摘要
背景
急性冠脉综合征(ACS)的早期管理至关重要。临床指南在高复杂性医院中得到更一致的实施；然而，在农村和基层医疗环境中，多重障碍限制了及时的诊断和治疗。本研究旨在开发并评估一款移动应用程序的可用性，该程序旨在协助基层医疗医生进行ACS的诊断方法和初期管理。
方法
开发了一款名为AsistIAM的移动健康工具，包含五个模块：心电图模式识别、再灌注策略、风险评估、实时地理定位和教育内容。在模拟和真实环境中，通过1-7分制评估其可用性。在后者中，对来自四个农村基层医疗中心和一家转诊医院的医生进行了前后对比研究。在实施前阶段，参与者完成了一项调查，确定ACS诊疗的障碍。使用应用程序后，他们填写了相同的调查，以分析变化情况。
结果
总共18名参与者在模拟条件下评估了该应用程序，59名在真实环境中进行了评估。平均可用性评分较高（模拟环境中为6.52分，真实环境中为6.18分）。评分最高的项目是学习的易用性、界面满意度和功能可用性。应用程序实施后，医生报告在心电图获取和解读（81.4%-100%）、ST段抬高模式识别（25.6%-39.2%）、转诊中心识别（88.1%-98.0%）以及溶栓药物的正确使用（错误率从44.1%降至17.6%）方面有所改善。
结论
AsistIAM代表了一种创新工具，用于加强区域网络、改善ACS管理和支持及时的临床决策。可用性结果突显了其直观的界面、功能性和实用价值。
1 引言
急性冠脉综合征（ACS）包括急性心肌梗死（AMI）和不稳定型心绞痛等疾病，是缺血性心脏病最严重的临床表现。快速识别和早期治疗是决定患者预后的关键因素[1]。心电图（ECG）仍然是首要的诊断测试，应在首次医疗接触后10分钟内完成并解读[2]。然而，在低收入和中等收入国家的农村地区和基层医疗环境中，医疗资源有限、经验不足的医疗人员以及地理限制等重大障碍导致患者向专业中心的及时转诊受阻。因此，通常难以实现指南推荐的时间线，特别是对ST段抬高型心肌梗死（STEMI）。
为应对农村地区和基层医疗环境中的这些挑战，国际指南建议建立区域再灌注网络，定义为初级保健中心、转诊医院和急救服务的协调系统，旨在优化再灌注策略[3]。移动健康（mHealth）技术可以通过提供实时决策支持、提高诊断准确性、减少延误以及为医疗提供者提供教育来增强这些网络[4-6]。
在哥伦比亚，缺血性心脏病是死亡的主要原因，系统延迟是STEMI患者死亡率的已知预测因素[7-10]。由于广阔的农村地区和医疗资源分布不均，需要创新策略来弥合护理差距。在此背景下，我们开发了AsistIAM，一款移动应用程序，旨在通过提供基于算法的ECG解读指导、再灌注策略选择、经皮冠状动脉介入治疗（PCI）中心的地理定位、风险分层和教育资源，支持基层医疗环境中的医疗专业人员。本研究报告了AsistIAM在模拟和真实环境下的可用性评估，重点关注其在农村和基层医疗网络中的潜在作用。
2 材料和方法
2.1 应用程序开发
AsistIAM采用西班牙语开发，遵循快速应用开发（RAD）模型[11]。四个阶段指导了该过程：（1）需求：分析ACS临床指南和用户需求；（2）界面设计：与临床医生进行迭代可用性测试；（3）构建：整合经过验证的医疗算法；和（4）部署：在模拟和真实环境中进行试点实施，以评估应用程序在潜在用户中的性能、可用性和可接受性。技术细节和各阶段的详细解释见补充材料（补充信息S1：图1）。
该应用程序包含一个直观的界面，包含五个关键模块：（1）心电图模式识别；（2）再灌注策略；（3）不良临床结果风险评估；（4）地理定位；和（5）教育材料（图1）。AsistIAM中整合的所有算法和建议均基于ACS管理的临床实践指南：
- 心电图模式识别。该模块能够根据ST段抬高是否存在快速分类心电图结果，并提供相应的个性化临床建议。它包括：心电图模式解读、ST段抬高模式受影响的血管区域识别、确定是否需要立即再灌注、肌钙蛋白水平解读、排除和纳入算法，以及非ST段抬高模式的心肌损伤和2型心肌梗死概念。
- 再灌注策略。AsistIAM建议两种主要的再灌注选择，取决于到PCI中心的估计转移时间：如果转移时间<120分钟，应用程序链接到地理定位模块，显示最近的PCI中心。如果转移时间≥120分钟，建议将溶栓作为初始再灌注策略，并提供溶栓治疗禁忌症和潜在并发症的指导。
