质量注册、标杆分析与同质化：重症医学质量改进的核心路径

邱昱; 席修明

doi:10.3877/cma.j.issn.2096-1537.2026.01.13-002

中华重症医学电子杂志 >

2026 0 - E13

DOI: https://doi.org/10.3877/cma.j.issn.2096-1537.2026.01.13-002

学科建设

质量注册、标杆分析与同质化：重症医学质量改进的核心路径

邱昱 ¹ ,
席修明 ^,²^,^†

展开

¹100050　北京，首都医科大学附属北京友谊医院ICU
²100038　北京，首都医科大学附属复兴医院ICU

通信作者：

席修明，Email：xxm2937@sina.com

网络出版日期: 2026-01-13

版权

未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计，除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。本刊为电子期刊，以网刊形式出版。

收起

Quality Registries, Benchmarking and Homogenization: Core Pathways to Quality Improvement in Intensive Care Medicine

Yu Qiu ¹ ,
Xiuming Xi ^,²^,^†

Expand

¹Intensive Care Unit, Beijing Friendship Hospital, Capital Medical University, Beijing 100050, China
²Intensive Care Unit, Fuxing Hospital, Capital Medical University, Beijing 100038, China

Corresponding author:

Xi Xiuming, Email: xxm2937@sina.com

Online published: 2026-01-13

Copyright

No content published by the journals of Chinese Medical Association may be reproduced or abridged without authorization. Please do not use or copy the layout and design of the journals without permission.

All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.

Fold

摘要

重症医学的质量改进依赖于质量注册、标杆分析与同质化构成的协同框架，其中质量注册通过系统化数据收集建立真实世界数据库，为质量监测提供基础；标杆分析通过跨机构绩效对比识别差距并优化临床实践；同质化则通过统一诊疗标准确保改进措施的广泛适用性，三者共同形成"数据采集-差距识别-标准落地"的闭环管理体系。这一协同路径既保持了标准化的规模效应，又支持个体化精准干预，通过将真实世界研究转化为临床实践创新，有效缩小不同医疗机构间的质量差异，最终实现以患者临床结局为导向的重症医学高质量发展，持续推动优化医疗行为和改善患者预后。

关键词： 重症医学; 质量改进; 质量注册; 标杆分析; 同质化

本文引用格式

邱昱 , 席修明 . 质量注册、标杆分析与同质化：重症医学质量改进的核心路径[J]. 中华重症医学电子杂志, 2026 : E01 -E13 . DOI: 10.3877/cma.j.issn.2096-1537.2026.01.13-002

Abstract

Quality improvement in intensive care medicine relies on a synergistic framework composed of quality registries, benchmarking, and homogenization. Quality registries establish real-world databases through systematic data collection, providing the foundation for continuous quality surveillance. Benchmarking compares performance across institutions to identify gaps and optimize clinical practice. Homogenization standardizes diagnostic and therapeutic protocols to ensure broad applicability of improvement measures. Together, these elements form a closed-loop management cycle of "data collection – gap identification – standard implementation." This pathway preserves the economies of scale inherent in standardization while supporting individualized, precise interventions. By translating real-world research into clinical innovation, it narrows quality disparities among healthcare facilities and ultimately advances high-quality, outcome-oriented intensive care medicine, continually optimizing clinical processes and improving patient prognosis.

Key words： intensive care medicine; quality improvement; quality registry; benchmarking; homogenization

重症医学（Intensive care medicine）是临床医学中风险最高、复杂度最大、最具挑战性的领域之一，其核心使命在于通过高效救治与精准干预，最大限度地降低死亡率、改善患者功能结局并优化医疗资源利用。然而，全球范围内，ICU患者的院内死亡率差异显著，可达9%～61%^[1,2,3]。这种差异不仅源于患者基础病情的异质性，更与医疗过程的标准化程度、资源分配的不均衡性以及临床决策的证据转化效率密切相关。欧洲重症监护医学会（European Society of Intensive Care Medicine，ESICM）2022年数据显示，高收入国家ICU患者的平均机械通气时间较中低收入国家缩短32%，但医疗相关感染率却高出18%^[4]。这种矛盾反映了重症医学质量改进的复杂性：既要解决技术层面的短板，又需突破系统性障碍。在此背景下，如何构建系统化的质量改进框架，成为全球重症医学界亟待破解的关键命题。

