高雄醫學大學
劉克明名譽教授
醫學教育系統如何為下一次大流行做好準備
2021年12月 Academic Medicine期刊刊登美國國家醫學院院長Dr. V.J. Dzau (President, National Academy of Medicine)的文章 “How Academic Health Systems Can Be Ready for the Next Pandemic”,提出醫學教育系統如何為下一次大流行做好準備,相當值得臺灣醫學教育界參考。筆者承蒙Dr. Dzau 同意翻譯如下,敬請指正。
前言:
新冠肺炎(COVID-19)的大流行給”學術醫療系統(Academic Health System,簡稱AHS)”提供臨床照護、開展研究和教育學習者的三方使命創造了重大挑戰。診所被迅速地關閉,不得不轉向透過遠距醫療提供虛擬照護。在許多新冠肺炎(COVID-19)熱點地區,急症照護設施不堪重負,使得醫學教育被中斷。儘管存在這些挑戰,但”學術醫療系統(AHS)”在應對這一流行病方面發揮了寶貴的作用。這些機構的臨床醫生們孜孜不倦地照顧病人,他們並且即時制定了創新的協議。各機構迅速調整了他們的照護提供系統,以創造額外的臨床照護能力,同時將醫療照護工作者重新部署到新的環境中,並對他們進行再培訓以與新冠肺炎(COVID-19)患者一起工作。此外,”學術醫療系統(AHS)”在推進科學、開展研究和臨床試驗以檢查”學術醫療系統(AHS)”的新疫苗和治療方法方面發揮了重要作用。但是,還有改進的餘地;”學術醫療系統(AHS)”可以利用從新冠肺炎(COVID-19)大流行中吸取的教訓來重塑其未來的運營。
為了為下一次大流行做準備,”學術醫療系統(AHS)”必須對其臨床操作、研究的基礎設施、和教育計劃進行現代化、調整和改造,同時納入公共衛生並建立監測能力,以檢測、監測和管理新出現的疫情。在本篇文章中,Dr. Dzau 等人提出”學術醫療系統(AHS)”在新冠肺炎(COVID-19)大流行期間,必須利用其經驗的機會,以及他們可以善用其在 3 個任務領域中的每個任務領域的獨特優勢的方式。
1. 臨床照護領域(Clinical Care):
在大流行的危險時期,”學術醫療系統(AHS)”應帶頭尋找有效的方法來遠距地參與、監控、處理和治療患者,同時制定遠距醫療的新標準;創新虛擬照護過程和實踐;確保在獲得照護、檢驗、測序、治療和疫苗方面的公平性;在與社區互動並作為一個協調網絡一起工作的同時推進數據驅動的洞察力。在這個網絡中,至少應設計一些”學術醫療系統(AHS)”設施來解決健康危機,例如生物恐怖攻擊、致命的流行病、或工業的意外。”學術醫療系統(AHS)”還應建立臨床照護容量,並擁有強大的機制,可以在發生健康危機時幫助進行監測和社區預防工作。
1.1. 接觸傳統臨床環境之外的患者(Reaching patients outside traditional clinical settings):
當新冠肺炎 (COVID-19)大流行襲擊美國時,醫院、醫療提供者團體、和衛生系統取消了非緊急臨床就診、手術、和程序。然而,患者,尤其是患有慢性病的患者,仍然需要被觀察和監測,並積極管理他們的照護計劃。結果,遠距醫療和遠距監控服務顯著地擴展。”私人保險公司和醫療照護和醫療補助服務中心(Centers for Medicare and Medicaid Services)” 等機構的付款和監管變化,促進了這種提供照護方式的轉變,這些機構開始以與“面對面照護” 相同的速度報銷遠距醫療,並允許在美國各地提供遠距醫療。儘管取得了這些進步,但虛擬照護的實施需要協議、技術、適應和創新。因此,”學術醫療系統(AHS)”應帶頭制定照護協議,以制訂針對不同疾病狀態的技術(虛擬訪問、遠距監控技術、移動式以收集患者健康報告的措施)的方式和時間,與產業合作夥伴共同開發和驗證技術,並為衛生系統制訂如何能夠發展控制措施,以實現充分和受保護的數據共享標準。
1.2. 建立國家和地區的”學術醫療系統(AHS)”網絡(Building national and regional networks of AHSs):
”學術醫療系統(AHS)”必須在全國形成一個協調的網絡,以分享他們在新冠肺炎 (COVID-19)的照護和遠距醫療方面之經驗和學習最佳實踐、發展照護的標準、充當檢測和測序的區域中心、收集和共享數據、調整他們的工作以進行合作、協助和通知公共衛生機構(地方、州和聯邦),並與社區互動。