- 风险评估。该模块支持对ACS患者进行个体化风险分层，帮助使用三种工具建立预后：入院时心脏骤停、Killip-Kimball分级[12]和GRACE评分[13]。
- 地理定位。此功能识别最近的PCI中心，并与Google Maps集成以计算最快路线，包括距离和估计旅行时间。此功能对于在时间敏感的ACS病例中促进快速决策至关重要。
- 教育材料。该应用程序提供全面的教育资源，以增强用户的临床知识和技术技能。这些包括：临床实践指南、为该应用程序开发的关键参考材料、教育视频、信息图表、参考文献，以及链接到ECO Academy的继续医学教育按钮，ECO Academy是一个基于网络的平台，提供科学资源以优化AMI管理[14]。
2.2 模拟条件下的可用性
为评估可用性，开发了三个疑似ACS的临床案例，每个案例都需要不同的诊断和治疗决策。参与者包括最后一年的医学生和全科医生，代表应用程序的主要目标用户。此外，三名专科医生（一名内科和两名心脏病学）提供了专家意见，以确保与ACS管理协议的一致性。资格标准要求能够访问移动设备和互联网连接。在了解研究目标并提供知情同意后，参与者下载了应用程序的试用版。每位参与者首先阅读分配的临床案例，然后使用该应用程序约20分钟，探索其不同模块，以评估在真实场景中，该应用程序是否能在类似案例中协助诊断和ACS的初期管理。随后，使用移动应用程序可用性问卷（MAUQ）评估可用性，各项在7点李克特量表上评分（1=非常不同意，7=非常同意）[15,16]。通过在线问卷匿名收集回应。模拟测试不仅旨在评估可用性，还指导应用程序的改进。调查工具在支持材料中提供。
2.3 真实环境下的可用性测试
在哥伦比亚安提奥基亚地区（一个大区域）的医院进行了前后对比研究。参与者是来自安提奥基亚首府麦德林的一家高复杂性PCI能力转诊中心和四个提供急诊服务的农村基层医疗中心的医生。仅限能够访问移动设备和互联网连接的医生参与。这些中心的特征见补充信息S1：表1。在实施前阶段，参与者完成了一份关于ACS诊断、治疗和障碍的基础调查。在实施阶段，指导医生在研究期间遇到任何疑似ACS患者时使用该应用程序，允许适应和灵活性以适应每个站点的工作流程。随后，该应用程序在基层医疗中心使用1个月，在转诊中心使用2周（由于患者数量较多）。在每家医院，研究团队的一名成员负责每周提醒，鼓励使用该应用程序，并解决有关其操作的任何问题或困难。最后，在实施后阶段，参与者重复了基础调查并完成了MAUQ，各项在7点李克特量表上评分（1=非常不同意，7=非常同意）[15,16]。
2.4 变量和数据收集
收集的变量包括性别、年龄、职业、使用移动设备的年限、使用应用程序的年限以及在医疗中心的就业时间。对于ACS诊断和治疗，以及相关障碍的识别，研究评估了：心电图获取和解读所需时间、区分ST段抬高与非ST段抬高模式的能力、冠状动脉再灌注治疗的及时性、附近转诊中心的识别、转诊障碍（行政、地理、经济）、以及溶栓剂、抗血小板药物、他汀类药物和抗凝剂的使用。在线问卷包含验证机制，包括预定义值、重复输入限制和字段停用机制，以确保数据完整性。一个开放式部分允许参与者提供关于他们体验的定性反馈。所有变量都是自我报告的，未与机构记录进行验证。
2.5 统计分析
定性变量使用绝对频率进行汇总，而用于评估的连续定量变量则使用Shapiro-Francia检验评估正态性。由于这些变量不服从正态分布，因此使用中位数和四分位距（IQR）进行报告。MAUQ评分报告为均值和标准差。所有统计分析均使用Stata V.18进行。
2.6 伦理考虑
本研究遵循国际伦理标准，包括《纽伦堡法典》、《赫尔辛基宣言》、《贝尔蒙报告》、世界卫生组织的良好临床实践指南以及CIOMS 2009年《流行病学研究指南》。研究方案获得了宗座玻利瓦尔大学伦理委员会（批准号09, 2022）和Clínica Las Américas Auna（批准号220, 2024）的伦理批准。从所有参与者处获得了知情同意。
3 结果
3.1 模拟条件下的可用性
18名参与者（包括12名医学生、3名全科医生、1名内科专科医生和2名心脏病学亚专科医生）使用MAUQ评估了AsistIAM的试用版。性别分布均衡，中位年龄为24岁（IQR: 24-34）。参与者报告平均使用移动设备14.5年（IQR: 10-19）和使用移动应用程序10年（IQR: 10-14）（表1）。