传统医疗质量改进方法主要依赖随机对照试验（Randomized controlled trial，RCT）和单中心回顾性研究，但这些方法在重症医学领域的应用存在显著局限性。RCT的严格纳入排除标准使其外部效度受限，难以反映真实世界中的临床实践；而单中心数据的局限性则导致证据推广性不足。例如，美国国家外科质量改进计划数据显示，仅28%的ICU能够将RCT推荐的"早期目标导向治疗（Early Goal Directed Therapy，EGDT）"完整落地，而实际临床效果与试验结果的偏差高达47%^[5]。此外，医疗数据的碎片化与孤岛现象进一步加剧了质量改进的困境，导致关键质量指标的实时监测与反馈机制难以建立。

面对上述挑战，质量注册（Quality Registry）、标杆分析（Benchmarking）与同质化（Harmonization）构成了重症医学质量改进的"铁三角"协同框架（图1）。质量注册通过系统化数据收集与标准化管理，为质量监测提供基础设施；标杆分析通过横向比较与动态优化，驱动实践改进；同质化则通过统一标准与灵活适配，确保改进措施的可推广性与可持续性。三者协同形成的"数据采集-差距识别-标准落地"闭环管理模型，正在重塑重症医学质量改进的范式。以荷兰国家重症监护信息系统（National Intensive Care Evaluation，NICE）为例，该系统通过整合质量注册数据、应用风险调整标杆分析并实施适应性同质化策略，在五年内将全国ICU的标准化死亡率（Standardized mortality rate，SMR）降低了19%，同时将医疗资源浪费减少了23%^[6,7]。瑞典重症监护注册系统的案例也表明通过公开报告关键指标（如夜间出院率）并结合风险调整标杆分析，可有效降低临床实践差异并改善患者结局^[8]。本文将系统阐述这一框架的理论基础、技术路径与实践案例，并探讨其未来发展方向。

显示原图|下载原图ZIP|生成PPT

图1 质量改进闭环体系——"铁三角"协同框架

一、患者注册与质量注册的演进

患者注册登记是一种观察性研究方法，用于收集特定人群的统一数据（包括临床和其他数据），以评估特定疾病、状况或暴露的结果。这些数据通常用于研究目的，也可以用于政策制定和医疗决策。与临床试验不同，患者注册通常不指定治疗方法或要求任何旨在改变患者预后的治疗方法，而是观察患者在实际医疗环境中的情况，其主要目的是收集真实世界的数据，这些数据可以补充临床试验的结果。患者注册的纳入和排除标准保持在最低限度，以便覆盖广泛的人群，包括不同年龄、性别、种族和合并症的患者，从而提高了研究结果的普遍性和代表性。此外，患者注册通常涉及长期随访，以评估治疗的长期效果和安全性，这对于监测慢性病和罕见病尤为重要。

世界卫生组织（World Health Organization，WHO）1974年首次提出"患者注册"的概念，即为了达到预定的目的，以系统和全面的方式收集的关于个人的统一信息的文件档案^[9]。初期患者注册主要依赖于纸质登记，其核心用途是疾病监测。随着电子健康记录的普及，患者注册逐步进入了数字化阶段，如澳大利亚的ANZICS数据库（Australian and New Zealand Intensive Care Society，ANZICS）成功整合了电子病历、实验室信息系统和影像归档与通信系统的数据，实现了跨平台的数据分析和共享^[10]，这种数据整合能力增强了研究的深度和广度，为医疗决策提供了全面的支持^[11]。进入20年代，患者注册引入了人工智能和联邦学习技术，使得数据处理和分析更加高效和智能。例如，巴西的Epimed数据库（Epimed Monitor database）利用机器学习技术分析了超过700万例ICU数据，研究发现护士与患者比例超过1:2时，可以降低18%的死亡率^[12]。患者注册的不断革新发展，不仅提高了效率和准确性，还扩展了其在医疗研究和实践中的应用范围。