”學術醫療系統(AHS)”在測試和監測中發揮著重要功能。因此,他們應該考慮建立更多的中心,專注於新發生的疾病和感染之檢測和監測。他們可以利用自己的能力和資源,去發展和實施新發生疾病的國家檢測策略,包括篩查病毒變種。作為區域中心,”學術醫療系統 (AHS)” 應帶頭與 “疾病控制與預防中心 (Centers for Disease Control and Prevention,簡稱CDC)”和其他公共衛生機構合作,發展和協調病毒的檢測和測序。”學術醫療系統 (AHS)” 可以透過參與國家數據收集工作來加速這些工作,提供來自他們自己地理區域的樣本。這些樣本可以在數據協調中心,特別是“疾病控制與預防中心 (CDC)”收集,並進行研究,為國家和面臨最大風險的部分人群提供有關病毒突變的訊息。
在大流行期間,關鍵性的需求和有限的資源供應可能需要對醫療設備和治療進行配給。鑑於”學術醫療系統 (AHS)”處於解決流行病的最前線,他們必須與聯邦和州領導人有效地合作,以建立一個協調的網絡來預測區域內重要資源的需求並分配。一個中央集權的區域網絡,可以協調資訊共享、分配床位、和分送所需的物資。”學術醫療系統 (AHS)”與其他合作夥伴之間的這種合作模式在華盛頓州和亞利桑那州的“新冠肺炎 (COVID-19)”大流行期間成功地使用。
展望未來,”學術醫療系統 (AHS)”應制訂一個協調計劃,在發生大流行時,透過監測、預測、採購、和儲存所需材料,以管理供應鏈。作為該計劃的一部分,”學術醫療系統 (AHS)”應共同地開發一個中央集權化的監控系統,以及時評估每個機構的供應需求。此外,”學術醫療系統 (AHS)”應利用其購買力,作為一個聯合體,一起採購常用的設備、裝置和療法,以降低每個機構的商品成本。
1.3. 推進數據驅動的洞察力 (Advancing data-driven insights):
在 “新冠肺炎 (COVID-19)” 大流行的早期階段,許多”學術醫療系統 (AHS)” 創立了 “新冠肺炎 (COVID-19)” 患者登記冊,並得到了 “美國食品和藥物管理局(U.S. Food and Drug Administration)” 贊助的數種常見數據模型所支持。其中一些登記冊與住院患者數據有關,一些與門診患者數據相關。然而,為了全面了解一種新出現的疾病,所有患者的數據都必須存放在同一個登記處;這些數據包括來自病毒發作、遠距監測、和患者報告系統的 “基因組、臨床歷史、醫療照護利用、和臨床結果數據 (genomic, historical clinical, health care utilization, and clinical outcome data)”。此外,各個機構的數據應與其他”學術醫療系統 (AHS)” 的數據協調整合,形成國家數據庫。”學術醫療系統 (AHS)” 必須帶頭創建一個協調的患者登記處。這種系統的一個傑出例子是 “約翰霍普金斯冠狀病毒資源中心 (Johns Hopkins Coronavirus Resource Center,coronavirus.jhu.edu/map.html)”,它迅速地成為“新冠肺炎 (COVID-19)” 病例、死亡、和疫苗接種統計數據的資源。
為了能夠創建和利用這種患者登記,”學術醫療系統 (AHS)”應該從技術和安全的角度調查需要什麼,以允許使用更新穎的方法來識別、配合、和連接醫療照護數據,可能地使用區塊鏈技術 (Blockchain technology)。這是一項高風險、高回報的公共衛生監測研究,它必須成為國家層級優先資助的事項。
1.4. 與社區互動(Engaging with the community):
”學術醫療系統 (AHS)” 必須帶頭與社區領導人協調,以提高教育和營運能力,以確保社區中的所有人都能平等地獲得檢測、治療、和疫苗。”學術醫療系統 (AHS)” 還必須與聯邦和州政府合作,充當 “區域的錨定機構 (Regional anchor institutions)”。有很多”學術醫療系統 (AHS)” 以這種能力發揮領導作用,與當地社區和其他醫院合作,以制定旨在減少健康、教育、和經濟活力方面的不平等的舉措。
”學術醫療系統 (AHS)” 應了解其社區的需求,並與當地領導人合作,促進和教育社區成員有關檢測、治療、和疫苗的知識。機構應嚴謹地收集有關健康的社會決定因素的數據,並尋求解決這些決定因素的方法,以便每個社區成員都能公平地獲得醫療照護協議和干預措施。在“新冠肺炎 (COVID-19)”大流行期間,”學術醫療系統 (AHS)” 與其社區合作的一個重要例子是加強了圍繞疫苗猶豫的溝通。在許多機構,專家教員已成為社區“值得信賴的聲音”,分享他們對病毒傳播的看法,支持公共衛生的干預,並討論可用疫苗的差異。
