شاخص‌های گزارش شده در پرونده الکترونیک و عوارض پس از جراحی شکم: تحلیلی از داده‌های MOVER EPIC

خلاصه سریع برای خواننده

• یک مطالعه بازنگر کوهورت (۲۰۱۷–۲۰۲۲) روی ۵,۶۷۹ مورد جراحی شکم بالغین در پایگاه داده MOVER EPIC انجام شد.
• شاخص‌های گسترده عوارض ثبت‌شده در پرونده الکترونیک (EHR) در ۱۶۶ مورد (۲.۹۲%) و شاخص‌های شدید در ۹۵ مورد (۱.۶۷%) مشاهده شد؛ مرگ در ۲۳ مورد (۰.۴۰%).
• در تحلیل اصلی (n=۵,۳۴۹)، درجه بدنی ASAِ بالا (ASA IV و بالاتر) با افزایش قابل‌توجه احتمال رخدادهای ترکیبی گسترده مرتبط بود (OR تعدیل‌شده ≈ ۴.۶۶؛ CI ۹۵%: ۲.۹۲–۷.۴۵).
• تحلیل‌ها نشان می‌دهد داده‌های معمول EHR می‌توانند نشانگرهای مفیدی برای بررسی عوارض فراهم کنند اما لزوماً معادل معیارهای استاندارد بالینی نیستند.
• نتایج کاربرد پژوهشی و نظارتی دارند؛ برای تصمیم‌گیری بالینی مستقیم به داده‌ها و بررسی‌های مکمل نیاز است.

مقدمه

با گسترش ثبت الکترونیک اطلاعات پزشکی، دیتاست‌های پیرامون دورهٔ جراحی (perioperative) به منبعی ارزشمند برای مطالعهٔ عوارض پس از عمل تبدیل شده‌اند. این امکان وجود دارد که با استفاده از شاخص‌ها و رخدادهای ثبت‌شده در پرونده الکترونیک (EHR) الگوهای خطر را شناسایی کنیم، کیفیت مراقبت را سنجیده و اهداف پژوهشی بزرگ‌مقیاس را پیش ببریم. اما یک پرسش کلیدی این است که آیا شاخص‌های ثبت‌شده در EHR، مانند گزارش‌های رخداد یا کدهای خاص، دقیقاً نشان‌دهندهٔ همان عوارض تعریف‌شده در مطالعات بالینی یا معیارهای استاندارد بین‌المللی هستند یا نه.

مطالعه‌ای که اینجا بررسی می‌کنیم، داده‌های MOVER EPIC را برای جراحی‌های شکمی بزرگسالان از سال‌های ۲۰۱۷ تا ۲۰۲۲ تحلیل کرده است. هدف اصلی مشخص کردن فراوانی ترکیبی از شاخص‌های عوارض ثبت‌شده در همان پذیرش و بررسی ارتباط این شاخص‌ها با متغیرهای در دسترس پیش و حین عمل بود.

روش‌شناسی مطالعه (خلاصه‌ای قابل فهم)

نوع مطالعه و جمعیت مورد بررسی

این مطالعه یک کوهورت گذشته‌نگر بود که با جستجوی نام‌های پروسیجر و حذف موارد تکراری در سطح مورد (case-level deduplication) موارد جراحی شکمی بزرگسالان را شناسایی کرد. داده‌ها از پایگاه MOVER EPIC استخراج شدند و بازه زمانی ۲۰۱۷ تا ۲۰۲۲ را در بر می‌گرفتند.

تعاریف خروجی‌ها

خروجی اولیه یک ترکیب گسترده از «شاخص‌های عوارض پس از عمل» بود که در پرونده الکترونیک همان نشست (indexed perioperative encounter) ثبت شده بودند. خروجی ثانویه، ترکیبی محدودتر و شامل شاخص‌های «شدید» بود. این شاخص‌ها بر اساس رخدادها/مداخلات یا نشانه‌های ثبت‌شده در EHR تعریف شده‌اند؛ اما لزوماً معادل دقیقِ معیارهای عارضه‌سنجی استاندارد‌شده نیستند.

