基于\x26quot;知识开发过程\x26quot;模型的护理决策支持系统知识库的构建

 

本文原载于《中华现代护理杂志》 2021年第5期2018年颁布的《关于促进护理服务业改革与发展的指导意见》[1]指出，应借助大数据、云计算、物联网等信息技术大力推进护理信息化建设，积极优化护理流程，创新护理服务模式，提高护理效率和管理效能。

护理决策支持系统（Nursing Decision Support System，NDSS）是目前护理信息化发展的重要趋势[2]，它是以护理程序为核心，基于研究，预先定义护理诊断、循证干预和患者结局之间的正确联系，为护士提供决策指导

[3]典型的NDSS包括推理机、知识库、人机接口3个部分，其中构建知识库是整个系统的核心和重要步骤[4]目前国内外NDSS知识库的研究主要围绕低血糖、跌倒、压疮、危重症等单一方面[5,6,7,8]，涵盖护理程序全过程的知识库相关研究较少。

其次，国外大多使用标准护理术语规范知识库的表达，而我国当前的护理知识库内容缺乏通用的标准化护理术语，不能共享，推广应用不足[9]再者，知识库没有将护理问题相同而护理评估不同的患者所接受的护理措施加以区别，护理决策的精准性有所欠缺。

[10,11]此外，多数研究对知识库的构建过程缺少详细阐述，知识库的质量有待商榷综上，建立涵盖护理程序全过程、规范化、精准化、高质量的NDSS知识库值得进一步研究因此，本研究团队联合软件公司基于"知识开发过程"模型。

[12]，以护理程序为内容框架，以标准术语为语言工具，通过文献回顾、专家咨询和专家会议构建NDSS知识库，着重建立系统、全面、量化分级后的护理评估如何排列组合触发不同护理措施及活动之间的匹配关系，以期为护理知识库的发展提供参考。

资料与方法1．NDSS知识库构建的设计思路：2018年7月—2020年3月，本项目基于2002年马萨诸塞大学提出的"知识开发过程"模型[12]构建NDSS知识库，具体设计思路为以护理程序为NDSS知识库的概念框架，聚焦临床护理问题（护理诊断），通过文献回顾搜索护理问题相关的评估、目标、措施及活动等知识证据，并通过专家会议和专家咨询进行知识筛选和修正，明确护理问题的评估、目标、措施、活动条目以及条目之间的匹配规则，形成知识图谱并提交软件公司进行编码入库。

2．NDSS知识库的构建方法：（1）成立知识库研究小组2018年7月，南京医科大学第一附属医院护理部成立研究小组，与医院信息处和软件开发公司合作由护理部主任担任小组组长，小组成员包括科护士长、各专科护理学组组长、各专科护士长、护理部干事、信息处工程师、软件公司开发人员。

研究小组共同梳理知识库，并组织专家会议和专家咨询对知识库进行不断修改和完善（2）明确知识库的基本架构知识库以护理程序为框架，包括护理评估模块、护理问题模块、护理目标模块、护理措施模块、护理活动模块以及各模块之间的匹配规则。

（3）明确知识库的内容①文献回顾：研究小组通过前期临床调研，从北美护理诊断协会（the North American Nursing Diagnosis Association，NANDA）中优先筛选出42项临床密切关注的护理问题作为护理决策问题，通过检索中文数据库（中国生物医学文献数据库、维普数据库、CNKI、万方数据库）、英文数据库（Medline、Embase、Ebsco、Springer、Elsevier、CINAHL、Joanna Briggs Institute、Cochrane Library）和各指南网，同时辅以文献追溯法及手工检索法查找所需参考文献，筛选和提取42项护理问题相关的评估、目标、措施及活动的知识证据。

②专家会议：选择本专业具有较高理论水平或丰富实践经验的临床专家，召开专家会议对文献回顾得到的知识库初稿进行逐一讨论，提出删除、增加、合并等修改意见专家纳入标准：副高级及以上职称；本科及以上学历；相关专科工作经验≥10年；自愿参与；有一定的科研背景。

本项目共召开线上、线下专家会议56次，共纳入52名参会专家，年龄37～57岁，工作年限15～36年，其中主任护师31名，副主任护师21名，包括护理部、内科、外科、ICU、急诊、老年科等多个科室③专家咨询：根据专家会议结果，对存在争议较大的护理问题的评估、目标、措施及活动进行专家咨询，进一步优化知识库的权威性和可推广性。

专家纳入标准同专家会议各专家根据Likert 5级评分法对护理问题的评估、目标、措施及活动进行重要性赋值（5分为非常重要、4分为重要、3分为一般重要、2分为不太重要、1分为不重要），并适当提出修改建议专家对咨询内容的熟悉程度和判断依据进行自评。