1.5. 支持和保護勞動力(Supporting and protecting the workforce):
數據顯示,即使在“新冠肺炎 (COVID-19)” 大流行之前,臨床醫生的健康也是一個問題,超過三分之一的護士和醫師出現了嚴重的倦怠症狀。由於“新冠肺炎 (COVID-19)”,臨床醫師們現在面臨著因為工作量大、工作壓力增加、和精神受到傷害,而導致倦怠和痛苦的“平行大流行 (Parallel pandemic)”,對他們的心理健康造成廣泛的影響。
為了改善健康,”學術醫療系統 (AHS)” 應將監測和追蹤第一線醫療工作人員的狀況及他們的福祉之工作,納入正在進行的事件指揮中心之工作。”學術醫療系統 (AHS)” 需要確定應該每天和每週取得和跟蹤到的哪些與倦怠相關的數據。他們還應該為國家追蹤系統做出貢獻,以確定需要的領域,並發展干預措施,這些解決方案和干預措施,應該公佈給其他醫療系統和提供者團體採用。
2. 研究領域(Research):
“新冠肺炎 (COVID-19)” 大流行說明了擁有強大的醫學研究與發展企業的價值。感謝多年來的投資,我們在這次大流行期間看到了前所未有的創新和科學合作。然而,仍然需要改進”學術醫療系統 (AHS)” 的科學使命,以為下一次的大流行做準備。”學術醫療系統 (AHS)” 應透過從發現到照護的整個過程中,領導治療、診斷、疫苗、和新療法的研究,包括基礎科學、轉譯的、和臨床試驗。他們必須調整他們的研究組合,為下一個病原體做準備。
此外,”學術醫療系統 (AHS)” 必須支持對疫苗學、細胞和分子機制、傳染和複製、治療靶點、疫苗技術、候選疫苗等方面的基礎科學研究調查。其他研究領域包括患者疾病表現和宿主免疫反應。認知許多病毒家族能夠傳染人類,有必要研究“原型病原體 (Prototype pathogens)”,以開發治療方法和疫苗。在轉譯研究領域,”學術醫療系統 (AHS)” 必須利用他們的專業知識去研究患者樣本,並促進大型生物儲存庫 (large biorepositories) 的形成,從而快速將實驗室發現轉化為患者的新療法。
2.1. 利用數據科學和人工智慧(Leveraging data science and artificial intelligence):
”學術醫療系統 (AHS)” 應支持數據科學和數位技術的開發和運用,並為此獲得資金。該系統收集來自多個資源的數據,例如登記處、臨床數據、醫療照護利用、遠距監測、成果、患者和病毒基因組學、流行病學、和社會經濟數據,對這些數據的接受,可以產生新的資訊和見解。制訂國家數據協調計劃 (National data coordination program),及其與公共衛生數據的一致性,對於未來的大流行的反應和準備工作至關重要。利用各種大型數據資源提供了運用人工智慧 (AI) 和數據分析,以更好地了解“新冠肺炎 (COVID-19)” 和新出現的病原體,並提早識別未來疾病爆發的機會。
2.2. 進行大流行預測(Performing pandemic forecasting):
從約翰霍普金斯大學(Johns Hopkins University)到 “華盛頓大學健康指標與評估研究所(Institute for Health Metrics and Evaluation at the University of Washington,healthdata.org/covid)”,一系列學術機構開發了利用預測分析和建立模式來研究“新冠肺炎 (COVID-19)” 流行病。這些計劃非常有用,但影響有限,因為它們源自各個機構一次性的努力,並且受到它們所提取數據的類型之限制。重要的是,它們在“新冠肺炎 (COVID-19)” 大流行中出現得不夠早,無法防止病毒的大量傳播;然而,它們容許決策者在大流行已經發生後看到它的發展方向。
未來的工作應側重於以類似於天氣預報的方式,在流行病發生之前對其進行預報。透過在早期階段傳染病過程的破壞,預報和預防流行病將提供可觀的投資回報。如果科學家可以從多個感受器獲取更廣泛的數據,包括來自非傳統來源的數據,並將它們與先進的分析和超級電腦相結合,他們就可以預測大流行情況,並警告群眾相應地調整其行為。現代公共衛生數據系統以及涉及調查疾病暴發的實地團隊之間合作的“單一醫療方法(One health approach)”,可以擴大流行病暴發之預報能力。