患者注册用途广泛，包括描述疾病自然史、确定临床和成本有效性、评估安全性和伤害以及测量医疗质量^[11]。其中，测量医疗质量的患者注册称为质量注册。质量注册从疾病监测工具演变为质量改进的核心载体，侧重于评估和提升医疗服务的质量。其核心特征包括目的导向性（服务于科学、临床或政策目标）、数据标准化（采用统一术语和核心数据集）、动态适应性（随医疗技术进步更新数据元素）和多源整合能力（融合电子健康记录、生物标志物及患者报告结局）。这些特征使质量注册能够为医疗质量改进和政策制定提供可靠的数据支持。

重症监护领域因其高复杂性、高风险性和资源密集性，成为质量注册应用的前沿阵地。高质量的ICU质量注册需遵循七大关键原则：聚焦重要绩效指标、确保数据高质量与标准化、以SMR为基础进行标杆分析、通过反馈循环推动质量改进、重视医疗行为的社会性、保持系统的动态适应性以及持续分享经验以优化政策支持^[8]。质量注册是改善ICU患者预后的有效工具，其重要性随着医疗需求的增长而日益凸显。Hoque等^[13]的系统评价指出质量注册能够缩短患者住院时间、减少医疗费用、改善患者临床结局。

二、标杆分析的技术革新与实践突破

标杆分析（Benchmarking）是一种通过与业内最佳实践或竞争对手进行比较，从而提升绩效的方法。这一概念最早由美国施乐公司于1979年提出，西方管理学界将其与企业再造、战略联盟并称为20世纪90年代三大管理方法之一。随后，标杆分析被引入医疗领域，成为质量控制和绩效评估的重要工具，通过标准化和个性化结合，显著提升医疗质量。其核心优势在于通过统一的绩效指标进行跨机构比较，识别差距并推动改进。

在重症医学领域，标杆分析的应用尤为突出。它通过定量、标准化的测量方法，以实现不同ICU之间的绩效比较^[14]。近年来，全球重症监护联盟（Linking of Global Intensive Care，LOGIC）项目成为全球范围内的标杆分析典范。该项目通过收集全球275个ICU的60，000多名患者的病例资料，分析不同国家的标准化死亡率和资源消耗情况，旨在建立全球ICU质量控制的标准^[4]。研究发现，随着时间推移，标准化死亡率逐渐下降，同时资源消耗也有所减少。这表明通过标杆分析，不仅可以优化资源利用，还能显著改善患者结局。

标杆分析在ICU中的应用涵盖结果、过程和结构的评估。结果评估关注死亡率、住院时长和再入院率等指标，反映ICU的效率和患者安全；过程评估侧重于对证据支持的最佳实践的遵循程度，如低潮气量通气和早期感染治疗^[15,16]；结构评估涉及ICU的人员配置和设施条件^[17]。一个优秀的质量测量指标需满足重要性、相关性、可行性、有效性及可解释性五大标准^[18]。尽管不同专家、国家和地区在选择质量控制标准时存在显著差异，且寻找合适的标杆性指标存在挑战，但病死率、标准病死率、ICU住院时长、再入院率和并发症等临床结果指标常被用作质量控制的标准^[8,18]。此外，ICU标杆分析还依赖于循证实践依从率、感染率等护理流程与安全指标，并结合标准化资源使用率（Standardized Resource Utilization，SRU）评估效率，并逐步纳入患者生存质量和满意度等体验指标^[17]（图2）。有研究探讨ICU中SMR与SRU的关系，随时间推移，SMR显著下降，SRU同步降低，打破了"高资源投入必然改善预后"的传统认知。这表明通过流程标准化（如早期目标治疗、精准干预）和成本效益管理（如减少非必要检查、AI辅助决策），既能提升疗效又可控制资源消耗，为全球重症质控提供了"降本增效"的实践范式，推动建立兼顾质量与可持续性的统一评价体系^[19,20]。

