中华急诊医学杂志  2019, Vol. 28 Issue (7): 915-918   DOI: 10.3760/cma.j.issn.1671-0282.2019.07.026
具有反馈能力的灾难医学救援培训课程研究
李雪菁1 , 陈瑛1 , 韩朝阳1 , 潘曙明2 , 汤璐佳2     
1 上海杉达学院信息科学与技术学院 201209;
2 上海交通大学医学院附属新华医院 200092

世界范围内各类灾难频发,直接威胁着人类的生存和发展,这其中有天灾(地震、泥石流等自然灾难),也有人祸(核泄漏、恐怖袭击及各类疫病等)。灾难发生具有随机性、突发性的特点。据国际灾难数据库不完全统计,1900年至今,我国发生各种重大自然灾害1 000余起,受灾人口超过25亿,经济损失超过3 400万亿美元[1]。尤其在近十年里,自然灾害和人为灾难发生的强度和频率日益增加,造成了巨大的经济损失,严重破坏环境。据不完全统计仅2017年上半年,全球就有73个国家发生了149起灾难,灾难的发生频率在不断增加[2]。灾难一旦发生,势必会有人员伤亡,需要立刻组织应急响应人员尤其是医务人员进行应急救援,这就要求医院要有应对紧急状况的能力储备,相关医务人员需要进行灾难救援培训及提高团队全方位的应对能力。如何有效应对大规模灾难,这引起了各国研究学者们的重视。教育与培训是灾难应急准备与计划中必不可少的一部分,教育与培训的质量至关重要,学员的参与意愿也决定了教育与培训的效果[3-4]。当前国际上对灾难医学的研究和实践日渐深入,对医学生灾难医学教育和救援能力培养进行了很多实践探索[5-7]。近期发生的自然灾害与大规模人员伤亡事件的应急响应程序表明灾难应急响应人员尤其是医务人员日常灾难应急响应能力训练十分重要[8-10]。灾难发生后的数小时以及数天内造成的死伤人数将达到高峰,因此医务人员的快速反应尤其是对危重伤患的合理处置对于灾难应急响应的结果影响重大[11-13]。在日本,某些科研基金管理部门设立了灾难医学研究专项。英国、法国等国家均成立了灾难医学组织。美国具有较完善的应急救援体系,同时非常重视灾难医学救援培训。国家统筹指挥,在各州、市、县建设培训基地,借助循环培训的模式,逐年对参与应急医学救援的医护工作者施行两级强化训练,提高应急响应人员的应急救援能力。研究表明有效的灾难应急响应培训可以快速提高人员的应急响应处置能力与信心[14-16]。1999年,美国国家灾难生命支持课程(National Disaster Life Support, NDLS)立项,该课程主要包括:灾难救援基本程序、基本技术、伤员检伤分类、灾区传染病的预防和处理、灾难心理救援等。2015年由上海交通大学医学院附属新华医院参与将NDLS培训课程引入我国。培训课程进展如何,在培训的哪个阶段增加新的案例等等,针对以上问题,本研究建立了具有闭环反馈能力的灾难医学救援培训课程体系。

1 基本理论

突发灾难具有不可预估的特点,因此是需要全社会参与且实践性极强的系统工程。灾难医学涉及的学科非常广,主要包括护理学、预防医学、临床医学、心理学等众多学科,救援内容主要包括伤员搜救、分类、转运及救治、灾区防疫等。

美国国家灾难生命支持课程(NDLS)将灾难应急准备计划命名为PRE-DISASTER ParadigmTM[17],包括灾前与灾难发生时的应急响应,分为计划与实践、弹性恢复、教育与培训、发现、事件管理、安全与保卫、危险评估、支持、分诊和治疗、疏散、恢复几个步骤,英文首字母连起来即为“PRE-DISASTER Paradigm”, 绝大部分步骤需要院前急救的参与。从某种意义上讲,灾难时的院前急救有别于传统的院前急救,最大的区别就在于组织与管理,由于灾难事故具有突发性、群体性、复杂性、破坏性,因此灾难救援的管理也具有不确定性、应急性和预防性三大特征。

