术后通过代理人评估入院前患者报告结局的可靠性:一项前瞻性、多中心观察性研究
这项前瞻性多中心观察性研究在德国两家三级大学医院纳入204对患者-代理人,患者为能独立回答PROMs的成人手术患者,术前由患者自评,术后由代理人在ICU或普通病房评估。Bland-Altman分析显示所有问卷的95%一致性界限均超出最小临床重要差异(MCID),提示可靠性不足;ICU患者中代理人倾向于给出更差的评分(WHODAS 2.0、IADL及SF-36部分维度),EQ-5D在ICU和非ICU队列均存在偏差。作者结论认为代理人评估PROMs可靠性不足,在ICU患者中偏差显著,应谨慎应用且不可与患者报告互换。
要点
- 在204对患者-代理人中,所有问卷的95%一致性界限均超出MCID,代理人评估可靠性不足。
- ICU患者中代理人评分显著偏差:WHODAS 2.0平均差−8.2(95%CI −11.8至−4.6),Barthel指数3.5(95%CI 1.0至5.9),SF-36 PCS 3.5(95%CI 1.6至5.4),MCS 3.8(95%CI 1.4至6.2)。
- 配对差异超出MCID的比例:SF-36 PCS普通病房47例(46%)vs ICU 58例(57%);MCS普通病房59例(58%)vs ICU 62例(61%);WHODAS 2.0普通病房58例(57%)vs ICU 78例(77%);EQ-5D-5L普通病房40例(39%)vs ICU 46例(45%);Barthel指数普通病房22例(22%)vs ICU 21例(21%)。
- IADL的Cohen kappa显示未加权为“fair”,加权后改善为“moderate”。
- 作者结论:代理人评估PROMs应谨慎应用,不可与患者报告互换。
适用人群与场景
- 纳入标准:至少18岁、术后期间有代理人可到场、术前能独立回答PROMs(SF-36、EQ-5D-5L、WHODAS 2.0、IADL、Barthel Index)的成人手术患者。
- 排除标准:术前无法独立回答PROMs的患者。
- 场景:德国两家三级大学医院,术后入住ICU或普通病房。
研究设计与关键结果
- 研究类型:前瞻性多中心观察性研究,共纳入204对患者-代理人,其中102例(50%)术后入住ICU。
- 患者中位年龄69岁(IQR 59–77),41%女性;代理人中位年龄64岁(IQR 53–71),68%女性。
- 所有问卷的Bland-Altman 95%一致性界限均超出MCID(SF-36 PCS 5、MCS 5.5、WHODAS 2.0 5、EQ-5D 0.18、Barthel Index 9.8),提示可靠性不足。
- ICU患者中代理人评分显著偏差:SF-36 PCS平均差3.5(95%CI 1.6–5.4),MCS平均差3.8(95%CI 1.4–6.2),WHODAS 2.0平均差−8.2(95%CI −11.8至−4.6),Barthel指数平均差3.5(95%CI 1.0–5.9),均显示代理人评分更差。
- 普通病房患者中SF-36、WHODAS 2.0、Barthel指数未见显著偏差;EQ-5D在ICU和普通病房均存在偏差。
- 配对差异超出MCID的比例:SF-36 PCS普通病房47例(46%)vs ICU 58例(57%);MCS普通病房59例(58%)vs ICU 62例(61%);WHODAS 2.0普通病房58例(57%)vs ICU 78例(77%);EQ-5D-5L普通病房40例(39%)vs ICU 46例(45%);Barthel指数普通病房22例(22%)vs ICU 21例(21%)。
- IADL的Cohen kappa显示未加权为“fair”,加权后改善为“moderate”。
- 亚组分析:接触频率和共同居住状态均未显示与MCID以下差异比例有显著关联。
证据类型、等级与局限
- 证据类型:前瞻性多中心观察性研究。
- 局限:评估的主观性质导致无法确定患者或代理人的回答哪个更接近客观功能状态;队列仅包括能术前完成问卷的择期手术患者,医疗ICU患者、急诊入院患者及其代理人是否同样存在偏差尚不清楚;文化和社经因素未单独分析,可能为潜在混杂因素;部分招募在SARS-CoV-2大流行期间进行,其影响无法评估。
对床旁实践的改变
- 作者结论:代理人评估PROMs可靠性不足,在ICU患者中偏差显著,应谨慎应用,不可与患者报告互换。