显示原图|下载原图ZIP|生成PPT

图2 临床质量控制指标类型

然而，标杆分析的应用也面临挑战，不同ICU患者群体的异质性、数据收集方法的差异，以及模型背景和缺陷对结果的影响，这些都可能导致比较结果的偏差。此外，标杆分析的有效实施需要强大的数据支持和长期的资源投入。未来，随着医疗技术的进步和数据革命的推进，ICU标杆分析将向更全面的长期预后指标扩展，并通过标准化数据定义和国际协作实现更精准的绩效优化^[17]。实时数据（如电子病历和云平台提供的信息）以及更广泛的标准数据库将为ICU绩效评估提供更精确和全面的支持。这些技术进步不仅能够优化标杆分析的精度，还能推动ICU质量控制进入一个新时代，实现更高效的绩效评估和质量改进。

三、同质化建设与标准化-个体化间的平衡

同质化作为医疗质量管理的核心策略，通过标准化流程显著缩小了不同ICU间的质量差异，实现医疗服务的均衡化。以中国脓毒症bundle推广为例，初期各中心执行率较低，但随着国家层面质控标准的推行，执行率稳步提升^[21]；在肺保护通气策略被纳入脓毒症指南后，显著改变了临床行为，监测数据显示使用呼吸终末正压（Positive end-expiratory pressure，PEEP）的平均水平从4cmH₂O逐年增高至7cmH₂O，潮气量也减少了20%^[22,23]。这些数据说明，只要流程被明确量化、依从性被持续追踪，同质化即可在短期内带来系统性的平均获益。标准化治疗的初衷是保障患者安全和提升医疗质量，但其应用也暴露出局限性。例如，EGDT在脓毒症治疗中的效果因患者是否休克、是否机械通气等因素而异^[24]。对不同ICU病人进行肌肉的评分和运动的评分，针对不同患者设置不同的康复锻炼计划和方案，能够改善病人结局^[25]。这表明标准化治疗不能解决所有临床问题，凸显了个体化治疗的重要性。我国重症医学质控中心连续5年监测全国15项质量控制指标，发现医疗质量存在很大异质性，主要存在于地域差异和医院等级上^[26]。这些实践也揭示了同质化建设的核心矛盾：既需依赖标准化流程确保基础质量，又需兼顾患者个体化需求以避免"一刀切"的局限。

个体化治疗的理念源于希波克拉底的观点：了解患病的患者比了解疾病更重要。个体化作为同质化的补充，强调在统一框架下结合患者特异性因素优化治疗。标准化与个体化并重的模式不仅提高了疗效，还优化了资源配置。美国一项跨36家医院的大型前瞻性研究首先在11个成人ICU对1914名机械通气患者全面实施ABCDEF同质化护理流程，结果将ICU住院天数下降8.3%、机械通气天数下降11.9%，≥7天超长住院比例下降18.1%；随后该模板推广至另外28家医院亦获得相似成效，生动印证了"标准化底线+个体化微调"模式在大规模体系内平衡同质化与精准化、并显著改善结局的可复制性^[27]。同样，北京协和医院一项随机对照试验将117例急性呼吸窘迫综合征(Acute Respiratory Distress Syndrome，ARDS)患者分为表格法固定PEEP与电阻抗断层成像(Electrical Impedance Tomography，EIT)个体化PEEP组，结果显示EIT组28天死亡率由27%降至21%，急性生理与慢性健康评分(Sequential Organ Failure Assessment，SOFA)评分下降更快，表明在统一肺保护框架下增加床旁影像数据精准微调，可同时维持同质化安全底线并实现个体化获益^[28]。由此可见，最优路径并非放弃标准化，而是在稳固通用流程的前提下，引入生理监测、影像或AI工具进行"量体裁衣"式微调，实现标准化与个体化的动态平衡，以提高治疗的精准性，减少医疗差错和资源浪费。