平均整体可用性评分为6.52（SD: 0.34）。亚专科医生和专科医生的评分最低（平均6.30；SD: 0.76），而医学生（平均6.52；SD: 0.40）和全科医生（平均6.79；SD: 0.11）的评分最高。在评估的21个可用性方面中，评分最高的项目是社交环境中使用AsistIAM的舒适度和未来使用的可能性，两者均得分为6.94（SD: 0.24）。相比之下，评分最低的方面是错误恢复的易用性和速度（5.94；SD: 1.35）以及所需功能的可用性（5.89；SD: 1.28）（表2）。
基于反馈，开发了AsistIAM的修订版本，并随后在真实环境中进行测试。此版本包括：强化临床决策的提醒、扩展的视听教育材料、精炼的诊断算法以涵盖所有ACS表现（包括非ST段抬高型心肌梗死（NSTEMI）和不稳定型心绞痛）、整合高敏肌钙蛋白检测算法，包括心肌梗死的排除和纳入路径，以及心肌损伤和2型MI概念，连同风险分层工具。
3.2 真实环境中的可用性
共有59名医生参与了五家医院的研究，其中39名（66.1%）为男性，中位年龄为29岁（IQR: 26-34）。大多数为全科医生（n=58），仅有一名急诊医学专科医生（表1）。
对于可用性评估，包括了46名医生，因为11名医生在Android设备上下载应用程序时遇到问题，两名医生在研究期间离职。平均可用性评分为6.18（SD: 0.36）。评分最高的方面是：学习使用应用程序的易用性（平均6.46，SD: 0.69）、界面满意度（平均6.43，SD: 0.66）和核心功能的可用性（平均6.43，SD: 0.65）。相比之下，评分最低的方面是：使用AsistIAM与患者沟通的舒适度（平均5.74，SD: 1.40）和患者互动机会增加的感知（平均5.70，SD: 1.41）（表2）。
AsistIAM实施后，在自我报告的患者护理前10分钟内心电图获取和解读方面有明显改善（之前：81.4%，之后：100%）。其他改善包括：ST段抬高模式识别（"总是"类别：之前25.6% vs. 之后39.2%）、附近PCI转诊中心的识别（之前88.1% vs. 之后98.0%）、肌钙蛋白水平解读错误的减少（之前47.5% vs. 之后37.2%）以及关于溶栓药物使用和剂量知识缺乏的减少（之前44.1% vs. 之后17.6%）（表3）。
4 讨论
心血管疾病（CVD）仍然是全球死亡的主要原因，约占全球死亡总数的三分之一，缺血性心脏病是过早死亡的主要贡献者[17]。75%以上的CVD相关死亡发生在低收入和中等收入国家，这些国家获取及时诊断和ACS再灌注治疗的机会有限[18,19]。尽管全球CVD死亡率正在下降，但在资源受限地区，这一下降速度较慢，突显了需要针对具体情况的策略来改善ACS管理[17]。特别是对于STEMI，建议建立区域再灌注网络以减少延误并优化结果[20-24]。然而，在像哥伦比亚这样具有异质性卫生系统的国家，实施此类网络面临重大的后勤、地理和基础设施挑战。在此背景下，移动健康（mHealth）工具成为可能有价值的干预措施，可以在基层医疗水平上标准化护理流程并支持临床决策。
本研究报告了AsistIAM的开发和可用性评估，这是一款mHealth应用程序，旨在支持哥伦比亚一个地区的农村和基层医疗环境中的医生。该应用程序整合了基于算法的ECG解读决策支持，以及建议最合适的再灌注策略的地理定位功能，考虑PCI可用性和转移时间。此外，它还包含具有最新临床实践指南、视频和信息图表的教育模块，以加强持续医学教育。ECG解读是ACS诊断的关键步骤，但先前的研究报告了急诊医生和心脏病学家在解读ECG方面的显著差异[25-27]。这些差异在初级医生中更为明显，培训中的医生与专家解读的一致性较低[28]。通过解决ACS管理中的两个关键挑战：诊断不确定性与延迟决策，AsistIAM为一线医生提供了实用和教育价值。