灰色预测是通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。灰色预测是用等时距观测到的反应预测对象特征的一系列数值构建灰色预测模型,预测未来某一时刻的特征量,或达到某一特征量的时间[18-21]

2 灾难医疗培训课程体系 2.1 具有反馈优化能力课程体系构建

我国灾难医学救援的核心力量主要依靠各级医院,因此基层医疗机构人员的灾难救援能力的培训是非常关键的,因此本文所研究的培训课程是针对医疗行业的工作人员,比如医生、护士等。所构建的课程培训体系见图 1

图 1 具有反馈优化能力的灾难医疗培训课程体系

本系统是利用灰色预测分析方法构建的闭环反馈体系。例如,在课前及课后测试题目中均会有关于造成受伤民众呼吸系统疾病的题目,通过分析对比学员问卷答案,利用灰色预测分析中长期培训学员成绩,从而评估培训效果。如果效果不理想即找出原因,便于有效的动态优化培训课程,保证及时增加或修改符合我国国情的实例。

2.2 问卷设计

为了能够更好地对后续信息进行提取及挖掘,问卷分为课前问卷及课后问卷。在设计问卷时,特别注意将培训内容知识点分类,便于学员课前及课后同一知识点的考核对比分析。

课前问卷包括两部分:(1)培训学员的信息,包括性别、年龄、教育程度、职业、救灾经历、对灾难救援培训的态度等;(2)灾难医学知识单项选择题,涉及到灾难医学的大部分内容,概括为公共卫生(包括准备、部署、统筹等)、各类型的灾难、洗消与个人防护、法律法规等。

课后问卷包括两部分:(1)针对培训内容的医学类知识;(2)对培训导师的教学方法的意见,比如授课方法、组织安排满意度等。

为了保证后续信息提取的可靠性及有效性, 学员被要求独立完成,且课前题作答系统在培训开始前关闭。

2.3 培训课程

培训课程的设立要针对目前我国灾难救援存在的问题,虽然我国在灾难救援方面已经取得了一定的成绩,但是目前仍存在一些问题。一是在救援能力方面对新兴技术、新兴事物造成的灾难救援能力匮乏,比如在生化核辐射、危险物品等方面的紧急救援经验明显不足。二是国内灾难预防与控制的规划、策略、手段和前期的预防控制工作与发达国家还存在很大差距。NDLS课程培训对象为工作在第一线的医护人员,具有一定的理论知识并且具有一定的实际操作能力。因此NDLS培训课程分为理论部分及实践两部分。在实践部分,采用的是综合模拟形式,即将培训的要点融入综合演练中。

课程考核的内容设置同时参考了参照2005年世界减灾大会上通过的《2005年兵库行动框架》内容;根据我国《国家突发公共事件总体应急预案(2006)》、《国务院关于全面加强应急管理工作的意见(2006)》以及肖振忠主编的《突发灾害应急医学救援》[22]教材及国内外有关灾难医疗救援应对能力评价相关理论研究和文献实践报道,初步确定评价指标内容。

3 现阶段培训效果分析

目前NDLS课程共进行了9次培训,参训人数为196人。本研究所分析的数据来源为培训学员的课前、课后测试的平均成绩见图 2。对目前采集信息进行分析处理,结果如图 3表 2所示。通过分析结果可知,目前培训学员主要来自上海,北京,可见灾难医学培训的推广力度要增强。目前培训学员年龄集中在30~40岁的男性医护人员,他们是我国灾难救援的主力。而且参与培训学员的学历基本在硕士及以上,大多数学员的学历为临床医学,这些医护人员对于灾难医学的救援知识的学习及掌握具有一定的优势。如图 2所示,培训后学员的测试成绩明显提高,培训效果较好。表明目前的课程体系收到了良好的效果,所采用的教学实例符合当前我国灾难医疗急救教学需求。

