大数据和人工智能(artificial intelligence，AI)技术在医疗领域的应用实践是医院信息化建设的重要内容。2018年10月，某三级甲等医院启用临床智能应用平台，该平台以AI助理为智能应用载体，支持智能应用的角色扩展、功能扩展和内涵扩展，为临床智能化建设奠定基础。截至2022年7月，临床智能应用平台借助AI助理已嵌入医院门诊、急诊和住院业务系统，实现了辅助诊断、辅助治疗、风险预警、AI病历质控、科研入组和传染病管理等智能应用，丰富了骨科和耳鼻喉等专科的智能应用内涵，满足了医院信息化建设集成化和一体化要求，为临床提供了便捷有效的智能辅助工具。

随着急诊医疗系统的快速发展，急诊就诊人次大幅度增加，就诊时间延长，疾病诊断日益复杂，给急诊工作带来诸多挑战 [1]。急诊留观室主要是对急诊患者进行短时间观察与诊疗的场所，需要密切观察与处置患者复杂的病情变化，护士将特殊治疗与护理信息记录在传统手工白板上，以便提醒医生、责任护士及时完成治疗与护理。由于患者流动性大，医嘱时常更新，易造成患者的护理延误或者重复 [2]。随着科学技术的发展，"互联网+"这一模式使互联网与传统行业进行融合，促进了传统行业不断地向前发展 [3,4,5]。国家卫生健康委在最新发布的《全面提升医疗质量行动计划（2023-2025年）》中提出，要不断优化质量安全工作机制 [6]。为提高医护人员的工作效率、降低留观患者的治疗和护理错项和漏项的风险 [7,8]，本院急诊科与信息中心合作，通过"互联网+"将留观患者信息白板嵌入急诊信息系统，实现了信息自动提取与更新。医生护士利用电脑、移动护理车、IPAD即可进行查看，有效传递患者的治疗护理信息 [9]、提高了治疗与护理内容的准确性，医生护士满意度明显提升，现报道如下。

辛伐他汀主要用于降血脂和心脏保护，同时具有抗炎和免疫调节作用。但辛伐他汀对新型冠状病毒（新冠病毒）感染危重症患者的疗效尚不清楚。近期由多国学者共同进行了一项随机、嵌入式、多因素适应性平台试验（REMAP-CAP），旨在明确辛伐他汀治疗对基线时未接受他汀类药物的新冠病毒感染危重症患者的病死率及器官支持的影响。该研究将新冠病毒感染的危重症患者随机分为辛伐他汀组（基线时未接受他汀类药物，给予辛伐他汀80 mg/d治疗）与对照组（不使用他汀类药物）。主要结局为呼吸和心血管器官无支持天数，结合院内死亡和幸存者至第21天无器官支持天数的顺序量表进行评估；使用贝叶斯分层序数模型分析。自适应设计包括预先指定的统计停止标准，以确定优越性〔优势比（ OR）>1的后验概率>99%〕和无效性（ OR<1.2的后验概率>95%）。结果显示，该研究于2020年10月28日开始，随着新冠病毒感染病例的减少，于2023年1月8日结束。最终纳入了2 684例重症患者。辛伐他汀组无器官支持天数为11（-1，17）d，对照组为7（-1，16）d；与对照组比较，辛伐他汀的后验中位校正 OR＝1.15，95%可信区间（95% CI）为0.98~1.34，产生95.9%的后验优势概率。90 d时，生存风险比（ HR）＝1.12，95% CI为0.95~1.32，辛伐他汀疗效优越的后验概率为91.9%。二次分析结果与初步分析结果一致。辛伐他汀组与对照组相比，出现更多的严重不良事件报告如肝酶和肌酸激酶水平升高。研究人员据此得出结论：尽管因病例减少而停止试验，但在新冠病毒感染的危重病患者中，辛伐他汀未达到优于对照组的预定标准。