当前同质化建设面临的主要挑战集中在数据标准化、资源均衡化和临床实践转化三个方面。LOGIC项目的研究显示，不同地区在病例定义和数据收集方法上的差异严重影响了SMR的可比性^[4]。针对这一问题，未来可通过建立通用核心数据集和技术标准化来提升数据兼容性。资源分配不均问题在低收入国家尤为突出，其电子病历系统和随访能力的欠缺制约了质控深度^[29]。国际协作项目如RD-Connect的实践经验表明，通过技术援助和资源共享可以有效缩小这一差距。临床实践转化方面，尽管肺保护通气策略已被广泛认可，但全球仍有约20%的ARDS患者未能达标^[15]，这提示我们需要建立更有效的质量反馈机制和持续教育培训体系。展望未来，同质化建设将朝着智能化、个性化和全球化的方向发展。人工智能技术的应用有望实现数据采集和分析的自动化，减少人为误差；精准医学的进步将推动个体化治疗方案；而跨国注册平台的完善将进一步促进医疗质量的全球均衡。这些发展不仅需要技术创新，更需要政策支持、专业共识和资源投入的多方协同，最终实现重症医学质量提升的可持续发展。

四、质量改进的闭环体系构建

重症医学质量改进的核心在于建立"数据采集-差距识别-标准落地"闭环管理体系。这一动态循环通过质量注册提供标准化数据基石（如SMR、ICU住院时长），标杆分析识别实践差距，同质化推动干预落地，三者构成的"铁三角"协同机制已在全球范围验证其成效。例如荷兰NICE系统整合8项核心质量指标构建注册数据库，利用风险调整模型生成季度SMR仪表盘实现实时标杆分析，SMR超出95%置信区间时，实施同质化干预（含标准化镇静、VAP预防、低潮气量通气等措施），通过2009-2021年705，822例患者数据显示，该模式使院内死亡率年均下降3%，机械通气时长缩短0.4天/年，ICU住院天数缩短0.3 天/年^[6]。无独有偶，澳大利亚ANZICS协作网通过成人患者数据库在171家ICU实施质量注册，结合风险调整标杆分析与脓毒症救治标准化流程，使2000-2012年共101，064例严重脓毒症/休克患者死亡率从35.0%降至18.4%^[8]。

ICU质量评估的演变标志着医疗范式从"疾病中心"向"患者中心"的转型，传统指标（如死亡率、并发症率）正逐步扩展至患者报告结局（Patient-Reported Outcomes，PROs）和资源利用效率（如标准化资源消耗比）。然而，低收入国家因数据基础设施薄弱，难以实现标准化长期随访，导致全球质量同质化比较受阻^[30]。人工智能（Artificial Intelligence，AI）与大数据技术正重塑质控闭环：开放数据库（如MIMIC-Ⅳ，Medical Information Mart for Intensive Care IV，重症监护医疗信息集市第四版）为机器学习模型提供统一基准，支持实时高危患者识别与干预预警^[31]；联邦学习等分布式技术则使多中心能在保护原始数据隐私前提下完成风险对标，有效破解数据孤岛困境^[32]。随着AI驱动的动态风险看板广泛应用，重症医学质量管理正从滞后的结果统计转向主动预防与个体化干预。

重症医学质量改进要同时兼顾全球协作与本地可行性，关键在于标准化与个体化之间维持动态平衡，最终推动全球重症医学向以患者结局为中心的高质量发展^[33]。在资源有限地区，政策部门可先建立只涵盖SMR、SOFA以及ICU住院时长的精简数据集，并通过差异化医保支付激励各中心持续上报；巴基斯坦PRICE（Pakistan Registry of Intensive CarE）项目已在40余家ICU证实这一模式的可操作性和可持续性^[34]。临床团队可从手卫生监测或早期预警评分等低成本措施入手，将"数据-行动-评估"闭环嵌入日常查房。要把这些策略真正落地，还需信息技术、数据科学与临床医学的跨学科协作，信息技术工程师保障数据互操作与安全，数据科学家开发可解释的AI风险模型，临床专家则依据模型提示即时调整诊疗。荷兰NICE系统利用人工智能风险看板实时反馈，显著提升干预效率^[35]。借助政策推动、临床落地、技术赋能的协同模式，重症质控正由事后统计迈向实时预测与精准干预，为全球患者在有限资源条件下带来更高质量、更普惠的生命支持服务。