- 作者认为未来亟需研究客观或稳健的主观测量工具,以充分指导治疗决策、研究纳入和ICU入院前评估的制定。
提炼说明
- 原文未涉及「诊断标准与关键阈值」「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译16 节 · 点击展开
引言
患者在重症监护前的身体、心理和认知状态是影响治疗过程及其结果的关键因素,尤其是在老龄化人群中[1, 2]。特别是,入院前状态是重症监护病房(ICU)死亡率和住院死亡率的独立且稳健的预测因子[3, 4]。此外,入院前状态影响发病率,因为已有研究表明其影响依赖性、生活质量和出院后再入院率[5]。因此,在ICU床位短缺的情况下(如COVID-19大流行期间),将入院前状态纳入分诊工具是合乎逻辑的——尽管在伦理上存在争议[6]。通常,入院前状态通过多种患者报告结局测量(PROM)进行评估,这些测量与ICU出院后的实际功能状态具有强相关性[7]。
不幸的是,由于危重疾病往往突然发作,ICU患者的入院前状态常常未知。因此,有人提出通过代理评估来获取缺失的入院前状态信息[8]。然而,在一项对社区居住的Medicare受益者进行的倾向评分匹配分析中,代理评估存在固有偏倚[9]。同样,一项倾向评分匹配队列——由来自中国全国健康调查普通人群中选出的超过22,000名参与者组成——证明了存在系统性偏倚,即代理人低估了健康状况[10]。一项系统综述得出结论,代理评估的质量存在异质性,取决于评估工具和环境[11]。因此,将结果外推至不同队列和结局测量具有挑战性。早期研究表明,由于多种偏倚,ICU队列中的可靠性不足。Rogers等人的试验在ICU出院时收集患者和代理人的回答,从而消除了当患者结局不明确时可能影响代理回答的混杂因素。Hofhuis等人仅纳入在ICU入院时能够回答的患者,使得代理评估变得多余。因此,证据仍无定论[12, 13]。此外,缺乏研究探讨ICU环境对代理评估的影响。
尽管ICU代理评估PROM的可靠性不确定,但它在临床环境中广泛用于预后判断和治疗决策,以及研究中用于研究纳入。本研究旨在前瞻性研究通过PROM获取的ICU入院前状态代理评估的可靠性,并论证ICU环境对代理评估的影响。
方法
这项前瞻性双中心观察性研究经慕尼黑工业大学医学院机构伦理委员会批准(542/18S),并在柏林夏里特大学医学院和慕尼黑工业大学伊萨尔河右岸医院按照《赫尔辛基宣言》进行。该研究于2018年12月28日在ClinicalTrials.gov注册(NCT03785444)。
参与者
患者符合招募条件的标准为:年龄至少18岁,且术后期间能够有代理人到场。代理人被视为与患者在情感或社会上有联系的人。不要求存在家庭或法律关系的约束,以反映现代社会关系的多样性和现代环境。患者在手术前无法独立回答PROMs(患者报告结局测量工具)为排除标准。患者在获得书面知情同意后与代理人一同入组研究。筛查采用方便抽样法进行。
数据收集
数据由经过培训的专职研究人员在入组后收集,以准确反映代理人在患者无法应答时代为回答的真实场景。因此,患者在术前于普通病房或麻醉前咨询期间接受访谈。相应地,代理人在术后接受访谈,即在患者无法应答时,于普通病房、ICU或通过电话进行。这主要取决于代理人的可及性,反映真实世界的临床场景。患者和代理人均以书面或口头形式提供回答,由访谈者记录在病例报告表中。访谈涵盖基线人口学变量以及不同PROMs的所有条目。访谈时长取决于受访者,未事先设定或限制。
变量
记录患者的人口学数据(即年龄、性别、住院时长、既往合并症、上述疾病的既往用药、既往手术次数以及即将进行的手术的外科专科)和代理人的人口学数据(即年龄和性别),同时收集有关其关系的定性和定量指标,包括关系状态、是否同住以及探访、通话或发短信的频率。采用多种经验证的患者报告结局测量工具(PROMs)评估患者的当前状态[14, 15],这些工具常用于研究危重症长期结局的研究中,并被多个核心结局指标集推荐。健康相关生活质量采用医学结局研究简表36(SF-36)评估,该工具被急性呼吸衰竭核心结局指标集推荐,同时结合营养和代谢干预相关指标。总体残疾和健康状况采用世界卫生组织残疾评定量表2.0(WHODAS 2.0)评估,因其与基于表现的结果测量高度相关;同时采用EQ-5D-5L,该工具被呼吸衰竭核心结局指标集推荐。日常生活独立性采用工具性日常生活活动能力(IADL)量表和Barthel指数测量,依据营养和代谢干预核心结局指标集的建议,并作出修改:这两项测量报告的是本次入院前两周的情况[7, 16–22]。