目的:筛选连续性肾脏替代治疗（CRRT）非计划下机的独立影响因素并构建相应的风险预测模型，验证该模型的临床应用效果。方法:回顾性纳入2021年1月至2022年8月于浙江医院重症监护病房（ICU）接受CRRT治疗的成人危重症患者用于模型构建，根据是否发生非计划下机分为两组，比较两组患者CRRT非计划下机的潜在影响因素，通过二元Logistic回归筛选CRRT非计划下机的独立影响因素并构建风险预测模型，分别进行Hosmer-Lemeshow检验及绘制受试者工作特征曲线（ROC曲线）以评估该模型的拟合优度及预测效能。将风险预测模型嵌入医院ICU多功能重症电子病历系统，前瞻性选择2022年11月至2023年10月于浙江医院ICU接受CRRT治疗的成人危重症患者，验证该模型的临床应用效果。结果:①模型构建及内部验证：回顾性选择331例患者，其中计划下机组238例，非计划下机组93例。与计划下机组相比，非计划下机组患者男性比例更低（80.6%比91.6%），合并慢性疾病的比例更高（60.2%比41.6%），血液净化导管功能不佳者比例更高（31.2%比6.3%），CRRT启动前血小板计数（PLT）更高〔×10 9/L：137（101，187）比109（74，160）〕，血流速更低〔mL/min：120（120，150）比150（140，180）〕，应用前置换者比例更高（37.6%比23.5%），滤过分数更高〔23.0%（17.5%，32.9%）比19.1%（15.7%，22.6%）〕，血泵停止次数更多〔次：19（14，21）比9（6，13）〕，差异均有统计学意义（均 P<0.05）。二元Logistic回归分析结果显示，合并慢性疾病〔优势比（ OR）＝3.063，95%可信区间（95% CI）为1.200～7.819〕、血液净化导管功能（ OR＝4.429，95% CI为1.270～15.451）、血流速（ OR＝0.928，95% CI为0.900～0.957）和血泵停止次数（ OR＝1.339，95% CI为1.231～1.457）是CRRT非计划下机的独立影响因素（均 P<0.05），并以该4个独立影响因素构建风险预测模型。ROC曲线分析显示，该模型预测的曲线下面积（AUC）为0.952（95% CI为0.930～0.973， P＝0.003?0），敏感度为88.2%，特异度为89.9%，约登指数最大值为1.781。②外部验证：前瞻性纳入110例患者，其中计划下机组63例，非计划下机组47例。ROC曲线分析显示，风险预测模型的AUC为0.919（95% CI为0.870～0.969， P＝0.004?3），敏感度为91.5%，特异度为79.4%，约登指数最大值为1.709。 结论:CRRT非计划下机风险预测模型具有较高的预测效能，可快速并实时对CRRT非计划下机的高风险患者进行识别，为预防性护理提供指导。

通过文献查阅，对照护关系中的过度保护行为进行概念分析，以明确其在护理领域的特定概念。应用Walker和Avant概念分析法进行分析，明确过度保护的定义属性、前因、后果及实证性测量工具，并补充可嵌入的中域理论模型。在护理领域，有关过度保护的文献主要关注两类照护行为，即父母对子女及照顾者对患者的照护。其定义属性包括：感知到脆弱性；潜在的风险规避意识；不必要的庇护或过分限制；被动依赖的性格养成。概念分析有助于护理人员明确过度保护的概念特征，以便引导照护者采取支持性行为提供照护活动，促进照护双方的身心健康。

人工智能算法凭借其独特技术优势和运行逻辑，在医疗领域发挥着重要作用。但是，由于人工智能算法的"黑箱"特性及其安全缺陷，智能医疗算法应用中存在医务人员主体地位、诊疗知情同意权、健康公平性和健康信息安全性的异化风险，同时，在风险规制过程中面临法律主体责任难认定、因果关系链条不完整、法律法规场景化规制滞后和健康信息保护难度大等困境。为防范医疗智能算法权力异化，促进智能医疗良性发展，笔者建议应坚持医疗算法底层逻辑中工具属性的嵌入，增强医疗算法的可解释性，完善相关法律法规并强化智能医疗算法风险监管机制。

我国医疗卫生领域发展逐渐进入智能化阶段,人工智能嵌入医学教育在带来机遇与创新的同时,也伴随着产生了相应的伦理风险.人工智能嵌入医学教育的伦理风险生成逻辑主要是由于技术应用对教育伦理的僭越、技术理性与情感诉求失衡以及对效率主义与功利主义推崇.存在的伦理风险主要为消解师生教育主体地位、忽视教育主体情感需求以及偏离个性化育人核心本质.应对人工智能嵌入医学教育的伦理风险应当回归医学教育主体本位,脱离"技术拜物教",准确把握情感诉求,破解"思维规训化",创设"以技促学"智能教育模式,打破"算法固定式".