2.3. 利用社會和行為科學(Leveraging the social and behavioral sciences):
”學術健康系統 (AHS)” 必須運用他們與跨學科研究人員的聯繫,其對像包括社會和行為科學、實施和監管科學 (Regulatory science)、法律和政策、科學傳播等學科。“新冠肺炎 (COVID-19)”的“疫苗猶豫 (vaccine hesitancy)”強調了研究社會的和行為的因素,在了解疫苗猶豫的驅動因素,並為干預措施提供訊息的必要性。
來自社會和行為科學的見解,還可以幫助研究人員了解和對抗“新冠肺炎 (COVID-19)”虛假訊息和錯誤訊息的持續存在。
2.4. 進行臨床試驗 (Conducting clinical trials):
在“新冠肺炎 (COVID-19)” 大流行期間,”學術醫療系統 (AHS)” 必須迅速地轉變他們的研究操作,許多從經驗得到的教訓可以在未來應用。例如,許多研究不是在診所,而是在家中進行的。研究人員必須利用新的數據收集方式,例如使用非侵入性醫療設備進行遠距患者監測。這些大流行時代的創新,符合虛擬臨床試驗模型 (Virtual clinical trial model) 的原則,該模型旨在提高研究的能力,以衡量患者報告的結果,並產生真實世界的證據。這些新方法可以為具有大流行潛力的傳染病,以及一般的臨床研究帶來重要的好處。
此外,”學術醫療系統 (AHS)” 必須投資於新的臨床試驗研究設計,以便在未來大流行期間加速研發。鑑於監管系統在將產品推向市場方面的重要角色,”學術醫療系統 (AHS)” 應鼓勵監管科學的發展,以實現基於證據的決策。
2.5. 制定研發準備和運營計劃(Building a research and development preparedness and operational plan):
”學術醫療系統 (AHS)” 應準備好與美國和其他政府以及政府實體的合作,制定一項協調計劃,以在未來大流行期間加速研發,達到確保做好準備的目的。對“新冠肺炎 (COVID-19)” 的研發生態系統之評估指出,研究準備與疫情期間的研究反應密不可分。因此,任何研究計劃都必須建立在對基礎和轉譯研究的持續投資之上,以了解潛在的病原體和宿主免疫反應,並確定診斷、藥物和疫苗的分子和功能目標。
3. 教育領域(Education):
“新冠肺炎 (COVID-19)” 大流行需要轉向“線上學習平台 (Online learning platforms)”,並改變醫療專業教育。其中一些改變包括繼續遠距學習、支持跨專業學習,並確保繼續學習是那些已經在執業者之核心組成部分。鑑於“新冠肺炎 (COVID-19)” 大流行帶來的變化,以及在我們的有生之年另一場大流行發生的可能性,”學術醫療系統 (AHS)” 應該進行永久性的教育改革。
3.1. 促進遠程學習(Promoting remote learning):
由於“新冠肺炎 (COVID-19)” 社交距離限制和“美國醫學院學會 (Association of American Medical Colleges)”的指引,美國醫學院運用 “虛擬顯微鏡 (Virtual microscopy)、Zoom 視頻會議 (Zoom videoconferencing) 和虛擬解剖學教育(Virtual anatomy education)”等科技,發展新穎的線上和遠距選修課取代了學生的面對面臨床教學。
此外,那些沒有強大記錄方法的機構,必須弄清楚將學習之內容傳達給臨床前學生所需的技術調整。為了更好地為下一次大流行做準備,”學術醫療系統 (AHS)” 必須想辦法確保基礎醫學教育的每個部分,都可以遠距進行而不會中斷。這將需要重新考慮促進 “線上課程查閱、線上測驗和遠程實習考試 (Online course viewing, online testing, and remote practicum examinations)”,以及過去只能現場授課的課程之遠距學習所需的技術系統和基礎設施。
3.2. 讓跨專業學習成為常態(Making interprofessional learning the norm):
過去的流行病,包括 SARS、MERS、H1N1、和Ebola病毒等,顯示了跨專業的團隊合作、團隊決策、和醫護人員之間的團隊培訓,對於克服挑戰是必要的。在“新冠肺炎 (COVID-19)” 大流行期間,醫師和護士被派往養老院等高暴發地區,與感染控制從業人員、公共衛生代表、臨床支持人員、和患者護理品質官員合作。鑑於所有這些學科共同努力,以促進優質患者照護的重要性,未來的醫療專業教育必須是要跨專業的。