样本量
患者与代理人的结果采用Bland-Altman图进行比较。为此,推荐检验样本量为100例患者[23]。由此得出200例患者(100例ICU患者和100例非ICU患者)。
统计分析
对于SF-36,计算了心理成分评分和躯体成分评分(MCS/PCS),缺失数据按照Ware等人[16, 17]的手册进行处理。计算WHODAS 2.0的12个条目之和并转换为百分比,方法同Hodgson等人和Shulman等人先前的研究;缺失数据按照手册[24–26]所述进行处理。EQ-5D-5L的指数评分根据德国价值集[27]计算。IADL和Barthel总分按照初始发表文献[20, 22]中所述的方法计算。
评分中的缺失条目采用分类与回归树进行插补。此后,计算患者评分,同时纳入报告条目和插补条目。补充材料中提供了排除插补值的敏感性分析。
连续变量的描述性统计基于使用Shapiro–Wilk检验对分布正态性的评估,以中位数(四分位距——IQR)或均值(标准差——SD)报告。分类变量以计数(百分比)表示。组间差异的评估同样根据Shapiro–Wilk检验结果,对连续变量采用t检验或Mann–Whitney U检验,对分类变量采用卡方检验。
连续变量的评分者间信度通过Bland–Altman图评估,分类变量通过未加权和加权Cohen's kappa评估。偏差的临床可接受性通过将95%一致性界限与各问卷的最小临床重要差异(MCID)进行比较来评估(SF-36 PCS为5,MCS为5.5,WHODAS 2.0为5,EQ-5D为0.18,Barthel指数为9.8)[26, 28–30]。此比较的基本原理是,如果患者与代理者之间的偏差大于MCID,则两次评估之间具有临床意义的差异可能仅由应答者的不同所导致。系统性偏倚通过平均差的95%置信区间评估。差值通过从患者评分中减去代理者评分得出。该差值还以MCID作为截断值进行了二分类分析。统计分析使用IBM SPSS Statistics for Macintosh,版本27.0(IBM Corp,Armonk,NY,USA)和R Foundation for Statistical Computing(Vienna,Austria)进行。图表使用GraphPad Prism版本7.0.0 for Macintosh(GraphPad Software,San Diego,CA,USA)和R Foundation for Statistical Computing(Vienna,Austria)创建。
结果
研究队列
共筛选了368对患者-代理人配对,其中204对在2019年2月25日至2020年7月27日期间被纳入。102例(50%)患者术后入住重症监护病房(ICU)(图S1)。患者中女性占41%,中位年龄为69岁[四分位距(IQR)59–77]岁,主要因内脏或心脏手术入院。中位住院时间为13.0[IQR 8.0–21.0]天,中位ICU住院时间为3.0[IQR 1.0–5.0]天。与术后入住普通病房的患者相比,术后入住ICU的患者年龄显著更大、更多合并需要药物治疗的疾病、大多为心脏手术患者,且术前患者报告结局测量指标(PROMs)更差(表1)。其代理人中位年龄为64[IQR 53–71]岁,女性占68%,大多为同住一户的配偶,因此每天都能见到彼此。在ICU进行了38次术后访谈(表2)。
研究简表健康调查36项(SF-36)
Bland–Altman图显示,对于ICU患者(图1a、c)和普通病房患者(图1b、d),PCS和MCS的95%一致性界限均远超出PCS为5、MCS为5.5的MCID[28],表明可靠性不足。二分类分析证实了这一点,该分析显示评分差异超出MCID的配对比例很高。在该分析中,普通病房和ICU患者显示出相似的比例(表3)。虽然普通病房患者不存在偏倚,但观察到ICU患者的代理人对PCS和MCS的评估显著偏差,倾向于更差的评价(图1a–d)。未进行插补的敏感性分析显示相似结果(补充文件1:图S1和表S1)。
世界卫生组织残疾评定量表2.0