تحلیل آماری

تحلیل اصلی با استفاده از رگرسیون لجستیک چندمتغیره در یک کوهورت کامل‌داده (complete-case) انجام شد. مدل تعدیل برای متغیرهای پیش‌فرض شامل سن، گروه جنسیتی، وضعیت فیزیکی ASA، گروه پروسیجر و مدت زمان اتاق عمل بود. علاوه بر آن، تحلیل‌های حساسیت متعددی انجام شد: حذف ASA، شکل‌دهی متفاوت به مدت زمان عمل، محدودسازی به اولین پذیرش‌ها، روش‌های جریمه‌شده (penalized regression)، استدلال خوشه‌ای روی سطح بیمار و وزن‌دهی معکوس احتمال (IPW).

نتایج اصلی

در مجموع ۵,۶۷۹ پذیرش جراحی شکمی لحاظ شد. فراوانی رخدادها به شرح زیر بود:

• ترکیب گسترده عوارض: ۱۶۶ مورد معادل حدود 2.92%
• ترکیب محدود و شدید: ۹۵ مورد معادل حدود 1.67%
• مرگ در همان نشست: ۲۳ مورد معادل حدود 0.40%

در کوهورت کامل‌دادهٔ اصلی (n = ۵,۳۴۹؛ با ۱۴۷ رخداد در ترکیب گسترده)، وضعیت فیزیکی بالا در طبقه‌بندی ASA (ASA IV و بالاتر) با افزایش معنادار احتمال وقوع ترکیب گسترده نسبت به ASA III همراه بود. نسبت شانس تعدیل‌شده برای ASA IV+ در برابر ASA III تقریباً 4.66 بود (بازه اطمینان ۹۵%: ۲.۹۲–۷.۴۵).

به‌طور کلی، نتایج نشان می‌دهند که برخی متغیرهای رایج در سند پره‌عملیاتی به‌ویژه ASA و شاید مدت زمان عمل با شاخص‌های ثبت‌شدهٔ عوارض مرتبط‌اند؛ اما قدرت برآورد و تداوم این ارتباط‌ها بسته به روش تحلیل‌ها و محدودیت داده‌ها متفاوت است.

تفسیر یافته‌ها

یافتهٔ اصلی این مطالعه این است که شاخص‌های ثبت‌شده در پرونده الکترونیک می‌توانند عوارض پس از جراحی را به شکلی کمّی نشان دهند و با متغیرهای پیش‌بینی‌کنندهٔ در دسترس مرتبط باشند. به‌ویژه، وضعیت ASA که در بسیاری مراکز به‌عنوان نماگر بار بیماری و تحمل عمل استفاده می‌شود، در این مجموعه داده‌ با افزایش خطر ثبت‌شدن رخدادهای ترکیبی قوی مرتبط بود.

با این حال، مهم است که تفاوت میان شاخص‌های ثبت‌شده و تعاریف استاندارد عارضه‌سنجی حفظ شود. یک رخداد ثبت‌شده در EHR ممکن است از نظر شدت یا تشخیص دقیق با رخدادی که در مطالعه بالینی با معیارهای تعریف‌شده تأیید شده است تفاوت داشته باشد؛ بنابراین نباید مستقیماً نتیجه‌گیری درمانی یا کیفیتی کرد بدون بررسی بیشتر.

