性: 提高CQIS的可用性和功能性对于改善医疗结果、减少临床医生的职业倦怠以及促进医院数据驱动决策至关重要。
• 动机与相关研究: 以往研究主要集中在CQIS的某些单一方面，例如数据可视化或决策过程，但缺乏对用户需求和分析挑战的多学科理解。本研究旨在通过调查临床医生使用广泛采用的CQIS系统RES-Q的具体任务、困难和成功实践来填补这些空白。

解决方案

• 提出的方法: 对国际中风护理CQIS系统RES-Q的五年定性研究，以识别用户需求、挑战以及改进CQIS的设计建议。
• 创新性:
  1. 以用户为中心的设计调查，识别CQIS使用中的用户角色、工作流程和沟通挑战。
  2. 使用Munzner的可视化任务框架进行详细的任务和工作流程分析，找出当前仪表板的不足之处。
  3. 提出设计建议，包括集成数据分析界面和自动化任务，以满足特定用户需求。
• 研究过程与关键技术:
  • 开展十项定性研究（五次访谈和五次工作坊），涉及来自34个国家的74名神经科医生。
  • 使用主题分析和Munzner框架分析工作流程、任务和用户角色。
  • 与临床医生合著者的反馈进行迭代优化。

结果

• 具体发现:
  • 临床医生主要使用确认性分析来识别表现不佳的指标，并使用探索性分析来调查趋势和异常值。
  • 常见挑战包括整合分散的洞察、执行子组分析以及在讨论中回答后续问题。
  • 自动化和对话式人工智能被认为是减少重复任务并促进快速探索的潜在解决方案。
• 相较基线的优势:
  • RES-Q的更新界面（例如过滤选项、结合洞察）相比早期版本适度改善了工作流程。
  • 提出的改进建议（例如自动化警报、可定制工作流程和对话式人工智能）旨在解决更广泛的可用性和分析挑战。
• 实验/评估:
  • 通过访谈、工作坊和原型评估活动收集用户对RES-Q界面及提出解决方案的反馈。
  • 参与者涵盖多种角色和地区，确保对CQIS使用的全面理解。
• 局限性与未来研究:
  • 由于研究集中于RES-Q且参与者主要来自欧洲，研究结果的普适性有限。
  • 未来研究应探索探索性分析界面、自动化和对话式人工智能在其他领域和地区CQIS中的影响。

总结

本研究对中风护理CQIS系统RES-Q的使用进行了全面调查，识别出数据量过大、洞察分散以及分析能力有限等关键挑战。通过分析用户角色、工作流程和任务，研究强调了自动化、可定制工作流程和对话式人工智能在支持临床医生进行医疗质量监控中的必要性。研究结果为改进CQIS的可用性及促进数据驱动的医疗改进提供了可操作的设计建议。这些洞察适用于其他医疗领域，并可用于开发适应性和协作性的CQIS系统。