与SF-36类似,Bland–Altman图显示WHODAS 2.0的95%一致性界限在ICU患者(图2a)和普通病房患者(图2b)中均远远超出5的MCID [26],表明可靠性不足。此外,在ICU患者中明显存在代理评估者倾向于给出更差评价的显著偏倚,而在普通病房患者中未能发现这一现象(图2a、b)。二分类分析再次证实了这一点,显示ICU患者中超出MCID的比例显著高于普通病房患者(表3)。未进行插补的敏感性分析显示了类似结果(补充文件1图S2和表S1)。
EQ-5D
Bland–Altman图显示的95%一致性界限在ICU患者(图2c)和普通病房患者(图2d)中再次超出0.18的MCID [29],表明EQ-5D的可靠性同样不足。此外,两个队列中均存在代理评估者倾向于给出更差评价的显著偏倚。二分类分析也指向可靠性不足,尽管ICU与普通病房患者之间无显著差异(表3)。未进行插补的敏感性分析显示了类似结果(补充文件1:图S3和表S1)。
Barthel指数
Bland–Altman图显示,在ICU患者(图2e)和普通病房患者(图2f)中,95%一致性界限超出了最小临床重要差异(MCID)9.8 [30],表明Barthel指数的可靠性不足。此外,在ICU患者中可观察到代理评估者倾向于给出更差评估的显著偏倚。二分法分析进一步印证了这些结果,相当比例的ICU和普通病房患者显示出超出MCID的差异(表3)。未进行插补的敏感性分析显示了相似的结果(补充文件1图S2和表S1)。
工具性日常生活活动能力
采用未加权值评估时,IADL的一致性为“一般”,采用加权kappa值评估时改善至“中等”(表S2)。敏感性分析证实了这些发现(补充文件1表S3)。
亚组分析
我们进行了一项亚组分析,将患者与代理评估者之间的接触频率以及双方是否共同居住作为密切关系的指标。两个变量在评估差异低于MCID的比例上均未显示出显著差异(补充文件1表S4和表S5)。
讨论
这是第一项在手术患者群体中研究通过代理评估者进行入院前患者报告结局指标(PROM)评估可靠性的研究,重点关注在手术前及相应ICU入院前报告了PROM的术后ICU患者。我们能够证明,通过代理评估者对SF-36、WHODAS 2.0、IADL、EQ5D-5L和Barthel指数的评估可靠性不足。此外,ICU患者中存在显著偏倚,代理评估者给出的评估比普通病房患者更差,表明ICU入院或住院似乎是代理评估中的一个重要混杂因素。
代理评估者,如子女、配偶和朋友,在其亲人接受ICU治疗期间会经历严重的睡眠障碍、焦虑和疲劳,这可能影响其判断[31, 32]。这些因素可能导致回忆偏倚,进而影响通过PROM对入院前状态的评估,解释了可靠性不足和观察到的偏倚。我们的发现和这一假设与Rogers等人的研究一致,他们也评估了ICU患者中SF-36代理评估的可靠性。他们证明可靠性受损,显示出代理评估者倾向于给出更差评估的显著偏倚,这与我们的结果一致。然而,他们是在ICU出院时和六个月后收集评估入院状态的评分,显示出院6个月后可靠性有所改善,从而进一步支持了ICU环境对代理评估有显著影响的论点[12]。在ICU入院时,当患者预后不确定时,这种偏倚可能更为明显。此外,目前尚不清楚具有某些特征(如长期关系或同居)的患者和代理评估者是否表现出更好的可靠性。这一问题应在未来研究中加以探讨。
通过评估96例择期心脏手术患者在术前、出院时及出院后6个月进行的代理评估的可靠性,进一步支持了环境因素的影响。一致性水平最低出现在出院时[33]。这些研究证实了我们在ICU队列中观察到的偏倚,而该偏倚在普通病房队列中不存在,提示该偏倚源于代理者当前状况的影响。
由于未进行客观测量,目前尚不清楚患者或代理者的回答哪个更准确。在ICU环境中存在多种可能影响患者自我报告的因素。反应转移,即自我报告的生活质量因时间点和环境而变化,是既往回顾性评估入院前状态的试验中的一个混杂因素[34]。这种转移在其他群体中也被观察到,例如严重行动障碍个体[35]。另一方面,创伤后应激障碍(PTSD)和抑郁是危重症后常见的挑战[36, 37]。此外,ICU队列中可能表现出较低的患者报告结局测量(PROM)评分和更多的慢性疾病,这可能导致了该组中观察到的患者与代理者之间的偏倚。这些因素可能是扭曲患者自我评价的混杂因素,无论是正向还是负向。Dinglas等人的工作强调了这一点,他们评估了出院时进行的患者与代理者评估之间关于入院前基线状态的差异。他们在Bland–Altman分析中发现了非线性偏倚,表明代理者倾向于降低患者的回答;具体而言,当患者评分较高时,代理者评分较低,反之,当患者评分较低时,代理者评分较高[34]。这进一步表明偏倚并非均匀一致,而是取决于所用工具、疾病严重程度、危重症结局和既往功能状态等变量。我们的结果反映了这一点,因为采用明确定义量表的工具性日常生活活动能力(IADL)的可靠性往往优于使用更主观量表的评分。
