在盧安達兒科門診進行的實用性試驗顯示，採用數位臨床決策支援系統（CDSS）能顯著降低抗生素處方率達 13.6 個百分點，並提升處方適當性，證實此類工具在資源有限環境中改善抗生素管理與對抗抗藥性的潛力。

這項研究到底想解決什麼全球性的醫療難題？

這項研究核心在於對抗日益嚴峻的抗生素抗藥性（AMR）危機，尤其是在醫療資源相對有限的環境中。它試圖驗證一個關鍵假設：一套設計良好的數位臨床決策支援系統（CDSS），能否在現實世界的基層醫療場景中，有效引導醫護人員做出更精準、更審慎的抗生素處方決策，從而減緩抗藥性的產生。

抗生素抗藥性被世界衛生組織列為全球十大公共衛生威脅之一。在許多中低收入國家，由於診斷工具不足、臨床指引普及困難以及處方壓力等多重因素，抗生素的過度使用與誤用情況尤其嚴重。盧安達作為一個在數位健康領域積極創新的國家，為測試這類解決方案提供了理想的實證場域。研究團隊並非在實驗室般的理想條件下進行，而是選擇了「實用性集群非隨機對照試驗」的設計，目的就是為了觀察這套工具在真實、有時混亂的日常門診工作中，究竟能發揮多大的實際影響力。這不僅僅是一項技術測試，更是一場關於如何將全球性的公共衛生策略，透過數位化工具落地到每一個診間、惠及每一位病童的社會實驗。

研究是怎麼設計的？「集群非隨機」聽起來很學術，到底是什麼？

這項研究採用的是「實用性集群非隨機對照試驗」設計。簡單來說，研究人員不是隨機分配「個人」接受不同治療，而是以整個「醫療機構」（集群）為單位進行分組對比。在盧安達的穆漢加和魯瓦馬加納地區，他們招募了30家提供兒科門診服務的醫療中心，並根據地理位置和規模進行匹配後，將其中15家分配為介入組（使用CDSS），另外15家為對照組（維持常規診療）。這種設計最大程度地減少了對日常醫療作業的干擾，更能反映工具在真實世界中的效果。

「非隨機」在這裡並非缺陷，而是一種務實的選擇。在公共衛生干預研究中，尤其是涉及整個機構工作流程的改變時，完全隨機分配在倫理和執行上往往非常困難。研究團隊採用了前瞻性的方式，在一個相對較短的時間內（2023年4月至7月），收集了超過4600名5歲以下病童的就診資料。他們比較的關鍵指標非常直接：抗生素處方率。介入組的醫護人員在診斷時，會使用安裝在平板電腦上的CDSS應用程式。這套程式會引導他們一步步輸入病童的症狀和體徵，然後根據內建的算法（基於世衛組織的IMCI指南和盧安達國家標準進行在地化調整）給出診斷與治療建議，其中就包括是否需要使用抗生素的明確指引。

這套數位決策支援工具，實際上是如何運作的？

這套CDSS的核心是一個結構化的臨床評估流程與決策算法。它並非一個「黑盒子」式的人工智慧，而是一個規則明確、步驟清晰的數位化臨床路徑圖。醫護人員開啟平板上的應用程式後，系統會引導他們依序評估病童的關鍵症狀（如發燒、咳嗽、腹瀉）、危險徵象（如無法飲水、抽搐）以及進行必要的簡單檢查（如測量呼吸速率、觀察胸壁凹陷）。

整個過程是互動式的。例如，如果醫護人員輸入「咳嗽超過14天」，系統會立即提示需要考慮肺結核的可能性並建議轉診，而不是進入常見的急性呼吸道感染評估流程。對於最常見的發燒病例，系統會嚴格區分是「疑似瘧疾」、「疑似其他發熱性疾病」還是「無明顯感染源的發熱」，並根據不同的診斷分類給出相對應的治療建議。只有在算法判斷存在細菌感染的高風險時（例如診斷為肺炎、痢疾或特定類型的耳部感染），系統才會明確建議使用抗生素，並推薦首選的抗生素種類和劑量。