小结

重症医学质量改进需要质量注册、标杆分析与同质化的协同创新。质量注册构建真实世界数据基石，标杆分析提供优化路径，同质化确保改进措施的普适性与可持续性。三者的动态整合既保持了标准化的规模效应，又实现了精准化个体干预。这一协同路径的终极价值在于任何研究均可转化为临床行为的革新与患者结局的优化。未来需以数据驱动、标杆导向、同质化标准构建"全球共享-本地优化"的质量体系，突破"高投入≠高疗效"的悖论，推动重症医学从经验迈向科学，最终以最小资源实现最大生存获益，为全球公共卫生危机提供普惠性应对方案。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	Demass T B, Guadie A G, Mengistu T B, et al. The magnitude of mortality and its predictors among adult patients admitted to the Intensive care unit in Amhara Regional State, Northwest Ethiopia [J]. Sci Rep, 2023, 13(1): 12010.

[2]

Pisani

, Algera

A G

, Neto

A S

, et al. Geoeconomic variations in epidemiology, ventilation management, and outcomes in invasively ventilated intensive care unit patients without acute respiratory distress syndrome: a pooled analysis of four observational studies [J]. Lancet Glob Health, 2022, 10(2): e227-e235.

[3]	Moin E E, Seewald N J, Halpern S D. Use of Life Support and Outcomes Among Patients Admitted to Intensive Care Units [J]. JAMA, 2025, 333(20): 1793-1803.

[4]	Dongelmans D A, Pilcher D, Beane A, et al. Linking of global intensive care (LOGIC): An international benchmarking in critical care initiative [J]. J Crit Care, 2020, 60: 305-310.

[5]	Liu V X, Morehouse J W, Marelich G P, et al. Multicenter Implementation of a Treatment Bundle for Patients with Sepsis and Intermediate Lactate Values [J]. Am J Respir Crit Care Med, 2016, 193(11): 1264-1270.

[6]	Roos-Blom M-J, Bakhshi-Raiez F, Brinkman S, et al. Quality improvement of Dutch ICUs from 2009 to 2021: A registry based observational study [J]. Journal of Critical Care, 2024, 79.

[7]	Wortel S A, de Keizer N F, Abu-Hanna A, et al. Number of intensivists per bed is associated with efficiency of Dutch intensive care units [J]. J Crit Care, 2021, 62: 223-229.

[8]	Litton E, Guidet B, de Lange D. National registries: Lessons learnt from quality improvement initiatives in intensive care [J]. J Crit Care, 2020, 60: 311-318.

[9]	Brooke E M. The current and future use of registers in health information systems [J]. 1974.

[10]	Kaukonen K M, Bailey M, Suzuki S, et al. Mortality related to severe sepsis and septic shock among critically ill patients in Australia and New Zealand, 2000-2012 [J]. JAMA, 2014, 311(13): 1308-1316.

[11]	Gliklich R E, Leavy M B, Dreyer N A. Registries for Evaluating Patient Outcomes: A User's Guide. Rockville (MD). 2020.

[12]	Soares M, Borges L P, Bastos L, et al. Update on the Epimed Monitor Adult ICU Database: 15 years of its use in national registries, quality improvement initiatives and clinical research [J]. Crit Care Sci, 2024, 36: e20240150en.

[13]	Hoque D M E, Kumari V, Hoque M, et al. Impact of clinical registries on quality of patient care and clinical outcomes: A systematic review [J]. PLoS One, 2017, 12(9): e0183667.

[14]	Woodhouse D, Berg M, van der Putten J, et al. Will benchmarking ICUs improve outcome? [J]. Curr Opin Crit Care, 2009, 15(5): 450-455.

[15]	Samanta R J, Ercole A, Harris S, et al. Low Tidal Volume Ventilation Is Poorly Implemented for Patients in North American and United Kingdom ICUs Using Electronic Health Records [J]. Chest, 2024, 165(2): 333-347.

[16]	Klompas M, Branson R, Eichenwald E C, et al. Strategies to prevent ventilator-associated pneumonia in acute care hospitals: 2014 update [J]. Infect Control Hosp Epidemiol, 2014, 35 Suppl 2: S133-154.

[17]	Salluh J I F, Soares M, Keegan M T. Understanding intensive care unit benchmarking [J]. Intensive Care Med, 2017, 43(11): 1703-1707.

