公众号 / 文章重症综合管理与镇静镇痛

重症监护数据科学实施的框架与测量方法

A Framework and Method for Measuring the Implementation of Data Science in Critical Care.
PubMed 文献 · Crit Care Explor · 2026-02-17
一句话结论SCCM Discovery数据科学运动提出基于实施科学的逻辑模型框架,用于测量数据科学概念、技能和工具在重症监护中的采纳、实施与维持。

该文针对数据科学概念、技能和工具在重症监护研究与实践中面临的多重复杂障碍,开发了基于实施科学的框架与方法——SCCM Discovery数据科学运动的实施研究逻辑模型(IRLM)。该模型明确了四类构念:影响实施的关键决定因素(障碍与促进因素)、SCCM Discovery数据科学运动部署的实施策略、这些策略影响结局的理论作用机制,以及受实施策略影响的上游和下游实施结局。作者认为该模型可促进对驱动重症监护数据科学实施的理论基础扎实、可实证评估的因素进行更严谨的测量。

要点

  • SCCM Discovery数据科学运动开发了实施研究逻辑模型(IRLM),用于测量数据科学概念、技能和工具在重症监护中的采纳、实施与维持。
  • IRLM明确四类构念:关键决定因素(障碍与促进因素)、实施策略、理论作用机制、上游和下游实施结局。
  • 作者认为该模型可促进对驱动重症监护数据科学实施的理论基础扎实、可实证评估的因素进行更严谨的测量。

研究设计与关键结果

  • 研究类型为框架与方法开发,开发了基于实施科学的SCCM Discovery数据科学运动实施研究逻辑模型(IRLM),用于测量数据科学概念、技能和工具在重症监护中的采纳、实施与维持。
  • IRLM明确四类构念:关键决定因素(障碍与促进因素)、实施策略、理论作用机制、上游和下游实施结局。
  • 作者认为该模型可促进对驱动重症监护数据科学实施的理论基础扎实、可实证评估的因素进行更严谨的测量。

证据类型、等级与局限

  • 证据类型:框架与方法开发(作者描述为基于实施科学的模型开发)。
  • 局限:原文未报告局限性。

对床旁实践的改变

  • 原文未据此给出推荐。

提炼说明

  • 本条依据论文摘要整理;摘要未涉及「适用人群与场景」「诊断标准与关键阈值」「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目;全文请点「阅读原文」。
英文原文(摘要)· 点击展开

BACKGROUND: The implementation of data science concepts, skills, and tools in critical care research and practice faces multiple, complex barriers.

METHODS: We developed an implementation science-based framework and method for measuring the adoption, implementation, and sustainment of data science concepts, skills, and tools in critical care-the Society of Critical Care Medicine (SCCM) Discovery Data Science Campaign (DSC) Implementation Research Logic Model (IRLM). Our IRLM specifies constructs for: 1) key determinants (i.e., barriers and facilitators) influencing the implementation of data science concepts, skills, and tools in critical care; 2) implementation strategies deployed by the SCCM Discovery DSC to address these determinants; 3) theorized mechanisms of action by which these strategies affect outcomes; and 4) upstream and downstream implementation outcomes influenced by implementation strategies.

RESULTS AND CONCLUSIONS: We believe that our model can facilitate more rigorous measurement of theoretically grounded, empirically assessable factors driving implementation of data science concepts, skills, and tools in critical care.

来源:Crit Care Explor,查看原文。版权归原作者所有。

参考来源

  1. Woznica D, Al-Hakim T, Kumar VK, et al. A Framework and Method for Measuring the Implementation of Data Science in Critical Care. Crit Care Explor. 2026. PMID: 41701949. doi:10.1097/CCE.0000000000001372

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。