AsistIAM的可用性评估产生了令人鼓舞的结果。医生报告了较高的整体可用性评分，在模拟条件下平均为6.52，在真实环境中为6.18，由MAUQ测量。评分最高的方面包括学习的易用性、直观的界面和继续使用的可能性。重要的是，培训中的医生强调了在使用该应用程序后识别ST段抬高模式的能力有所提高，强化了其潜在的教育价值。相比之下，评分最低的功能与错误恢复和通过应用程序与患者沟通有关，这些限制与该应用程序设计为专业人员的决策支持工具而非患者互动平台一致。根据早期反馈，该应用程序进行了改进，包括增强的视听教育内容、覆盖NSTEMI和不稳定型心绞痛的更新算法、高敏肌钙蛋白路径的整合以及风险分层工具。这些迭代改进表明AsistIAM可以发展成为诊断和初期管理ACS全谱的综合辅助工具。
先前的研究报告了针对ACS的移动应用程序，主要集中在改善AMI治疗工作流程上。例如，2016年，Studencan等人（斯洛伐克）引入了一款应用程序，允许院前人员向PCI中心的值班心脏病学家传输心电图并直接沟通，减少了缺血时间并防止了对非AMI病例的不必要转移[29]。在美国，Dickson等人开发了STOP STEMI，使医生和值班团队能够在拥有导管室的医院共享临床数据和心电图，将门-球时间减少了22%[30]。据我们所知，目前在哥伦比亚或拉丁美洲尚未开发出类似AsistIAM的应用程序，突显了这一举措的新颖性和潜在的区域影响。
本研究的结果还表明，AsistIAM可以作为创建区域ACS护理网络的催化剂。通过在第一接触点提供实时指导，特别是在没有PCI能力的农村和基层医疗中心，该应用程序可以减少早期治疗中的变异性并简化转诊流程。地理定位功能支持及时的再灌注决策，符合区域化STEMI护理的国际指南建议。如果扩大规模，AsistIAM可以帮助构建一个更协调的系统，初级保健医生和转诊中心更高效地合作以改善结果。
建立此类网络仍面临重大障碍。这些包括高级诊断工具的有限可用性、救护车和转移物流的差异、PCI中心的不均衡分布，以及诸如支离破碎的医疗保险计划等系统性问题。虽然AsistIAM可以直接解决与医生知识、ECG解读和初期决策相关的障碍，但它无法解决诸如运输延迟、机构间协调或资源不足等结构性限制。因此，尽管本可用性评估的结果可能适用于类似的农村和资源有限的环境，但在其他卫生系统中成功实施可能需要适应当地的基础设施、转诊路径和治理结构。最终，区域ACS网络的扩展不仅取决于AsistIAM等数字创新，还取决于针对每个医疗环境特定情况的更广泛投资。
本研究有一些局限性。样本量相对较小，这可能限制了结果的普遍性。尽管如此，小规模的可用性测试是完善应用程序设计和功能的广泛接受方法，确保在全面实施前解决关键问题。另一方面，测量的变量是自我报告的，频率使用、教育模块完成或EKG获取等指标并未建立或由站点自行测量。然而，在每家医院，研究团队的一名成员进行了持续跟进，提醒医生使用该应用程序并解决任何问题，以最大限度地使用并确保结果可归因于应用程序本身，而不仅仅是意识到参与研究。除了可用性外，还需要进一步研究来评估关键实施结果，包括采用、持续使用、保真度，并纳入客观的站点级数据，以确保长期整合到多样化的医疗环境中。
5 结论
AsistIAM展示了mHealth技术改善ACS诊断和管理的潜力。通过结合ECG解读、基于算法的决策支持、实时地理定位和教育模块，该应用程序支持快速决策，特别是在资源有限的环境中。可用性测试证实了其用户友好的设计和功能，突显了其作为临床支持和教育工具的价值。此外，AsistIAM提供了一种新方法，可能加强区域STEMI网络的开发和整合。
致谢
感谢Hernán Franco的界面设计，以及Manuel Gómez、Kevin Andrés Palomino、Samir Colpas和Andres Echeverri的编程贡献。本研究得到了宗座玻利瓦尔大学的支持[资助编号780C-10/22-55, 2022]。赞助方在研究设计、数据收集、分析或解释、报告起草或决定提交文章发表方面均未发挥作用。
伦理声明
本研究遵循国际伦理标准，包括《纽伦堡法典》、《赫尔辛基宣言》、《贝尔蒙报告》、世界卫生组织的良好临床实践指南以及CIOMS 2009年《流行病学研究指南》。研究方案获得了宗座玻利瓦尔大学健康研究伦理委员会（批准号09, 2022）和Clínica Las Américas Auna研究伦理委员会（批准号220, 2024）的伦理批准。
同意书
在参与者参与研究前，获得了知情同意。
利益冲突
作者声明无利益冲突。
数据可用性声明
数据可应作者要求提供。
【全文结束】