3.3. 建構繼續教育系統(Building a system of continuing education):
提供醫學、護理、和其他相關健康學科的訊息之科學和技術不斷地發展中。因此,在他們的整個專業生涯中,醫療照護專業人員需要獲得新技能以促進高品質的患者護理和結果。例如,在“新冠肺炎 (COVID-19)” 大流行期間,所有醫療照護提供者都必須使用個人防護設備 (Personal protective equipment),而不僅僅是傳統的重症環境中的提供者。”學術醫療系統 (AHS)” 應帶頭制定協議、危機時的照護標準,和幫助提供者在其整個專業生涯中獲得所需的額外教育之機制,以便在不斷變化的臨床環境中提供優質的患者照護。
此外,”學術醫療系統 (AHS)” 應制訂照護委員會的危機標準 (Crisis standards of care committees),以確保以合乎道德的方式做出關鍵決定。這些委員會還可以協助確保”學術醫療系統 (AHS)” 履行其職責,降低護理人員的安全風險,為相互競爭的臨床醫師優先事項(如兒童保育)規劃,和解決危機事件可能導致的道德困擾和對個人和專業誠信的其他傷害。最後,”學術醫療系統 (AHS)” 需要領導環繞新臨床協議的開發和訊息的傳遞。
結論(Conclusion):
”學術醫療系統 (AHS)”係由大學與醫療機構合作所組成的學術聯盟,旨在進行生物醫學研究、提供臨床教學訓練及醫療服務。此類似合作夥伴常見於美國、英國、加拿大、荷蘭、瑞典及新加坡。
”學術醫療系統 (AHS)” 在開發和實施臨床照護、研究、和教育的新方法方面有著悠久的歷史。總體而言,”學術醫療系統 (AHS)” 對“新冠肺炎 (COVID-19)” 反應良好,但仍有許多改進機會。”學術醫療系統 (AHS)” 必須能夠推動變革,為下一次大流行做防範。他們必須相互協調,並與地方、州、和聯邦公共衛生實體進行協調,以形成一個由專家、資源、數據、和創新組成的全國性網絡。”學術醫療系統 (AHS)”應利用其獨特的優勢,與合作夥伴合作,為社會的利益推進大流行病防範工作。
摘要 (Abstract):
新冠肺炎 (COVID-19) 的大流行給 “學術醫療系統 (Academic health systems,簡稱AHS)” 的三個使命 “臨床照護、進行研究和教育學習者” 帶來了重大挑戰。儘管存在這些挑戰,但 “學術醫療系統 (AHS)” 在應對這一流行病方面發揮了寶貴的作用。臨床醫師孜孜不倦地照顧病人,機構迅速地調整了他們的照護提供系統。此外,”學術醫療系統” 在推進科學、開展研究和臨床試驗以檢驗新冠肺炎 (COVID-19) 的新疫苗和治療方法方面發揮了重要作用。
然而,還是有待改進的餘地;”學術醫療系統” 可以利用從“新冠肺炎 (COVID-19)”大流行中吸取的教訓來重塑其未來的運作。為了為下一次大流行做準備,”學術健康系統” 必須對其臨床操作、研究基礎設施、和教育計劃進行現代化、調整和改造,納入公共衛生並建立監測能力,以檢測、監測、和管理新出現的疫情。
在這篇文章中,Dr. Dzau 提出 ”學術醫療系統(AHS)”在新冠肺炎 (COVID-19) 大流行期間,必須利用他們的經驗之機會,以及他們可以在 3 個任務領域中的每一個領域利用其獨特優勢的方式。在臨床照護領域,”學術醫療系統” 可以接觸到傳統臨床環境以外的患者,建立國家和地區網絡,推進數據管理的洞察力,與社區互動,並支持和保護勞動力。在研究領域,他們可以利用數據科學和人工智慧,進行大流行的預測,利用社會和行為科學,進行臨床試驗,並制訂研發準備和運營計劃。在教育領域,”學術醫療系統(AHS)”可以促進遠距學習,使跨專業學習成為常態,並建立繼續教育體系。
致謝:
筆者非常感謝 Dr. V.J. Dzau (President, National Academy of Medicine, Washington, DC, and past chief executive officer (CEO), Duke University Health System, Durham, North Carolina) 同意翻譯 “How Academic Health Systems Can Be Ready for the Next Pandemic”。
Reference: