四种急诊科谵妄风险分层工具的外部验证
这项预后研究在单中心学术急诊科回顾性纳入44578例65岁以上患者,验证4种谵妄风险分层工具,谵妄患病率3.8%。REDEEM评分AUROC最高(0.921),切点11时敏感度0.83、特异度0.92、阳性LR 9.91;MDP工具AUROC 0.898,30%切点时阳性LR 9.69。Kennedy规则AUROC 0.777,Zucchelli工具AUROC 0.701。作者认为REDEEM与MDP判别和校准最佳,且可嵌入电子病历自动评分,但需在多中心更多样人群中进一步验证。
要点
- REDEEM评分切点11:AUROC 0.921,敏感度0.83、特异度0.92、阳性LR 9.91、阴性LR 0.18,阴性预测值0.99。
- MDP工具30%切点:AUROC 0.898,敏感度0.51、特异度0.95、阳性LR 9.69、阴性LR 0.52,阳性预测值0.28。
- Kennedy规则切点5:AUROC 0.777,敏感度0.55、特异度0.85、阳性LR 3.54、阴性LR 0.54。
- Zucchelli工具切点5:AUROC 0.701,敏感度0.68、特异度0.66、阳性LR 1.99、阴性LR 0.49。
- REDEEM评分变量多在分诊或急诊停留1小时内可得,MDP依赖急诊不易获得的实验室检查和ICU入住等变量。
适用人群与场景
- 纳入2021年1月1日至2023年12月31日连续就诊的75岁及以上成人,以及2024年1月1日至12月31日连续就诊的65岁及以上成人,均来自明尼苏达州单中心学术急诊科。
- 排除无或不完整DTS和/或bCAM谵妄筛查者(60832次合格就诊中排除16254次,26.7%)。
- 急性卒中、意识混乱、言语障碍和严重创伤患者通常未接受评估。
诊断标准与关键阈值
- 谵妄判定采用两步筛查:先做谵妄分诊筛查(DTS),阴性可排除谵妄;DTS阳性者再做简易意识混乱评估法(bCAM),bCAM阳性判定为谵妄。
- DTS阳性但bCAM阴性、或无DTS阳性而bCAM阴性者判为无谵妄;多次筛查中任一次阳性即判为谵妄阳性。
- Kennedy规则风险分层:低危≤2分、中危3-4分、高危≥5分。
- Zucchelli工具提供两个切点:3分用于较高敏感度,5分用于较高特异度。
- MDP工具按谵妄预测概率分层:低危≤5%、中危6%-29%、高危≥30%。
- REDEEM评分提供两个切点:5分用于较高敏感度,11分用于较高特异度。
红旗征与不能漏的情况
- 谵妄在急诊常被漏诊,最高可达83%的病例未被识别;低活动型更常见且常被漏诊。
- 漏诊谵妄与住院延长、认知损害、医疗费用增加、长期功能下降及短期和长期死亡率升高相关。
- 急诊出院时未识别谵妄与6个月死亡率增加3倍相关。
研究设计与关键结果
- 预后研究,单中心回顾性队列,纳入44578例患者,1701例(3.8%)诊断为谵妄;中位年龄80.0岁(IQR 75.0-85.0),女性22786例(51.1%)。
- Kennedy规则AUROC 0.777(95%CI 0.766-0.789);切点5时敏感度0.55(95%CI 0.52-0.57)、特异度0.85(95%CI 0.84-0.85)、阳性LR 3.54(95%CI 3.37-3.72)、阴性LR 0.54(95%CI 0.51-0.57)、阳性预测值0.12(95%CI 0.12-0.13)、阴性预测值0.98(95%CI 0.98-0.98)。
- Zucchelli工具AUROC 0.701(95%CI 0.686-0.713);切点5时敏感度0.68(95%CI 0.66-0.70)、特异度0.66(95%CI 0.65-0.66)、阳性LR 1.99(95%CI 1.92-2.06)、阴性LR 0.49(95%CI 0.45-0.52)、阳性预测值0.07(95%CI 0.07-0.08)、阴性预测值0.98(95%CI 0.98-0.98)。
- MDP工具AUROC 0.898(95%CI 0.891-0.905);30%切点时敏感度0.51(95%CI 0.48-0.53)、特异度0.95(95%CI 0.95-0.95)、阳性LR 9.69(95%CI 9.11-10.31)、阴性LR 0.52(95%CI 0.50-0.55)、阳性预测值0.28(95%CI 0.26-0.29)、阴性预测值0.98(95%CI 0.98-0.98)。
- REDEEM评分AUROC最高,为0.921(95%CI 0.914-0.929);切点11时敏感度0.83(95%CI 0.81-0.85)、特异度0.92(95%CI 0.91-0.92)、阳性LR 9.91(95%CI 9.54-10.29)、阴性LR 0.18(95%CI 0.17-0.20)、阳性预测值0.28(95%CI 0.27-0.29)、阴性预测值0.99(95%CI 0.99-0.99)。
- 校准方面Brier评分:Kennedy规则0.034、Zucchelli工具0.035、REDEEM评分0.028、MDP工具0.035;REDEEM评分Brier技能评分最高、校准最佳。
- 使用原研究截距时,REDEEM评分和MDP工具的预测概率略高于本队列观察到的谵妄发生率(本队列3.8% vs 原研究11.1%和13.8%)。
证据类型、等级与局限
- 证据类型:预后研究(外部验证),单中心回顾性队列,遵循TRIPOD报告规范。
- Kennedy规则AUROC 0.777 vs 原研究0.77;MDP工具AUROC 0.898 vs 验证研究0.82;REDEEM评分AUROC 0.921 vs 开发研究0.901;Zucchelli工具AUROC 0.701 vs 原研究0.893。
- 作者指出Zucchelli工具判别力较低可能与其模型在训练集中按最高AUROC选择变量导致过拟合有关,且本队列慢性精神药物使用比例(60.7%)约为原测试集(34.6%)的近两倍。
- 局限:研究在单中心学术急诊科进行,患者以非西班牙裔白人为主,结果可能不适用于不同患者人群的医院。
- 局限:各研究变量提取方法不同,可能影响一致性;为自动化提取精神药物而自建的药物清单可能与Zucchelli等所用清单不同。
- 局限:以DTS和bCAM作为谵妄判定金标准,二者虽经验证但并非谵妄识别金标准(金标准为DSM-5标准),可能无法识别细微的注意力障碍,并受患者或照护者语言和健康素养限制;Zucchelli工具和Kennedy规则使用不同的诊断参照标准(4 A's Test和CAM),检出率不同。
- 局限:研究为回顾性,使用电子病历提取数据,标准化程度较低,可能不准确或缺失。
- 局限:Kennedy等和Zucchelli等的研究未包含预测概率,本研究对评分应用Platt缩放获得估计值,导致校准基于本队列,无法比较原校准与其他工具的校准。
对床旁实践的改变
- 作者认为REDEEM评分和MDP工具在急诊谵妄检测中表现更好,为将经验证的风险分层整合进急诊流程、改善高危老年人早期谵妄检测和预防策略奠定基础。
- 作者指出REDEEM评分是最佳模型,其变量通常在分诊时(如生命体征、就诊原因)或急诊停留第1小时内(如跌倒风险评估、癫痫病史)可获得,且可嵌入电子病历利用临床记录数据自动评分。
- 作者指出MDP工具表现相似且适用于急诊和住院场景,但依赖急诊不易获得的变量(如实验室检查、ICU入住)。
- 作者认为电子病历工具应提供确切评分或预测概率而非仅高危/低危,以基于敏感度和特异度阈值更好地指导谵妄检测和复测。
- 作者认为自动化系统可在不需要专职人员和额外时间的情况下提高检测率。
- 作者指出有效的预防和治疗策略尚待开发,未来需在多中心、更多样人群中确认结果,并研究急诊谵妄风险分层及后续干预对住院、死亡率和谵妄持续时间等患者导向结局的影响。
提炼说明
- 原文未涉及「处置流程与药物剂量」「指南或共识出处」,故未列出这些栏目。
全文中译10 节 · 点击展开
引言
谵妄是一种急性的、波动性的注意力、意识和认知障碍,通常由潜在的医学状况或药物作用引起。它是一种仅在床旁作出的临床诊断,表现为2种主要运动亚型:活动过度型和活动减退型,后者更为常见且常被漏诊。1,2
在老年急诊科(ED)中,谵妄的患病率约为10%至15%。3,4然而,谵妄在急诊科常被低估,多达83%的病例未被识别。1,5急诊科谵妄的诊断不足是多因素的,包括时间和资源限制、竞争性优先事项、未能认识到未被识别谵妄的后果、语言障碍、与照护伙伴接触的不一致、治疗虚无主义以及活动减退型表现占主导地位。1,6,7,8,9,10,11
及时识别谵妄至关重要,因为漏诊的谵妄与住院时间延长、认知障碍、医疗费用增加、长期功能下降以及短期和长期死亡率增加相关,尤其是在长时间发作后。1,11急诊科谵妄与较高的7天和30天死亡率相关,并且在因未被识别谵妄而从急诊科出院的患者中,6个月死亡率增加3倍。1,12,13
Kennedy等14提倡采用系统化、循证的方法进行谵妄检测和预防,强调可靠的筛查对于任何谵妄质量改进工作都是必不可少的。尽管谵妄筛查已被纳入老年急诊科的要求,但其实施具有挑战性且耗费资源,需要时间和专职人员。3,4,15,16,17,18,19使这些挑战更加复杂的是,全球急诊科人满为患,且老年人口正在快速增长。10,17,20使用风险分层工具识别谵妄高风险患者可增强谵妄检测并提高筛查实施的可行性。21然而,由于谵妄的波动性本质,开发此类预后系统具有挑战性。21
最近的一项系统综述22识别了6种谵妄风险分层工具,并显示良好的区分性能(受试者工作特征曲线下面积[AUROC],0.77-0.90);然而,这些工具对护理流程和临床结局的影响仍未得到证实。此外,这些工具的校准仍报告不足,反映了工具开发和验证中更广泛的问题,即方法学报告往往不充分。22,23,24,25,26
将自动化预测模型纳入电子健康记录(EHR)可支持实时风险评估。例如,Mayo谵妄预测(MDP)工具在住院患者中表现出强大的预测性能(AUROC,约0.80)。4,27,28然而,在将此类模型整合到临床实践之前,其稳健性和可推广性必须在外部队列中得到验证。22,29
本研究的目的是在一个不同于原始研究队列的急诊科队列中验证4种不同的谵妄风险分层工具。为此,我们选择了包含急诊就诊时可获得且可在日常急诊实践中实施的变量的工具。22我们还纳入了MDP工具,因为其自动化性质及其对住院和急诊环境的潜在适用性。
方法
本预后研究遵循多变量个体预后或诊断预测模型透明报告(TRIPOD)报告指南。30 本研究经明尼苏达州罗切斯特市梅奥诊所机构审查委员会批准,所有纳入患者均授权查阅病历。
谵妄测量
用于验证的队列包括2021年1月1日至2023年12月31日期间在明尼苏达州一家学术型急诊科就诊的所有连续75岁及以上成人急诊就诊,以及2024年1月1日至12月31日期间所有连续65岁及以上成人。主要结局为通过两步谵妄筛查测量的谵妄状态:谵妄分诊筛查(DTS)和简易意识模糊评估法(bCAM)。3,31,32 这些筛查由床边护士在其临床班次期间进行。首先实施DTS:由于其高敏感性,阴性结果可排除谵妄。若DTS结果阳性,则实施bCAM;鉴于其高特异性,bCAM阳性结果提示谵妄。DTS阳性但bCAM阴性,或bCAM阴性而无DTS阳性的患者,被归类为无谵妄。在一次急诊评估期间接受多次筛查的患者,若任一结果为阳性,则归类为谵妄阳性。无DTS和/或bCAM筛查或筛查不完整的患者被排除于主要结局分析之外(60 832次合格就诊中的16 254次[26.7%])。80%的患者定期进行床边评估。伴有急性卒中、意识模糊、言语障碍和严重创伤的患者通常未接受评估。