至少进行2轮专家咨询，每轮专家咨询的条目筛选标准为需同时满足重要性赋值均分≥4分、变异系数<0.25（4）维护知识库的字段属性对已明确的知识库各模块内容进行字段属性维护，并参考标准术语体系规范化和结构化各模块的语言表达。

知识库各模块字段属性内容见表1本研究经南京医科大学第一附属医院（江苏省人民医院）伦理委员会审核批准（2017-SR-260）

点击查看表格表1知识库各模块字段属性具体内容表1知识库各模块字段属性具体内容知识库模块维护字段标准术语体系护理评估模块评估名称、编码、注释、设计原则、来源、修订历程、负责人等ICF、NANDA护理问题模块

问题名称、编码、来源、修订历程、负责人等NANDA护理目标模块目标名称、衡量指标、编码、来源、修订历程、负责人等NOC护理措施模块措施名称、编码、来源、修订历程、负责人等NIC护理活动模块活动名称、默认值、输入值检查、执行者资质、活动类别、注释、修订历程、负责人等

NIC匹配规则模块护理评估与护理问题的匹配规则（评估项与该问题之间的决定关系、权重等）；护理问题与护理目标的匹配规则（问题与哪些护理目标相关）；护理评估与护理活动的匹配规则（评估项可触发哪些个性化护理活动）

NNN注：ICF，国际功能、残疾和健康分类；NANDA，北美护理诊断协会；NOC，护理结局分类；NIC，护理措施分类；NNN，链接北美护理诊断协会护理诊断、护理结局分类与护理措施分类3．统计学方法：采用Excel 2010、SPSS 20.0软件进行数据的录入及统计分析。

计量资料用均数±标准差（

±s）描述、计数资料用频数、构成比（%）描述；专家积极性用问卷回收率及有效率表示；权威性用权威系数（Cr）描述；对某条目判断的一致性，用变异系数表示；所有条目意见的协调程度用肯德尔协调系数（Kendalls

W）表示P100项的护理评估项进行量化和最小分级以便区分患者病情严重程度，如将"左心室射血分数降低"分为：轻度降低40%～49%、中度降低35%～39%、重度降低<35%。

（2）护理问题模块对描述笼统的护理问题进行适当拆分，如将"皮肤完整性受损"拆分为"皮肤完整性受损—压力性损伤""皮肤完整性受损—烧伤"和"皮肤完整性受损—失禁性皮炎"；对存在较多共性评估、目标及措施的护理问题进行合并，以减轻知识库的数据负担，如将"急性疼痛"和"慢性疼痛"合并为"疼痛"；将"颅内调适能力降低"修改为"颅内压增高"以便护士理解和使用；原创护理问题"急性中毒""潜在并发症：病理性骨折""有牵引效能降低的风险"以满足临床需求。

（3）护理目标模块参考护理结局分类（Nursing Outcomes Classification，NOC）设置衡量指标并赋分，系统后台可根据患者目标衡量指标的赋分情况，给出目标计算值，以便于量化护理目标达成情况。

（4）护理措施和活动模块根据护理干预目的进行命名，便于护士理解和执行如将"病情监测"修改为"监测心脏泵血情况"专家会议初步形成护理问题46项、护理评估1 494项、护理目标82项、护理措施176项、护理活动1 091项。

2．专家咨询结果：为了进一步增加知识库的临床适用性和代表性，针对争议较大的内容分专科进行专家咨询本研究分别从华东、华南、华中、华北及西北不同区域选择心血管专科排名靠前的11所三甲医院的20名心血管科护理专家完成2轮专家咨询。

专家基本情况：年龄（45.50±5.89）岁；临床工作年限（25.00±6.21）年；副主任护师16名（80%），主任护师2名（10%），副教授1名（5%），教授1名（5%）；大专学历1名（5%），本科学历12名（60%），硕士学历7名（35%）。

2轮专家咨询的Cr分别为0.875和0.925，Kendalls W值分别为0.464和0.534，说明专家咨询结果可靠由于知识库数据量庞大，此处以心血管科的护理问题"心输出量减少"相关内容的专家咨询结果为例，见表2。

点击查看表格表2护理问题"心输出量减少"相关内容的专家咨询结果表2护理问题"心输出量减少"相关内容的专家咨询结果项目具体条目重要性赋值（分，

±s）变异系数护理问题心输出量减少5.000护理评估心输出量<3 L/min5.000左心室射血分数降低及程度（轻度降低：40%～49%、中度降低：35%～39%、重度降低：<35%）4.95±0.22

0.05心功能分级程度（Ⅰ、Ⅱ、Ⅲ、Ⅳ级）4.95±0.220.05心率过快及程度（1级：100～119次/min；2级：120～139次/min；3级：≥140次/min）4.40±0.500.11心率过慢及程度（1级：50～59次/min；2级：40～49次/min；3级：<40次/min）