健康相关生活质量工具具有主观性,使其更难以由代理者报告。Elliott等人的研究说明了这些因素,他们发现较为客观的测量指标(如躯体功能)一致性较好,而主观领域(如活力)一致性较差[33]。这强调需要进一步研究,以识别并实施对危重症患者代理评估混杂具有抵抗力的结局测量指标。
Hofhuis等人的研究是唯一一项与我们类似、探讨重症监护病房(ICU)入院时患者健康相关生活质量代理评估可靠性的研究。他们使用SF-36评估健康相关生活质量。其研究显示,除生理角色和情感角色外,患者在SF-36各领域与代理评估者之间存在显著差异[13]。这与我们的发现一致,即可靠性较差。然而,其研究对现实场景的适用性有限,因为他们的患者能够在ICU入院时自行完成问卷。尽管如此,Scales等人在ARDS患者队列中得到了类似结果,即在入院时访谈代理评估者、随后访谈患者[38]。与SF-36结果一致,EQ-5D通过代理评估者获取时同样表现不佳[34]。对于所探索的其他评估工具,尚无可用研究。本研究的一个优势在于其多中心设计,以及在不同时间点对患者和代理评估者进行评估——患者在手术前和ICU入院前,代理评估者在手术后和ICU入院后。该设计反映了代理评估者在患者入住ICU后接受访谈的真实世界场景。这种方法允许将ICU评估为代理评估者应答的混杂因素,同时排除其作为患者应答的混杂因素,而若在ICU内评估患者则可能发生后者。另一个优势是队列内部的异质性,这有助于推广至广泛的外科ICU患者群体。
结果受到所进行评估主观性质的限制,因为无法确定患者或代理评估者的应答哪个更接近客观功能状态。然而,对于患者报告结局指标(如生活质量),患者的评分作为金标准,独立于客观评估。此外,由于通气或镇静,ICU入院时准确的功能测量往往无法获得。第二个局限性是我们的队列仅纳入能够在术前完成问卷的择期手术患者。目前尚不清楚内科ICU患者、急诊入院患者及其代理评估者是否同样存在偏倚。此外,急诊入院可能引入更大偏倚,因为上述混杂因素可能因疾病的突发性及其对代理评估者的影响而增加。这两个方面均应在未来试验中进行研究。文化和社会经济因素未单独考察,可能是潜在的混杂因素。这些因素也可能导致应答偏倚,因为外部期望可能使代理评估者的应答产生偏差。迄今为止,对于ICU入住可能性高的手术前的患者评估,以及外科患者入住ICU前的状态,尚无既定的核心结局指标集。所使用的问卷代表了应用于不同重症监护研究主题的各种核心结局指标集的样本。此外,部分招募发生在SARS-CoV-2大流行期间,其作为主流媒体强调高死亡率的焦点对重症监护的影响无法评估。
总之,对入院前患者报告结局测量(PROMs)的代理评估显示出可靠性不足,并且在重症监护病房(ICU)患者中使用常用问卷(SF-36、WHODAS 2.0、ED-5L 和 Barthel 指数)时表现出显著偏倚。因此,应谨慎应用,不应在分析中与患者报告互换使用。迫切需要未来对客观或稳健的主观测量指标进行研究,以便为治疗决策、研究纳入以及制定合适的 ICU 入院前评估提供充分依据。
补充信息
补充材料 1。
参考来源
- Grunow JJ, Hartmann L, Ulm B, et al. Reliability of pre-admission patient-reported outcome measures postoperatively assessed via proxies: a prospective, multicenter observational study. Crit Care. 2025. PMID: 40390142. doi:10.1186/s13054-025-05431-6
- 全文:PMC12090533(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12090533/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。