减少医疗错误的一种方法将医生与其他医生联系起来

我们把自己的生命托付给医生，但令人悲伤和可怕的事实是医生可能会出错。每年约有 100,000 名人因医疗失误而死亡，最近的研究发现，有关患者诊断和治疗的所有临床决策中有 10% 至 15% 是错误的。

宾夕法尼亚大学安纳伯格传播学院网络动力学小组教授兼主任 Damon Centola 领导的研究小组发现了一种简单有效的方法来减少患者诊断和治疗中的错误——使用结构化网络将临床医生与其他临床医生联系起来。

在今天发表在《国家科学院院刊》 (PNAS)杂志上的一项研究中，研究人员分享了一项涉及近 3,000 名医生的多年研究的结果。

他们发现，当提出案例研究并要求为患者提供诊断和治疗建议时，匿名向同行展示诊断决定的临床医生的建议平均准确度是自己做出决定的临床医生的两倍。

简而言之，当医生拥有支持网络时，他们犯的错误就会更少。

“这些信息共享网络的最大风险，”通信、社会学和工程系 Elihu Katz 教授 Centola 说，“虽然一些医生可能会有所进步，但可能会产生平均效应，导致更好的医生做出更糟糕的决定。但是，事实并非如此。不是回归平均值，而是持续改善：最差的临床医生会变得更好，而最好的临床医生也不会变得更糟。”

该研究的合著者、加州大学旧金山分校以及旧金山综合医院和创伤中心的 Elaine Khoong 表示：“我们越来越认识到，临床决策应该被视为包括多名临床医生和患者在内的团队努力。这项研究强调，在决策时让其他临床医生进行咨询可以改善临床护理。”

不仅仅是临床人群的智慧

在几个月的时间里，研究人员通过他们专门为此目的构建并在苹果应用商店上分发的应用程序测试了临床医生的治疗和诊断决策。

在注册试用并下载应用程序后，医生被提示根据现实生活中记录的患者病例评估临床病例，分三轮进行。在每轮开始时，临床医生阅读案例研究，然后有两分钟的时间回答两个问题。

第一个问题让医生估计患者的诊断风险(例如，胸痛患者在未来 30 天内心脏病发作的可能性有多大?)，范围从 1 到 100。第二个问题提示医生在多种选择中推荐正确的治疗方案(例如，送回家、服用阿司匹林或转诊观察)。

每个临床医生都被随机分配到两组中的一组：要么是对照组，其成员单独回答所有问题，要么是实验组，其中参与者通过社交网络与其他匿名临床医生联系，他们可以看到他们的反应。

在第二轮和第三轮中，对照组参与者的经历与第一轮相同，单独回答问题。但是，网络条件下的参与者可以看到社交网络中的同伴在上一轮中做出的平均风险估计。

每个参与者都有机会从一轮到下一轮修改他们的答案，无论他们是否在社交网络中。

Centola 的团队使用相同的实验设计来研究七个不同的临床病例，每个病例都来自已知诊断或治疗错误率较高的医学领域。

研究人员发现，网络中临床医生决策的总体准确性是对照组的两倍。此外，在最初表现最差的临床医生中，网络最终提出正确建议的临床医生比例比对照组增加了 15%。

“我们可以利用医生网络来提高他们的表现，”森托拉说。“医生之间会互相交谈，我们很早就知道这一点。这里真正的发现是，我们可以构建医生之间的信息共享网络，以大幅提高他们的临床智能。”