محدودیت‌ها و نکاتی که باید با احتیاط خواند

• نوع مطالعه: مطالعه گذشته‌نگر و مبتنی بر داده‌های ثبت‌شده است؛ بنابراین در مواجهه با خطاهای ثبت، فقدان داده یا سوگیری‌های انتخابی حساس است.
• تعریف خروجی‌ها: خروجی‌ها بر اساس شاخص‌های موجود در EHR تعیین شده‌اند که ممکن است با معیارهای ژرف‌تر و استانداردشدهٔ عوارض همخوانی کامل نداشته باشد.
• جمعیت مطالعه: داده‌ها از یک پایگاه مشخص (MOVER EPIC) استخراج شده‌اند؛ تعمیم نتیجه‌ها به جمعیت‌های دیگر یا نظام‌های ثبت الکترونیک دیگر با احتیاط انجام شود.
• متغیرهای تنظیم‌شده: اگرچه مدل‌ها برای چندین عامل تعدیل شدند، بروز پنهان‌شده یا متغیرهای مختل‌کنندهٔ دیگر ممکن است وجود داشته باشند که روی رابطه‌ها تأثیرگذارند.
• اندازهٔ رخدادها: درصد رخدادها کم است؛ در خروجی‌های نادر، نوسان برآوردها بیشتر و عدم قطعیت بالاتر است.
• ناهمگونی ثبت: روش‌ها و دقت ثبت رخدادها در سیستم‌های مختلف بالینی ممکن است متفاوت باشد؛ برخی رخدادها ممکن است در پرونده ثبت نشده یا به‌صورت غیرقابل‌استخراج ثبت شده باشند.

کاربرد بالینی و پژوهشی

این مطالعه نشان می‌دهد که:

• شاخص‌های EHR می‌توانند به‌عنوان ابزارهای شناسایی رویدادها در مطالعات بزرگ مقیاس یا در پایش کیفیت استفاده شوند؛ اما همواره نیاز به اعتبارسنجی نسبت به معیارهای بالینی استاندارد وجود دارد.
• وضعیت ASA که معمولاً پیش از عمل ثبت می‌شود، در پیش‌بینی وقوع شاخص‌های ثبت‌شدهٔ عوارض نقش قابل توجهی دارد و می‌تواند در مدل‌های خطر احتمالی مفید باشد.
• پژوهشگران و مدیران کیفیت باید از ترکیب روش‌های آماری و تحلیل حساسیت برای کاهش سوگیری‌های احتمالی استفاده کنند.

طیف نتایج و حساسیت تحلیل‌ها

نویسندگان، تحلیل‌های حساسیت متعددی انجام دادند تا پایداری ارتباط‌ها را بررسی کنند از جمله:

• حذف ASA از مدل (برای بررسی اینکه آیا سایر متغیرها مستقلانه مؤثرند یا نه)
• تغییر مشخصهٔ مدت زمان عمل (مثلاً به صورت دسته‌ای یا لگاریتمی)
• محدودسازی به اولین پذیرش هر بیمار
• استفاده از روش‌های رگرسیون جریمه‌شده برای مقابله با کمبود رخدادها
• استفاده از وزن‌دهی معکوس احتمال (IPW) برای کنترل سوگیری انتخابی

این تحلیل‌های حساسیت به تقویت اعتماد به نتایج کمک کردند اما همچنان برخی عدم قطعیت‌ها وجود داشتند که در بخش محدودیت‌ها اشاره شد.

مقایسه با ادبیات موجود

مطالعات پیشین نیز نشان داده‌اند که داده‌های EHR می‌توانند برای شناسایی عوارض پس از جراحی مفید باشند اما اعتبار و حساسیت نسبت به معیارهای مرجع متغیر است. افزون بر این، نقش ASA و مدت زمان عمل به‌عنوان عوامل مرتبط با عوارض پس از عمل در بسیاری از مقالات قبلی گزارش شده است؛ یافته‌های این مطالعه در راستای آن مشاهدات قرار می‌گیرند اما تأکید می‌کنند که اندازهٔ اثر براساس منبع داده و تعریف رخداد می‌تواند تغییر کند.