图 2 学员的课前及课后成绩对比

图 3 培训学员分布城市

表 2 学员分布情况(例)
性别 学历 专业背景 < 30岁 3~40岁 > 40岁
大专 护理 - - 1
临床医学 1 2 4
其他 1 3 5
本科 公共卫生 - - 1
护理 - 2 -
检验 - 1 -
临床医学 2 9 13
其他 1 6 3
硕士 公共卫生 1 1 -
护理 - 3 1
临床医学 3 12 11
博士 公共卫生 - 1 -
临床医学 - 10 5
大专 护理 3 - -
检验 - - 1
临床医学 - 1 -
其他 1 - 2
本科 公共卫生 - 2 -
护理 4 18 9
教育学 1 - 1
理工 - 1 1
临床医学 - 5 3
其他 - 6 2
硕士 公共卫生 1 - -
护理 2 5 -
教育学 - 1 -
临床医学 5 6 1
博士 护理 - - 1
临床医学 - 3 2
4 基于灰度模型的培训课程效果预测及分析 4.1 灰度预测模型建立

培训效果的精确预测对及时调整培训模式及引入新的教学实例均有积极意义。本研究采用定量预测,运用对参加培训学员的历史课后测试情况的数据统计分析,对今后测试情况的发展水平做出数量的说明。

对于培训课程情况的监测和预测是本研究的关键。而由于NDLS首次正式引入国内,没有积累大量的历史数据并不适合回归分析,所以本次研究中利用灰度预测数学模型GM(1, 1), 将培训情况表达成基本规律,对课程及实例的安排是否符合国情进行预测。基于灰度模型建立具有反馈优化能力的课程体系(图 1),解决了数据量少,序列的完整性及可靠性低的问题。并对NDLS学员中短期的预测提供了较高的精确性。模型能够根据每次培训的数据对结果进行迭代,并及时准确地了解到学员整体的成绩趋势,方便决策者对课程进行反馈和优化,使其更具推广价值。

4.2 培训效果中长期预测

对学员培训成绩数列构建灰度预测模型,本研究利用MATLAB对模型进行分析,预测未来第10及11次学员的培训成绩,并将分析结果进行可视化,如图 4~5所示,第1期至第9期,学员平均分数与灰度模型的预测值接近,这也验证了模型对学员培训成绩运动较高的拟合程度。灰色预测模型在培训分数历史数据基础上预测了第10及11期学员课前测试平均分66及67分;第10及11期培训学员课后测试平均分83及83.5分。

图 4 课前测试历史分数与灰色模型预测分数图

图 5 课后测试历史分数与灰色模型预测分数图
4.3 结果分析

经分析可知,课前测试方差比C检验为0.9433,小误差概率P检验为0.5000;课后测试方差比C检验为0.7222,小误差概率P检验为0.7000。所建立的灰色预测模型发展系数为0.04,模型适宜用于中长期预测。

通过对建立的灰色预测模型性能进行的检测结果,综合考虑发展系数范围检测、残差检验、后验差检验及关联度检验的结果,认为模型的预测精度较好。同时也验证了利用灰度预测模型对所构建的课程体系进行反馈及优化的可行性及准确性。对模型的性能分析可知,拟合值分布均匀,所建立的灰色预测模型精度较高。