[18]	Al-Dorzi H M, Arabi Y M. Quality Indicators in Adult Critical Care Medicine [J]. Glob J Qual Saf Healthc, 2024, 7(2): 75-84.

[19]	Rothen H U, Stricker K, Einfalt J, et al. Variability in outcome and resource use in intensive care units [J]. Intensive Care Med, 2007, 33(8): 1329-1336.

[20]	Takala J, Moser A, Raj R, et al. Variation in severity-adjusted resource use and outcome in intensive care units [J]. Intensive Care Med, 2022, 48(1): 67-77.

[21]	Phua J, Koh Y, Du B, et al. Management of severe sepsis in patients admitted to Asian intensive care units: prospective cohort study [J]. BMJ, 2011, 342: d3245.

[22]	Checkley W, Brower R, Korpak A, et al. Effects of a clinical trial on mechanical ventilation practices in patients with acute lung injury [J]. Am J Respir Crit Care Med, 2008, 177(11): 1215-1222.

[23]	Esteban A, Frutos-Vivar F, Muriel A, et al. Evolution of mortality over time in patients receiving mechanical ventilation [J]. Am J Respir Crit Care Med, 2013, 188(2): 220-230.

[24]	Levy M M, Gesten F C, Phillips G S, et al. Mortality Changes Associated with Mandated Public Reporting for Sepsis. The Results of the New York State Initiative [J]. Am J Respir Crit Care Med, 2018, 198(11): 1406-1412.

[25]	Morris P E, Goad A, Thompson C, et al. Early intensive care unit mobility therapy in the treatment of acute respiratory failure [J]. Crit Care Med, 2008, 36(8): 2238-2243.

[26]	Rui X, Dong F, Ma X, et al. Quality metrics and outcomes among critically ill patients in China: results of the national clinical quality control indicators for critical care medicine survey 2015-2019 [J]. Chin Med J (Engl), 2022, 135(9): 1064-1075.

[27]	Barr J, Downs B, Ferrell K, et al. Improving Outcomes in Mechanically Ventilated Adult ICU Patients Following Implementation of the ICU Liberation (ABCDEF) Bundle Across a Large Healthcare System [J]. Crit Care Explor, 2024, 6(1): e1001.

[28]	He H, Chi Y, Yang Y, et al. Early individualized positive end-expiratory pressure guided by electrical impedance tomography in acute respiratory distress syndrome: a randomized controlled clinical trial [J]. Crit Care, 2021, 25(1): 230.

[29]	Kruk M E, Gage A D, Arsenault C, et al. High-quality health systems in the Sustainable Development Goals era: time for a revolution [J]. Lancet Glob Health, 2018, 6(11): e1196-e1252.

[30]	Beane A, Salluh J I F, Haniffa R. What intensive care registries can teach us about outcomes [J]. Curr Opin Crit Care, 2021, 27(5): 537-543.

[31]	Johnson A E W, Bulgarelli L, Shen L, et al. MIMIC-IV, a freely accessible electronic health record dataset [J]. Scientific Data, 2023, 10(1).

[32]	Paragliola G, Ribino P, Ullah Z. A Federated Learning Approach to Support the Decision-Making Process for ICU Patients in a European Telemedicine Network [J]. Journal of Sensor and Actuator Networks, 2023, 12(6).

[33]	Kruk M E, Gage A D, Joseph N T, et al. Mortality due to low-quality health systems in the universal health coverage era: a systematic analysis of amenable deaths in 137 countries [J]. Lancet, 2018, 392(10160): 2203-2212.

[34]	Hashmi M, Beane A, Taqi A, et al. Pakistan Registry of Intensive CarE (PRICE): Expanding a lower middle-income, clinician-designed critical care registry in South Asia [J]. J Intensive Care Soc, 2019, 20(3): 190-195.

[35]	van de Klundert N, Holman R, Dongelmans D A, et al. Data Resource Profile: the Dutch National Intensive Care Evaluation (NICE) Registry of Admissions to Adult Intensive Care Units [J]. Int J Epidemiol, 2015, 44(6): 1850-1850h.

Options

文章导航

模态框（Modal）标题

摘要