论文部分内容阅读
研究目的1.筛选急诊危重患者预后的预测因子,针对其在急诊的预后构建预测模型并将其转化为简易评分工具,即急诊危重患者预后评分工具(critical patients outcome scale for emergency department,CPOS-ED),同时将其与急诊常用的 MEWS、REMS 和 RAPS评分相比较,以评价其临床应用效果。2.筛选急诊严重创伤患者预后的预测因子,针对其在急诊的预后构建预测模型并转化为简易评分工具,同时将其与急诊常用的ISS和RTS评分相比较,以评价其临床应用效果。3.将本研究构建的急诊危重患者和严重创伤患者的预后预测评分工具嵌入急诊电子预检分诊系统,对其临床应用效果进行前瞻性验证。同时,对两种工具在急诊护士的应用效果进行评价并与其他工具对比。研究方法1.构建急诊危重患者预后预测模型。选取2019年9月至2020年8月于苏州大学附属第一医院总院急诊科就诊的危重患者(分诊级别为Ⅰ级、Ⅱ级的患者),收集其就诊时的一般资料、首次测量的生理指标及在急诊的预后。根据患者离开急诊时的预后(存活或死亡)进行分层随机,按照7:3的比例分配建模组与验证组。通过单因素分析和多因素Logistic回归分析筛选出急诊危重患者预后的独立预测因子并构建急诊危重症患者预后预测模型。2.将急诊危重患者预后预测模型转化为简易评分工具(CPOS-ED)。根据多因素Logistic回归的结果,参考回归方程中各因子的β值,将预测模型转化为可快速应用的简易评分工具CPOS-ED,并将其应用效果与急诊常用的MEWS、REMS和RAPS评分相比较。3.构建急诊严重创伤患者预后预测模型。选取2019年9月至2020年11月于苏州大学附属第一医院急诊科就诊的严重创伤患者,收集其就诊时的一般资料、首次测量的生理指标及在急诊的预后。根据患者离开急诊时的预后(存活或死亡)进行分层随机,按照7:3的比例分配建模组与验证组。通过单因素分析和多因素Logistic回归分析筛选出急诊严重创伤患者预后的独立预测因子并构建急诊严重创伤患者预后预测模型。4.将急诊严重创伤患者预后预测模型转化为简易评分工具。根据多因素Logistic回归的结果,参考回归方程中各因子的β值,将预测模型转化为可快速应用的简易评分工具,并将其应用效果其与创伤患者常用的ISS和RTS评分相比较。5.对CPOS-ED和急诊严重创伤患者预后预测评分工具进行前瞻性验证和应用评价。利用信息技术,将本研究构建的急诊危重患者和严重创伤患者预后评分工具做成应用软件嵌入急诊电子预检分诊系统,对其临床应用效果进行为期2个月的前瞻性验证。同时对本研究中构建的两种评分工具在急诊护士的应用效果进行评价,即护士计算时需花费的时间、计算准确度、使用满意度并与急诊常用的评分工具对比。研究结果1.构建急诊危重患者预后预测模型。2019年9月至2020年8月,苏州大学附属第一医院总院急诊科就诊总人次共70647例,符合纳入、排除标准的患者共5338例,其中急诊死亡150例,危重患者在急诊的死亡率约为2.8%。模型构建组纳入3737例患者,验证组1601例。单因素分析结果显示,两组患者在年龄、收缩压、脉搏、呼吸、体温、SpO2、AVPU评分及入院方式上差异均有统计学意义(P<0.05)。多因素Logistic回归分析结果显示,年龄、收缩压、脉搏、呼吸、体温、SpO2、AVPU及入院方式共8个变量是急诊危重患者预后的独立预测因子(P<0.05)。该预测模型的AUC为0.882,灵敏度为0.848,特异度为0.755。2.将急诊危重患者预后预测模型转化为简易评分工具(CPOS-ED),并将其与MEWS、RAPS和REMS比较。CPOS-ED中包括年龄、收缩压、脉搏、呼吸、体温、SpO2、AVPU及入院方式共8个变量,其预测急诊危重患者预后的AUC为0.876,最佳截断值为14分,灵敏度为0.810,特异度为0.775。MEWS预测急诊危重患者预后的AUC为0.811,最佳截断值为4分,灵敏度为0.705,特异度为0.712。RAPS预测急诊危重患者预后的AUC为0.737,最佳截断值为5分,灵敏度为0.505,特异度为0.872。REMS预测急诊危重患者预后的AUC为0.785,最佳截断值为9分,灵敏度为0.619,特异度为0.825。