這個流程的關鍵在於，它將複雜的臨床指引轉化為一步一步的具體操作，減輕了醫護人員在繁忙門診中回憶和應用多條指南的認知負擔。同時，所有輸入的數據和最終的系統建議都會被記錄下來，形成了結構化的電子病歷，這本身也是對醫療數據質量的一次提升。一位參與研究的護理師在訪談中分享：「以前面對發燒的孩子，我們心裡會有很多不確定性，擔心萬一是細菌感染沒處理好。現在跟著平板上的問題一步步問、一步步檢查，最後看到系統說『不需要抗生素』時，我們開藥會更有信心，也能更清楚地向家長解釋為什麼這次不用開抗生素。」這正是工具價值的第一手體現——它不僅提供建議，更賦予臨床人員遵循指南的「底氣」。

最終的結果如何？數字會說話嗎？

結果非常顯著且具有說服力。研究數據顯示，在使用CDSS的介入組醫療中心，病童的抗生素處方率為36.1%。而在維持常規診療的對照組，這個數字高達49.7%。經過統計模型調整後，CDSS的介入讓抗生素處方率絕對降低了13.6個百分點。這意味著，每100名就診兒童中，就有超過13人避免了可能不必要的抗生素暴露。

更重要的是，這種下降並非以犧牲必要的治療為代價。研究進一步分析了處方的「適當性」。在那些被CDSS算法歸類為「需要抗生素」的病例中（例如診斷為肺炎），介入組的抗生素使用比例高達89.5%，顯示醫護人員高度遵循系統在關鍵時刻的用藥建議。相反，在算法歸類為「不需要抗生素」的病例中（例如單純性病毒感冒），介入組開出抗生素的比例僅有20.8%，遠低於對照組的41.9%。這組對比強烈說明了CDSS的雙重效益：在該用的時候鼓勵使用，在不該用的時候有效抑制。

此外，研究還觀察到一些有趣的次群體效果。例如，對於最常見的發燒性疾病，CDSS的影響最為明顯。它成功幫助區分了瘧疾和其他發熱性疾病，使得抗瘧藥的使用更加精準，同時減少了將所有發燒都當成細菌感染而濫用抗生素的慣性思維。另一個關鍵數據是，在介入組，高達96.2% 的就診記錄完成了CDSS評估流程，顯示出該工具在繁忙門診中的高可接受性和可用性。

這項研究對全球數位健康與公共衛生有什麼啟示？

這項盧安達的試驗為全球，特別是資源有限地區的抗生素管理提供了一個極具參考價值的藍圖。它證明，將成熟的紙本臨床指引進行巧妙的數位化、結構化與在地化改造，並整合到現有的醫療工作流程中，可以產生立竿見影且大規模的公共衛生效益。這不是取代臨床判斷，而是強化它。

首先，它展示了「適當科技」的力量。這套CDSS並未依賴昂貴的硬體或複雜的AI模型，而是基於平板電腦和清晰的邏輯算法。這種相對輕量、低成本的解決方案，恰恰是許多中低收入國家醫療系統所能負擔且亟需的。其次，研究強調了「實用性試驗」的重要性。許多健康科技在理想條件下表現完美，卻在真實世界碰壁。這項試驗直接在門診前線進行，其成功意味著該方案具備大規模推廣的潛力。最後，它指向了一個更宏大的願景：數位工具可以成為標準化醫療品質、縮小不同地區醫療水平差距的強大槓桿。當每一位基層醫護人員手中都有一個遵循最新國際指南的「數位導師」時，整體的醫療決策品質就能得到系統性的提升。

當然，挑戰依然存在。長期的效果維持、系統的更新維護、醫護人員持續的培訓與投入，以及如何將此模式擴展到其他疾病領域（如慢性病管理），都是未來需要探索的方向。但無論如何，這項研究已經發出了一個清晰的訊號：在對抗抗生素抗藥性這場漫長戰役中，智慧、務實的數位健康干預措施，已經成為我們手中一件越來越有力的武器。

原始來源區塊

• 原文標題: Effectiveness of a digital clinical decision support algorithm for guiding antibiotic prescribing in pediatric outpatient care in Rwanda: A pragmatic cluster non-randomized controlled trial
• 來源媒體: PLOS Medicine
• 作者: Alexandra V. Kulinkina, Victor P. Rwandarwacu, Joseph Habakurama, Ludovico Cobuccio, Martin Norris, Emmanuel Kalisa, Cassien Havugimana, Angelique Ingabire, Gillian A. Levine, Rainer Tan, Vincent Faivre, Alan Vonlanthen, Marie-Annick Le Pogam, Kaspar Wyss
• 發布時間: Thu Feb 26 2026 14:00:00 GMT+0000 (Coordinated Universal Time)
• 原文連結: https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1004692