4.35±0.490.11收缩压下降及程度（1级：80～89 mmHg；2级：70～79 mmHg；3级：<70 mmHg）4.80±0.400.08舒张压下降及程度（1级：50～59 mmHg；2级：40～49 mmHg；3级：<40 mmHg）

4.90±0.310.06护理目标心脏泵血效果改善5.000护理目标的衡量指标收缩压4.80±0.400.09舒张压4.90±0.310.06心率4.35±0.590.14皮肤颜色4.40±0.500.11

尿量4.85±0.370.07呼吸困难4.95±0.220.05护理措施1监测心脏泵血情况4.90±0.300.06护理措施1的护理活动监测生命体征，包括体温、脉搏、心率、呼吸、血压、血氧饱和度4.95±0.22

0.04监测呼吸困难程度4.80±0.040.08监测心电图4.80±0.040.01监测心肌标志物4.75±0.680.15监测血钾4.80±0.040.08监测尿量4.65±0.490.10监测心输出量

4.85±0.510.11评估胃肠道（灌注减少的）症状，如恶心、呕吐、腹胀4.75±0.440.09评估外周血管搏动情况4.65±0.490.10护理措施2减轻心脏前后负荷4.80±0.400.08护理措施2的护理活动

为患者摆放合适体位，如半坐卧位、端坐卧位、膝胸卧位4.75±0.440.09遵医嘱给予药物并观察不良反应4.90±0.300.15根据病情严重程度和代谢当量安排适合的自理活动，如心功能Ⅳ级患者选择代谢当量<2的自理活动等

4.85±0.400.07根据心功能分级为患者制订运动处方，包括运动方式、时长、运动后目标心率等4.65±0.490.10注：1 mmHg=0.133 kPa3．最终形成的护理知识库各模块展示：根据专家咨询结果维护知识库的字段属性、语言表达的结构化和标准化。

截至2020年3月，南京医科大学第一附属医院NDSS知识库共维护完成46项护理问题、2 213项护理评估、67项护理目标、233项护理目标衡量指标、183项护理措施、4 783项护理活动以及3 332条匹配规则。

（1）护理评估模块：参考国际功能、残疾和健康分类（International Classification of Functioning，Disability and Health，ICF）的评估框架和分级方法形成九级评估体系，其中"疾病诊断"和"手术"层级下的具体评估内容链接医院的医院信息系统和手术麻醉临床信息系统。

根据每层级评估项个数设置编码位数，每层级至少设置2位数进行编码，以此累加，9级评估项总编码为18位评估模块各层级评估项个数见表3（2）护理问题模块：40项护理问题来源于NANDA（如心输出量减少），2项护理问题来源于教科书（意识障碍、肾功能障碍），4项护理问题为原创（潜在并发症：病理性骨折、有牵引效能降低的风险、化疗照护需求、急性中毒）。

根据评估体系的前3级结构对护理问题进行归类和编码，护理问题编码：P+评估体系前3级结构编码+该层级下问题排序，如"心输出量减少"编码为P05030001，其他模块均按此方法编码（3）护理目标模块：参考NOC的Likert 5级评分法，结合文献回顾结果和专家会议结果，对目标衡量指标进行分级和赋值，1分表示患者状态非常差，5分表示患者状态非常好。

（4）护理措施及活动模块：4 783项护理活动中，1 665项为评估观察类，2 088项为处置类，331项为监测类，582项健康指导类，117项为医嘱执行类（5）匹配规则模块：知识库间的匹配关系是衔接各知识库的桥梁，为NDSS的运转起到关键作用，包括"评估—问题""问题—目标"以及"评估—活动"三者之间的匹配关系，其中"评估—问题"的匹配关系，指患者阳性评估项可触发哪些护理问题，以及阳性评估项触发问题的决定属性和影响权重。

决定属性分为决定因素和影响因素，决定因素指评估项直接触发问题，影响因素指评估项不直接触发问题评估项对护理问题影响的权重总分可辅助护士对护理问题进行优先排序

点击查看表格表3护理评估模块各级结构的护理评估个数表3护理评估模块各级结构的护理评估个数护理评估模块一级结构二级结构三级结构四级结构五级结构六级结构七级结构八级结构九级结构护理评估总数一般资料1956-

-----66既往史1169810-----125现病史15183-----27家族史12-------3身体结构功能11311053737126414882441 570活动与参与148212----

36环境因素17292----39个人因素11024631115---124专项评估111495412----127疾病诊断1--------1手术1--------1其他1456249----94护理评估总数

128144871440527914882442 213讨论构建NDSS知识库的重要意义（1）实现智能决策：临床护理情境复杂，尤其病危患者往往存在较多的阳性评估特征，可触发多项护理问题，不同护理问题之间可存在相同或相悖的护理措施及活动，干预1个方面可能导致另1个或多个方面的改变，彼此间常常不是一对一的可预测关系。