谵妄分层工具选择
我们的主要目标是验证适用于急诊科的谵妄分层工具。我们选择了以下4种评分,总结于表1:
Kennedy谵妄风险预测规则将患者分为3个风险类别:低危(≤2分)、中危(3-4分)和高危(≥5分)。33
Zucchelli风险预测工具使用急诊观察单元患者的数据开发,将患者分为谵妄高危和低危,提出2种不同的截断值:3分用于较高敏感性,5分用于较高特异性。34
MDP工具是为50岁及以上内科住院患者开发的。35 我们使用了与原研究者相同的最小绝对收缩和选择算子(LASSO)模型系数。28 该工具根据谵妄预测概率将患者分为3个类别:低危(≤5%)、中危(6%-29%)和高危(≥30%)。
急诊医学谵妄识别(REDEEM)评分先前在我们的急诊科开发,现在不同患者队列中重新评估,将患者分为谵妄高危和低危,提出2种不同的截断值:5分用于较高敏感性,或11分用于较高特异性。21
数据收集
所有模型输入变量均从电子健康记录(EHR)中的结构化数据以电子方式提取。详细提取的变量见补充材料1中的eMethods 1。纳入种族和族裔数据是为了进一步研究4个模型在不同种族和族裔中的表现,并评估模型在不同人群中的泛化能力。种族(白人或其他,包括美洲印第安人或阿拉斯加原住民、亚洲人、黑人或非裔美国人、夏威夷原住民或其他太平洋岛民、其他、多种族、未知、选择不披露或无法提供)和族裔(西班牙裔或非西班牙裔)数据以二分类变量形式收集,因为人群以白人和非西班牙裔为主,且其他种族群体的样本量较小,使我们无法使用更细粒度的人口统计学分组。用于病史和选定精神药物使用的《国际疾病分类》第九次修订版和《国际与统计疾病分类》第十次修订版的选定编码见补充材料1中的eTables 1和2。
缺失数据见补充材料1中的eTable 3。血压、呼吸频率、氧水平、白细胞计数和肌酐水平的缺失数据采用非缺失数据的中位数进行插补。急诊严重度指数编码采用最常见编码进行插补。跌倒风险评分、排泄改变和意识混乱的缺失数据如果在记录中未报告,也更可能为阴性,因此插补为阴性或0。家庭用药数据缺失的原因可能是患者家庭用药中不存在特定药物,也可能是真正的缺失。家庭用药采用随机森林单一插补法进行插补。不考虑缺失数据以及使用不同插补方法的结果见补充材料1中的eTables 4至6。对于所有插补,我们纳入了无DTS和/或bCAM或DTS和/或bCAM不完整的患者,随后将其从分析中排除。
统计分析
数据分析时间为2025年2月10日至8月21日。统计分析使用R 4.5.0版(R Foundation for Statistical Computing)进行。36采用描述性分析描述研究人群特征。采用Kolmogorov-Smirnov检验评估连续数据分布的正态性。连续数据以中位数和IQR汇总。分类数据按类别以计数和百分比汇总。
对于主要结局,计算了每个模型的AUROC、灵敏度、特异度、阳性预测值(PPV)、阴性预测值(NPV)、阳性似然比(LR)、阴性LR和准确率及其95%CI。对每个模型评估了各人口统计学亚组(性别[男或女]、种族[白人或其他人种]和族裔[西班牙裔或非西班牙裔])的预测准确率。区间LR由2×3表的每个评分计算得出。37