结果显示,CPOS-ED的预测效能优于MEWS、RAPS和REMS(P<0.05),而 MEWS 和 REMS 的预测效能优于 RAPS(P<0.05)。3.对CPOS-ED进行前瞻性验证和应用评价,并与MEWS、RAPS和REMS比较。2021年10月至11月,苏州大学附属第一医院总院急诊科就诊总人次共13224例,符合纳入、排除标准的急诊危重患者997例,其中急诊死亡患者急诊危重患者27例。CPOS-ED预测急诊危重患者在死亡率的AUC为0.889,灵敏度为0.963,特异度为0.695。每次计算CPOS-ED的平均耗时为46.8s,准确度95.0%,使用满意度93.8%;每次计算MEWS的平均耗时为30.2s,准确度96.3%,使用满意度100.0%;每次计算RAPS的平均耗时为55.3s,准确度87.5%,使用满意度68.8%;每次计算REMS的平均耗时为68.8s,准确度75.0%,使用满意度62.5%。CPOS-ED的平均耗时、计算准确度和使用满意度与MEWS相比,差异均无统计学意义(P>0.05)。CPOS-ED的平均耗时均低于RAPS和REMS,其计算准确度和满意度均高于REMS,差异有统计学意义(P<0.05)。4.构建急诊严重创伤患者预后预测模型。2019年9月至2020年11月,苏州大学附属第一医院总院急诊科符合纳入、排除标准的严重创伤患者共863例,其中急诊死亡21例,急诊严重创伤患者在的死亡率约为2.4%。最终建模组603例,验证组259例。单因素分析结果显示,两组患者在年龄、收缩压、SpO2和AVPU评分上差异均有统计学意义(P<0.05)。多因素Logistic回归结果显示,收缩压、SpC2及AVPU评分是急诊严重创伤患者预后的独立预测因子(P<0.05)。该模型的AUC为0.938,灵敏度为0.867,特异度为0.949。5.将急诊严重创伤患者预后预测模型转化为简易评分工具,并将其与RTS和ISS比较。急诊严重创伤患者预后评分工具中包括收缩压、SpO2及AVPU评分共3个变量,其预测患者在急诊死亡率的AUC为0.933,最佳截断值为5分,此时灵敏度为0.867,特异度为0.942。在建模组603例患者中,RTS预测急诊严重创伤患者死亡率的AUC为0.800,最佳截断值为11分,此时灵敏度为0.868,特异度为0.733。在建模组中共386例患者有完整的ISS评分,结果显示ISS的AUC为0.833,最佳截断值为15分,灵敏度为0.909,特异度为0.796。将急诊严重创伤预后评分与RTS和ISS的AUC进行比较。结果显示,急诊严重创伤预后评分与ISS的AUC差异无统计学意义(P>0.05),与RTS的AUC差异有统计学意义(P<0.05)。6.对急诊严重创伤患者预后评分进行前瞻性验证和应用效果进行评价并与RTS比较。2021年10月至11月,苏州大学附属第一医院总院急诊科就诊总人次共13224例,符合纳入、排除标准的严重创伤患者123例,死亡患者3例。急诊严重创伤患者预后评分的AUC为0.919,灵敏度为1.00,特异度为0.767。每次计算急诊严重创伤患者预后评分平均耗时为15.2s,准确度98.8%,使用满意度100.0%。每次计算RTS的平均耗时为19.0s,准确度97.5%,使用满意度100.0%。急诊严重创伤患者预后评分的计算耗时比RTS缩短了 4s,差异具有统计学意义(P<0.05),其计算准确度可达98.8%,使用满意度与RTS一样均可达到100.0%。研究结论1.本研究中,急诊危重患者的死亡率约为2.8%。年龄、收缩压、脉搏、呼吸、体温、SpO2、AVPU评分和入院方式是急诊危重患者预后的独立预测因子。2.本研究基于急诊危重患者就诊时首次获得的各项资料所构建的CPOS-ED对急诊危重患者预后的预测效能优于MEWS、REMS和RAPS。3.急诊严重创伤患者的死亡率约为2.4%。收缩压、SpO2、AVPU评分是急诊严重创伤患者预后的独立预测因子。4.本研究基于急诊严重创伤患者生理指标构建的急诊严重创伤患者预后预测模型及评分工具具有较高的预测效能,其预测效能优于RTS。5.前瞻性验证结果表明,CPOS-ED和急诊严重创伤患者预后评分均具有较高的分辨度,两种工具应用的耗时不长、计算准确度和使用满意度均较高。