目的:构建基于临床护理路径的肠造口患者护理信息系统,并分析其应用效果,为临床提升造口患者生活质量提供参考.方法:采用文献分析、小组会议法构建肠造口患者临床护理路径,将其嵌入护理信息系统,并于2023 年2月在我院普通外科应用.对比系统应用前后肠造口患者入院评估、风险评估、健康教育、疼痛评估、出院评估的完成率及造口自我护理能力,同时调查护士对临床护理路径信息系统的满意度.结果:应用系统后,干预组肠造口患者的入院评估率(100.0%)、风险评估率(94.5%)、健康教育率(100.0%)、疼痛评估率(96.4%)、出院评估率(100.0%)均较系统应用前提高,差异有统计学意义(P<0.05);患者的造口自我护理能力各条目中除使用必要的辅助产品外均有提高,差异有统计学意义(P<0.05),护士的满意度大于 90.0%.结论:应用肠造口患者临床护理路径护理信息系统能够有效提高护理措施的落实率,提升肠造口患者的自我护理能力,增进护士对工作的满意度,进而改善患者生活质量.

以卫生筹资规模扩大和公共筹资责任强化为核心的卫生筹资转型被视为实现全民健康覆盖的必要条件.对比全球趋势,中国的卫生筹资转型呈现鲜明特征.通过融合多学科理论,本文提出一套多层次、综合性的分析框架,包括以纵向"嵌入性"与横向"互补性"为基础的系统结构功能,以"维护和促进健康价值及其衍生价值"与"防范和化解健康风险及其关联风险"为导向的双向权衡机制,以卫生健康伦理原则与政府实际治理模式为核心的预算决策机制,以现代医学的三重属性为主线的长期发展路径.据此探讨了中国卫生筹资转型的总体逻辑和深层原因.

目的:了解中国卫生筹资转型的主要特征及历史沿革.方法:数据来源于全球卫生支出数据库(Global Health Expenditure Database,GHED)、《中国卫生健康统计年鉴》、《全国卫生健康财务年报》、《中国卫生总费用研究报告》等.采用描述性统计和文献研究法进行分析.结果:21世纪以来,全球多数国家出现了卫生筹资转型现象,表现为卫生筹资规模扩大和公共筹资责任强化.中国的卫生筹资转型特征十分鲜明:一是卫生筹资规模扩大的速度更快,2000-2019年人均卫生总费用按可比价格水平增长了 816.6％,明显快于全球其他国家的平均增长速度(102.1％);二是公共筹资责任强化的力度更大,2000-2019年个人现金卫生支出占卫生总费用的比例下降了30.6个百分点,降幅明显大于全球其他国家的平均水平(5.6个百分点);三是公共筹资中政府卫生支出的流向发生了重要转变,"补需方"占比逐渐提高,并于2011年超过"补供方",同时,在"补供方"内部"补医院"占比持续增加,明显高于"补基层"和"补公卫".据此可将中国卫生筹资转型扩展为规模维度、结构维度和流向维度三个维度.运用分析框架,将中国卫生筹资转型大致分为计划经济时期、经济转型时期、"后非典"时期和"新医改"以来4个阶段,并对每个阶段的主要特点和演变逻辑进行了分析.结论:应从系统结构功能层面提高卫生筹资体系的纵向"嵌入性"和横向"互补性";更加突出卫生筹资转型对维护隐性价值和防范公共风险的作用,完善价值与风险的双向权衡机制;统筹兼顾卫生筹资转型所涉及的卫生健康伦理原则,优化政府实际治理模式下的预算决策机制;高度重视现代医学发展的全局性和深层次影响,探索中国卫生筹资转型的长期战略和路径选择.