[13]如此庞大的分析判断过程，需依靠NDSS以便实现护士决策过程的简单化、科学化知识库则是NDSS实现智能决策的关键要素，护士在使用NDSS过程中，通过业务触发决策点，调用知识库提供的服务接口为护理干预提供决策支持，即统一将护士综合评估后的患者信息与调用的知识库内容进行分析、整合、比对，即可快速获取该患者比较全面的决策指导。

[14]随着知识库内容日益丰富、知识库匹配规则的不断更新和完善、数据量快速增长以及智能看板交互界面的优化，NDSS将会向人工智能阶段发展，更好地发挥其决策价值[15,16]（2）推动护理大数据的发展：随着互联网及科学技术的迅速发展，全球数据正处于爆炸式增长的状态。

在医疗领域，大数据已在临床医疗方面发挥着巨大作用，而我国临床护理数据大多处于无序的原始状态，缺乏统一规范的语法、句式等，难以直接进行有效地利用[17]基于此，本研究通过文献回顾和专家会议及专家咨询结果，将最新的循证护理证据、专家经验和临床实践中护士对患者实施护理和健康改善过程中产生的大数据进行分析和整合，构建涵盖护理全过程的NDSS知识库，实现护理大数据的可视化、结构化和标准化。

随着该知识库今后的不断应用和迭代优化，其产生的大数据将呈指数化增长，护理管理者可借助这些大数据对护理工作进行客观量化的评价和管理，提高护理管理的高效性和科学性，由此真正发挥护理大数据的应用价值，推动护理大数据的快速发展。

我院NDSS知识库的构建特点（1）比较系统全面：知识库内容的权威性和丰富性直接影响着NDSS智能决策的效果本项目遵循"知识开发过程"理论，以护理程序为知识库的概念框架，结合文献回顾和专家经验，构建了包含护理评估、问题、目标、措施及活动的护理知识库，且各模块数据内容有章可循，确保知识库涵盖护理程序的全过程，能够为护理人员提供系统、全面的决策指导。

目前知识库已维护过万条数据，基本能够满足临床常见护理问题的决策，后期将进行知识库的持续迭代优化，提高知识库的系统全面性（2）可推广性强：在知识库中参考标准术语体系，对知识库的语言表达进行规范化和结构化，有利于今后与国内外各医疗机构护理数据保持一致，以实现精确搜索和护理大数据的积累，促进护理信息的沟通与交流。

[9,18]考虑到NANDA、NOC、护理措施分类（Nursing Interventions Classification，NIC）是护理领域的专用术语体系，不利于多学科之间的沟通和渗透，而ICF是符合多学科使用的国际通用术语体系，且立足于功能障碍的分类，包含身体功能、身体结构、活动、参与及环境因素，内容涵盖了护理人员所需诊断和处理的患者现存和潜在的所有健康问题，可以贯穿护理程序始终。

因此本研究构建的NDSS知识库将ICF作为知识库护理评估体系的框架，实现了ICF与NANDA、NOC、NIC的关联，利于今后与其他行业知识库的对接，增加了知识库的可推广性（3）符合患者个性化需求：国内NDSS知识库中未把护理诊断相同但功能不同的个体所接受的护理措施加以区别，导致临床应用时有过度护理之嫌，不利于患者原有功能的发挥。

[14]而本研究构建的NDSS知识库是以ICF为框架，结合文献回顾和专家会议对知识库中的护理评估项进行量化和分级，着重建立系统、全面、量化分级后的护理评估如何排列组合触发不同护理措施及活动之间的匹配关系，可最大限度地提高护理决策的针对性和精准性，避免了过度或不足护理，减少潜在风险的发生，更加符合患者的个性化实际需求，提高护理决策的质量，保证患者安全。

本研究的不足和展望NDSS在我国护理领域的应用起步较晚，其需要强大、权威的护理知识库支撑本研究构建的NDSS知识库暂时维护了与临床常见护理问题相关的评估、目标、措施及活动的知识数据，有待进一步完善和丰富知识库内容。

其次，知识库构建过程主要遵循文献回顾和专家经验，缺少临床护士的建议护理知识库的构建应重视护理人员的建议，下一步可调查临床护士对知识库的使用感受和建议，以便提高知识库的应用价值和临床实用性再者，护理知识库的构建需要多学科、多部门的合作，特别是加强与计算机科学、信息学人员的交流与合作。

如何将知识库的数据与检验系统、医嘱执行系统对接，以患者为中心将不同系统的异构数据进行高度整合，构建医护一体化的知识库值得进一步探讨利益冲突利益冲突　所有作者均声明不存在利益冲突参考文献

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186