学员分数的灰色模型预测值能够反映其历史培训效果的整体运行趋势及特征,是及时调整教学案例及方法的依据,反馈结果形成了灾难医疗培训课程体系的闭环反馈结构。

5 讨论

目前我国的灾难应急救援领域的研究引起领域内研究学者的重视,并取得了一定的成果。杜文[23]从“人-机-环境”因素入手,论述了巨灾型突发事件的应急救援需求。李文涛[24]采用抽样调查方法,对城市社区的灾难医疗的紧迫性做出了定性判断。张静[25]从护理角度出发,构建护士参与灾难救援工作时所需的基本能力模型。青义春[26]从城市医院应急救援机制角度进行了研究。潘鑫等[27]提出“三分业务,七分管理”的灾难医学发展与应对理念。董文龙[28]针对天津市市民情况,对灾难评估报告进行研究,为实施科学救援提供决策依据。在2008年至今的十余年间,我国的灾难救援体系在综合性、国际化、立体化、系统化等方面显著提升,但与发达国家仍有显著差距。目前我国灾难发生后,很多紧急赶赴灾难现场的救援人员自身缺乏灾难医学的专业培训,甚至不了解灾难医学救援的特点,缺乏灾难医学救援的特殊技能,灾难现场的搜救与灾难医学救援缺乏无缝对接,使得灾难医学救援的效率和效果不尽人意。虽然大多数卫生行业人员接受过医学教育,但是曾经接受过系统灾难医学培训的则很少。灾难应急响应与日常医疗不同,如缺乏灾难医学、检伤分类、团队协作、安全保卫等相关内容的培训,将无法有效进行应急响应[12]。2015年由上海新华医院参与引进NDLS培训课程,在应急协调等方面具有一定的优势,但原版课程毕竟是基于美国国情,如何更好地发挥该培训课程的优势,需要增加符合我国国情的案例。针对以上问题,本研究以NDLS灾难医学培训为研究对象,构建了具有闭环反馈结构的课程体系。反馈环是基于灰度预测理论,对学员培训成绩趋势进行中长期预测,以达到不断更新教学案例,调整教学方法最终达到理想的培训效果。通过对教学效果的分析及中长期预测可知,目前所构建的培训课程体系符合我国当前国情,培训效果良好。研究结果也可以作为国内同类培训的教学体系构建参考。该体系可以根据培训学员成绩的灰色预测,及时评估NDLS培训课程,学员的课前成绩波动较小,可以假设培训前学员队灾难医学知识认知处于同一水平,培训后课后成绩的波动取决于培训效果而非学员个体差异。根据学员课后问卷反馈结果动态调节课程教案并增加案例,动态调整课程后学员的成绩与预测成绩进行对比,判断课程调整是否有效,通过该体系的不断迭代以保证培训课程体系适应中国国情的动态发展。

