种族与民族因素在临床算法中的应用：构建数据库揭示现状与推动变革

《Scientific Reports》：Online database of clinical algorithms with race and ethnicity

临床算法中种族和民族因素的不当使用可能加剧健康差距，为解决这一问题，研究人员开展 “临床算法中种族和民族因素使用情况” 的研究。他们创建相关在线数据库，发现多种基于种族和民族的风险计算器、药物指南等，该研究有助于推动消除其不当使用19。

　　在医学领域，临床算法是辅助医疗决策的重要工具，然而近年来，其使用过程中涉及种族和民族因素的问题逐渐引发广泛关注。传统观念中，种族和民族常被用于医学研究，以探讨遗传变异、疾病流行情况以及治疗反应等。但随着研究的深入，人们发现种族和民族本质上是历史和社会构建的概念，并非单纯的生物学范畴。将它们作为遗传或生物学差异的替代指标，会过度简化复杂的健康问题，进而导致医疗资源分配不均、误诊、治疗不当等后果，进一步加剧不同种族和民族之间的健康差距。例如，一些疾病在特定种族或民族群体中被过度关联，使得医护人员可能因患者的种族背景而产生先入为主的判断，影响诊断和治疗决策。

为了深入探究这一现象，来自美国匹兹堡大学（University of Pittsburgh）的研究人员展开了一项系统研究。他们旨在创建一个全面且实时更新的数据库，收录那些将种族和民族作为预测因子的临床算法，以此提高人们对该问题的认知，并追踪在消除其不当使用方面所取得的进展12。

在研究方法上，研究人员主要运用了以下几种关键技术：一是广泛的数据库搜索，通过对互联网资源、专业数据库以及同行评审的科学文献进行系统性检索，查找可能使用种族和民族因素的临床计算器、药物和医疗设备；二是数据提取与整理，从筛选出的资源中提取相关信息，包括算法的名称、用途、种族和民族因素的使用方式及依据等，并进行分类整理；三是建立在线数据库，将收集和整理好的数据公开于在线平台，方便各界查询和使用，同时设置提交功能，鼓励公众补充遗漏的信息1011。

研究结果主要体现在以下几个方面：

• 临床计算器：研究人员共识别出 191 个包含临床计算器的互联网资源和 208 篇同行评审文章，经筛选和合并，最终确定了 48 个使用种族和民族作为预测因子的临床计算器。这些计算器涵盖风险预测、实验室检测参考范围设定和治疗方案推荐等不同领域。其中，42 个为风险计算器，5 个涉及实验室检测参考范围因种族和民族而异，1 个是基于种族和民族的治疗推荐。并且，部分计算器已进行修改，去除了种族和民族这两个预测因子34。
• 药物：借助 Micromedex 数据库，研究人员最初筛选出大量可能存在基于种族和民族指南的药物，经过去重和排除不符合标准的药物后，最终确定了 15 种药物。这些药物依据种族和民族因素的应用场景，可分为基于种族和民族的适应症推荐、剂量调整、监测频率设定以及药物基因检测筛查等类别56。
• 医疗设备：通过对 83 篇同行评审文章的筛选，研究人员发现了 5 种在性能上存在种族和民族差异的医疗设备。这些设备主要涉及皮肤颜色和头皮毛发特征等方面，例如，部分光电容积脉搏波传感器、脉搏血氧仪等在深色皮肤上的性能较差，而脑电图头皮电极的性能受头皮毛发和发型影响78。

在研究结论与讨论部分，该研究具有多方面的重要意义。一方面，它揭示了临床算法中种族和民族因素使用的现状，为后续研究和政策制定提供了详实的数据支持。另一方面，它也强调了当前种族和民族分类系统缺乏标准化的问题，这一问题导致临床算法在应用过程中存在诸多模糊和不确定性。此外，研究还指出，虽然种族和民族因素在临床算法中的使用存在诸多争议，但完全摒弃它们也可能忽略一些重要的健康风险因素。因此，对于每个临床算法，都需要进行系统分析，根据具体情况决定是去除、替换还是保留种族和民族因素。目前，已有部分临床算法进行了修订，去除了种族和民族因素，未来随着医学研究的深入和技术的进步，有望找到更精准、公平的替代指标，推动医学向更加公平和精准的方向发展。