این یافته برای بیمار چه معنایی دارد؟

برای فردی که قرار است جراحی شکمی انجام دهد، چند پیام کاربردی وجود دارد:

• شاخص‌های ثبت‌شده در پرونده‌های الکترونیک می‌توانند اطلاعاتی درباره الگوهای کلی عوارض ارائه دهند، اما نباید به‌عنوان جایگزین ارزیابی بالینی فردی و گفت‌وگو با تیم درمانی دیده شوند.
• وضعیت فیزیکی کلی بیمار (مانند آنچه در طبقه‌بندی ASA بازتاب می‌یابد) می‌تواند با احتمال ثبت برخی عوارض مرتبط باشد؛ این یعنی گفت‌وگو درباره وضعیت کلی سلامتی پیش از عمل و بهینه‌سازی آن اهمیت دارد.
• این نتایج به بیمار اطلاعات اضافی برای پرسیدن سوالات هدفمند از جراح و تیم بیهوشی می‌دهد؛ مثلاً پرسش درباره ریسک‌های خاص مرتبط با وضعیت سلامتی و برنامهٔ پیشگیرانه برای کاهش عوارض.

با این حال، این مطالعه به‌تنهایی مبنای تصمیم‌گیری‌های درمانی فردی نیست و باید همراه با اطلاعات بالینی و مشورت با پزشک مورد استفاده قرار گیرد.

چه زمانی باید با پزشک مشورت کرد؟

• اگر قبل از جراحی وضعیت سلامتی‌تان پیچیده است (مثلاً بیماری‌های قلبی، نارسایی ریوی، بیماری کلیوی یا کنترل‌نشدهٔ دیابت) — مشورت مفصل با جراح و بیهوشی توصیه می‌شود.
• اگر سابقهٔ عوارض پس از جراحی قبلی یا واکنش‌های شدید به بیهوشی دارید — این موضوع باید قبل از عمل مطرح شود.
• در صورت بروز نشانه‌های هشداردهنده پس از عمل مانند تب بالا، درد غیرقابل‌کنترل، خونریزی واضح، تنگی نفس یا کاهش سطح هوشیاری — فوراً با تیم درمانی یا اورژانس تماس بگیرید.
• اگر درباره روش‌های پیشگیری از عفونت محل جراحی، مدیریت دارویی یا برنامهٔ پیگیری بعد از عمل سوال دارید — با پزشک یا پرستار مسئول پرونده صحبت کنید.

پرسش‌های رایج

آیا شاخص‌های ثبت‌شده در EHR معادل عوارض واقعی بالینی هستند؟

خیر لزوماً. شاخص‌های EHR می‌توانند نشان‌دهندهٔ رخدادهایی باشند که به‌طور عملی ثبت شده‌اند اما ممکن است با معیارهای استاندارد بالینی یا تشخیص‌های تخصصی اختلاف داشته باشند. اعتبارسنجی ضروری است.

آیا داشتن ASA بالا به‌معنای حتمی‌تر بودن عارضه بعد از عمل است؟

ASA بالاتر با افزایش احتمال رخدادهای ثبت‌شده مرتبط بوده است، اما این یک ارتباط آماری است و به‌معنای قطعی بودن عارضه برای همهٔ بیماران با ASA بالا نیست. عوامل دیگر نیز مهم‌اند و امکان کاهش خطر با آماده‌سازی مناسب وجود دارد.

آیا این نتایج باید رفتار بیمارستان‌ها را تغییر دهد؟

نتایج می‌توانند به بیمارستان‌ها در طراحی سیستم‌های پایش و تحقیق کمک کنند، اما پیش از تغییر سیاست‌ها لازم است اعتبارسنجی بیشتر و ارزیابی در بسترهای متفاوت انجام شود.

