연구원들은 의료 오류를 줄이는 간단하고 효과적인 방법을 찾습니다.

우리는 목숨을 걸고 의사를 신뢰하지만 슬프고 무서운 사실은 의사가 종종 일을 잘못할 수 있다는 것입니다. 매년 약 100,000명의 미국인이 의료 오류로 사망하며 최근 연구에 따르면 환자의 진단 및 치료에 관한 모든 임상 결정의 10~15%가 잘못된 것으로 나타났습니다.

펜실베니아 대학의 Annenberg School for Communication의 Network Dynamics Group 교수이자 이사인 Damon Cintola가 이끄는 연구팀은 환자 진단 및 치료의 오류를 줄이는 간단하고 효과적인 방법을 발견했습니다. 구조화된 네트워크를 사용하여 의사와 다른 의사를 연결합니다.

저널에 오늘 발표된 연구에서 국립 과학 아카데미 회보 (PNAS), 연구자들은 미국 전역의 약 3,000명의 의사가 참여한 다년간의 연구 결과를 공유했습니다.

그들은 사례 연구를 제시하고 환자에 대한 진단 및 치료 권장 사항을 작성하도록 요청했을 때 익명으로 동료에게 진단 결정을 제시한 의사가 스스로 결정을 내린 의사보다 권장 사항에서 평균적으로 더 정확하다는 것을 발견했습니다.

간단히 말해서 임상의는 지원 네트워크가 있을 때 실수를 덜 합니다.

이러한 정보 공유 네트워크의 가장 큰 위험은 일부 의사가 개선될 수 있지만 더 나은 의사가 더 나쁜 결정을 내리도록 유도하는 매개 효과가 있을 수 있다는 것입니다. 그러나 이것은 일어나는 일이 아닙니다. 평범함으로 회귀하는 대신 지속적인 개선이 있습니다. 최악의 의사는 더 좋아지고 최고는 더 나빠지지 않습니다. “

Damon Cintola, Elihu Katz 커뮤니케이션, 사회학 및 공학 교수

연구 공동 저자인 UC 샌프란시스코와 샌프란시스코 종합병원 및 트라우마 센터의 Elaine Khong은 “우리는 임상적 의사결정이 많은 임상의와 환자가 참여하는 팀의 노력으로 보아야 한다는 것을 점차 깨닫고 있습니다. 이 연구는 결정 시점에서 상담할 수 있는 다른 임상의가 임상 치료를 개선한다는 점을 강조합니다.”라고 말했습니다.

임상 집단의 지혜 그 이상

몇 달 동안 연구원들은 임상 치료 및 진단 결정을 테스트하기 위해 특별히 이 목적을 위해 Apple의 App Store에 구축하고 배포한 앱을 사용했습니다.

시험에 등록하고 앱을 다운로드한 후 임상의는 임상 사례를 평가하라는 요청을 받았습니다. 문서화된 실제 환자 사례를 기반으로 -; 3라운드에 걸쳐. 각 라운드가 시작될 때 의사들은 사례 연구를 읽은 다음 2분 동안 두 가지 질문에 답했습니다.

첫 번째 질문은 의사가 환자의 진단 위험(예: 환자가 향후 30일 이내에 심장마비로 인해 흉통을 겪을 가능성이 얼마나 됩니까?)을 1에서 100까지의 척도로 평가하도록 했습니다. 두 번째 질문은 의사가 여러 옵션 중에서 적절한 치료를 권장하도록 유도했습니다(예: 집으로 보내기, 아스피린 투여 또는 모니터링을 위한 의뢰).

각 의사는 무작위로 두 그룹 중 하나에 할당되었습니다. 구성원이 모든 질문에 개별적으로 답변하는 통제 그룹 또는 참가자가 응답을 볼 수 있는 다른 익명의 의사와 소셜 네트워크로 연결된 실험 그룹입니다.

두 번째와 세 번째 라운드 동안 통제 그룹의 참가자들은 첫 번째 라운드와 동일한 경험을 했으며 질문에 개별적으로 답변했습니다. 그러나 네트워크 상태의 참가자는 이전 라운드 동안 소셜 네트워크에서 동료가 부여한 평균 위험 등급을 볼 수 있습니다.

각 참가자는 소셜 네트워크에 있는지 여부에 관계없이 라운드마다 답변을 검토할 기회가 주어졌습니다.

Centola의 팀은 동일한 실험 설계를 사용하여 진단 또는 치료 오류 비율이 높은 것으로 알려진 의학 분야의 7가지 임상 사례를 연구했습니다.

연구자들은 의사 결정의 전반적인 정확성이 대조군보다 두 배나 증가했음을 발견했습니다. 더욱이, 처음에 성과가 가장 좋지 않은 의사들 사이에서 네트워크는 결국 올바른 권고를 한 의사의 비율에서 통제에 비해 15% 증가했습니다.

Centola는 “의사 네트워크를 사용하여 성과를 개선할 수 있습니다.”라고 말합니다. “의사들은 서로 이야기하고 우리는 이것을 오랫동안 알고 있었습니다. 여기서 진정한 발견은 의사들 간의 정보 공유 네트워크를 구성하여 그들의 임상 지능을 극적으로 높일 수 있다는 것입니다.”

경기장 평준화

의학 분야의 개인 상담 네트워크는 일반적으로 고위 의사가 맨 위에 있고 젊은 의사가 맨 아래에 있는 계층 구조입니다. “문화적으로나 개인적으로 다른 관점을 가진 젊은 의사들이 의료계에 들어오고 위에서 아래로 이러한 네트워크의 영향을 받습니다.”라고 Cintola는 말합니다. “이것이 의료계에 지속적인 편견이 스며드는 방식입니다.”

연구자들은 시험을 위해 다양한 연령, 전문 분야, 경험 및 지리적 위치를 가진 임상의를 모집하기 위해 노력했습니다.

그들은 익명의 평등 네트워크가 의료 네트워크에서 학습의 많은 측면을 제한하는 지위와 선임의 장벽을 제거한다는 것을 발견했습니다. Centola는 “온라인 평등 네트워크는 임상 결정에 영향을 미치는 목소리의 다양성을 증가시킵니다. 그 결과 광범위한 분야에서 의사 결정이 전반적으로 개선된다는 사실을 발견했습니다.”라고 말합니다.

의사 사무실에서

Centola는 “이러한 결과를 구현하기 위해 바퀴를 재발명할 필요가 없습니다.”라고 말합니다. “특히 자원이 부족한 지역에 있는 일부 병원에서는 의사가 조언을 위해 외부 전문가에게 메시지를 보내는 전자 상담 기술에 의존합니다. 응답을 받는 데 보통 24~72시간이 걸립니다. 질문을 한 사람이 아닌 전문가 네트워크에 보내는 것은 어떻습니까?”

Centola는 각 테스트 실행에 20분도 채 걸리지 않았다고 말합니다. 또한 그는 네트워크가 거대할 필요가 없다고 말합니다. 사실 40명의 멤버가 완벽하다.

Cintola는 “네트워크에 있는 40명의 사람들은 의사의 집단 지성에 엄청난 도약을 제공합니다.”라고 말합니다. “게다가 40에서 4,000으로 증가하는 수익은 무시할 수 있습니다.”

연구원들은 현재 의사 사무실에서 네트워크 기술을 구현하기 위해 노력하고 있습니다. University of Pennsylvania Hospital은 이미 올해 안에 시작할 예정인 이 프로그램의 파일럿 구현에 자금을 지원했습니다.