参考文献
[1] 曹广文. 灾难医学[M]. 上海: 第二军医大学出版社, 2011.
[2] Wallemacq P. Disaster data: a balanced perspective[M]. Crunch: Centre for research on the Epidemiology of Disasters(CRED), 2017: 48.
[3] Coico R, Kachur E, Lima V, et al. Guidelines for preclerkship bioterrorism curricula[J]. Acad Med, 2004, 79(4): 366-375. DOI:10.1097/00001888-200404000-00019
[4] Parrish AR, Oliver S, Jenkins D, et al. A short medical school course on responding to bioterrorism and other disasters[J]. Acad Med, 2005, 80(9): 820-823. DOI:10.1097/00001888-200509000-00007
[5] Melnikov S, Itzhaki M, Kagan I. Israeli nurses' intention to report for work in an emergency or disaster[J]. J Nurs Scholarsh, 2014, 46(2): 134-142. DOI:10.1111/jnu.12056
[6] Sonneborn O, Miller C, Head L, et al. Disaster education and preparedness in the acute care setting: A cross sectional survey of operating theatre nurse' s disaster knowledge and education[J]. Nurse Educ Today, 2018, 65: 23-29. DOI:10.1016/j.nedt.2018.02.015
[7] Scott LA, Carson DS, Greenwell IB. Disaster 101: a novel approach to disaster medicine training for health professionals[J]. J Emerg Med, 2010, 39(2): 220-226. DOI:10.1016/j.jemermed.2009.08.064
[8] Dennis AJ, Brandt MM, Steinberg J, et al. Are general surgeons behind the curve when it comes to disaster preparedness training? A survey of general surgery and emergency medicine trainees in the United States by the Eastern Association for the Surgery for Trauma Committee on Disaster Preparedness[J]. J Trauma Acute Care Surg, 2012, 73(3): 612-617. DOI:10.1097/ta.0b013e318265c9d9
[9] Gates JD, Arabian S, Biddinger P, et al. The initial response to the boston marathon bombing[J]. Ann Surg, 2014, 260(6): 960-966. DOI:10.1097/sla.0000000000000914
[10] Schenk E, Wijetunge G, Mann NC, et al. Epidemiology of mass casualty incidents in the United States[J]. Prehosp Emerg Care, 2014, 18(3): 408-416. DOI:10.3109/10903127.2014.882999
[11] Djalali A, Hosseinijenab V, Hasani A, et al. A fundamental, national, medical disaster management plan: an education-based model[J]. Prehosp Disaster Med, 2009, 24(6): 565-569. DOI:10.1017/s1049023x00007524
[12] Sorani M, Tourani S, Khankeh HR, et al. Prehospital emergency medical services challenges in disaster; a qualitative study.[J]. Emerg (Tehran), 2018, 6(1): e26.
[13] MacKenzie EJ, Rivara FP, Jurkovich GJ, et al. A national evaluation of the effect of trauma-center care on mortality[J]. N Engl J Med, 2006, 354(4): 366-378. DOI:10.1056/nejmsa052049
[14] Shultz JM, Marcelin LH, Madanes SB, et al. The "trauma signature:" understanding the psychological consequences of the 2010 Haiti earthquake[J]. Prehosp Disaster Med, 2011, 26(5): 353-366. DOI:10.1017/s1049023x11006716
[15] Ingrassia PL, Ragazzoni L, Tengattini M, et al. Nationwide program of education for undergraduates in the field of disaster medicine: development of a core curriculum centered on blended learning and simulation tools[J]. Prehosp Disaster Med, 2014, 29(5): 508-515. DOI:10.1017/s1049023x14000831
[16] Wiesner L, Kappler S, Shuster A, et al. Disaster training in 24 hours: evaluation of a novel medical student curriculum in disaster medicine[J]. J Emerg Med, 2018, 54(3): 348-353. DOI:10.1016/j.jemermed.2017.12.008
[17] Basic Disaster Life Support course manual 301: 5[M].National Diaster Life Support Foundation, 2012.
[18] 李梦婉. 基于GM(1, 1)灰色预测模型的改进与应用[J]. 计算机工程与应用, 2016, 52(4): 24-30. DOI:10.3778/j.issn.1002-8331.1506-0257
[19] 王璐, 沙秀艳, 薛颖. 改进的GM(1, 1)灰色预测模型及其应用[J]. 统计与决策, 2016(10): 74-77. DOI:10.13546/j.cnki.tjyjc.2016.10.020
[20] 杨正亚, 崔杰, 赵磊, 等. 一种拓展的灰色预测模型及其特性研究[J]. 统计与决策, 2016(8): 14-16. DOI:10.13546/j.cnki.tjyjc.2016.08.004
[21] 黄克. 灰色预测模型算法的改进研究[J]. 系统科学与数学, 2015, 35(11): 1347-1357.
[22] 肖振忠. 突发灾害应急医学救援[M]. 上海: 上海科学技术出版社, 2007.
[23] 杜文.巨灾型突发事件应急救援体系研究[D].焦作: 河南理工大学, 2012.
[24] 李文涛.城市社区灾难医疗救援应对机制的研究[D].长春: 吉林大学, 2013. http://cdmd.cnki.com.cn/Article/CDMD-10183-1013193734.htm
[25] 张静.基于胜任力的灾难护理课程开发的理论研究[D].上海: 第二军医大学, 2011.
[26] 青义春.突发公共事件医院应急救援机制研究[D].重庆: 第三军医大学, 2012.
[27] 潘鑫, 花长松, 黄晓云, 等.灾难医学管理人才培养的探讨[C].2015第十一届全国中西医结合灾害医学大会学术论文集, 2015: 64-66.
[28] 董文龙. 天津市应急救援决策情景推演系统的研发[J]. 中国急救复苏与灾害医学杂志, 2015, 10(5): 420-423. DOI:10.3969/j.issn.1673-6966.2015.05.005