آیا می‌توان از این داده‌ها برای پیش‌بینی عوارض در سطح فردی استفاده کرد؟

داده‌های EHR به‌تنهایی ممکن است برای پیش‌بینی دقیق در سطح فردی کافی نباشند. ترکیب آن‌ها با ارزیابی بالینی دقیق، مقیاس‌های پیش‌بینی‌شده و احتمالأ آزمایش‌های تکمیلی بهتر است.

آیا مرگ‌ومیر ۰.۴% زیاد است؟

نرخ مرگ ۰.۴۰% باید در زمینه نوع پروسیجرها، ویژگی‌های جمعیت و معیارهای ثبت رخداد تفسیر شود. برخی جراحی‌های پیچیده‌تر مراتب بالاتر خطر را دارند؛ مقایسه با میانگین‌های مرجع و داده‌های محلی مفیدتر است.

نظر تحریریه پزشک سایت

این مطالعه نمونه‌ای از قدرت و محدودیت استفاده از داده‌های EHR در پژوهش‌های جراحی است. نکتهٔ پراهمیت آن است که داده‌های ثبت‌شده در پرونده الکترونیک می‌توانند سیگنال‌های ارزشمندی برای شناسایی رخدادها و ساخت مدل‌های خطر فراهم کنند؛ اما اعتماد صرف به این شاخص‌ها بدون اعتبارسنجی و بررسی دقیق، می‌تواند منجر به برداشت‌های ناصحیح شود. به‌نظر می‌رسد ترکیب اطلاعات بالینی استاندارد با تحلیل‌های داده‌محور بهترین مسیر برای بهبود پایش و پیش‌بینی عوارض پس از جراحی باشد. تیم‌های بالینی و پژوهشی باید همواره شفافیت در تعریف خروجی‌ها و محدودیت‌ها را رعایت کنند تا تصمیم‌گیری‌ها مبتنی بر شواهد قوی‌تر و ایمن‌تر باشد.

نکات عملی برای بیماران و کادر درمانی

• برای بیماران: پیش از عمل، در مورد وضعیت ASA خود و معنای آن برای ریسک عوارض از پزشک سوال کنید و در صورت امکان وضعیت‌های قابل‌بهبود مانند کنترل قند یا کاهش وزن را پیگیری کنید.
• برای کادر درمانی: در استفاده از شاخص‌های EHR برای پایش کیفیت و پژوهش، حتماً اعتبارسنجی محلی و تحلیل حساسیت انجام دهید و نتایج را با احتیاط به کاربردهای بالینی وصل کنید.

جمع‌بندی کاربردی

مطالعه بازنگر روی داده‌های MOVER EPIC نشان می‌دهد که شاخص‌های ثبت‌شده در پروندهٔ الکترونیک برای جراحی‌های شکمی بالغین در بازهٔ مورد مطالعه با فراوانی نسبتاً کم (کمتر از ۳% برای ترکیب گسترده) رخ داده‌اند و وضعیت ASA نقش برجسته‌ای در افزایش احتمال ثبت این رخدادها داشته است (OR تعدیل‌شده ≈ ۴.۶۶ برای ASA IV+ در مقابل ASA III). این نتایج برای پژوهشگران و مدیران کیفیت مفید است اما برای مداخلهٔ مستقیم بالینی باید همراه با اعتبارسنجی و توجه به محدودیت‌های ثبت داده‌ها بکار گرفته شود. بیماران باید پیش از عمل با تیم درمانی دربارهٔ ریسک‌های فردی و برنامه‌های پیشگیری مشورت کنند.

منبع

Routinely available perioperative variables and EHR-captured postoperative adverse-event indicators after adult abdominal surgery: A retrospective cohort study using MOVER EPIC. PLOS One. 2026. DOI: https://doi.org/10.1371/journal.pone.0350704

مطالب این مقاله فقط برای افزایش آگاهی عمومی است و جایگزین تشخیص یا درمان پزشکی نیست. برای اطلاعات بیشتر، صفحه سیاست پزشکی و سلب مسئولیت پزشک سایت را بخوانید.