采用McNemar检验评估不同工具间灵敏度和特异度差异的显著性,双侧P< .05表示差异有统计学意义。38此外,评估了每个评分的校准度。对Kennedy规则和Zucchelli工具应用Platt缩放,使用逻辑回归从评分模型推导预测概率。39该方法在训练集(数据集的80%)上实施,随后为测试集(剩余20%)生成预测概率。REDEEM评分和MDP工具的预测概率由系数和截距推导得出。计算每个工具的Brier评分和Brier技能评分,其中BS评估预测模型的整体性能,BSS量化相对于参考预测(朴素Brier)的改善,计算公式为BSS = 1 − BS/朴素Brier,其中朴素Brier假设谵妄概率对应于本研究队列中的谵妄发生率。BSS值越高、越接近1,表明模型性能越好。最后,应用Spiegelhalter z检验进一步单独评估校准度,P < .05表示校准不良。39,40,41
结果
我们评估了2021年至2023年间75岁及以上患者的37 903次就诊,以及2024年65岁及以上患者的22 929次就诊。共有12 317次就诊(20.2%)未进行谵妄评估,而3937次(6.5%)的谵妄诊断评估不完整。最终队列纳入44 578例患者,其中1701例(3.8%)被诊断为谵妄(图1)。2021年至2023年的中位年龄为82.0岁(IQR,77.5-86.5),2024年为76.0岁(IQR,70.0-82.0)。整个队列的中位年龄为80.0岁(IQR,75.0-85.0);22 786例患者(51.1%)为女性,21 792例(48.9%)为男性。在44 578例患者中,27 075例(60.7%)报告在家服用精神药物。按谵妄状态分层的研究队列描述见补充材料1中的e表3。
对整个队列(N = 44 578)中每例患者回顾性计算风险分层工具。在区分度方面,使用Kennedy规则的谵妄患病率包括低风险组26 250例患者中的318例(1.2%)、中风险组10 790例中的455例(4.2%)和高风险组7538例中的928例(12.3%)。使用Zucchelli工具以3为截断值的患病率包括低风险组6654例患者中的89例(1.3%)和高风险组37 924例中的1612例(4.3%)。使用截断值5时,谵妄患病率包括低风险组28 784例患者中的545例(1.9%)和高风险组15 794例中的1156例(7.3%)。使用MDP工具,谵妄患病率包括低风险组25 548例患者中的74例(0.3%)、中风险组15 922例中的764例(4.8%)和高风险组3108例中的863例(27.8%)。使用REDEEM评分以5为截断值的患病率包括低风险组34 069例患者中的197例(0.6%)和高风险组10 509例中的1504例(14.3%)。使用截断值11时,患病率包括低风险组39 568例患者中的287例(0.7%)和高风险组5010例中的1414例(28.2%)。各评分的区分度特征总结于表2和图2。
Kennedy规则产生的AUROC为0.777(95% CI,0.766-0.789)。在截断值为5时,敏感性为0.55(95% CI,0.52-0.57),特异性为85%(95% CI,84%-85%);阳性LR为3.54(95% CI,3.37-3.72);阴性LR为0.54(95% CI,0.51-0.57);PPV为0.12(95% CI,0.12-0.13);NPV为0.98(95% CI,0.98-0.98)。Zucchelli工具达到的AUROC为0.701(95% CI,0.686-0.713)。在截断值为5时,敏感性为0.68(95% CI,0.66-0.70),特异性为0.66(95% CI,0.65-0.66);阳性LR为1.99(95% CI,1.92-2.06);阴性LR为0.49(95% CI,0.45-0.52);PPV为0.07(95% CI,0.07-0.08);NPV为0.98(95% CI,0.98-0.98)。MDP工具产生的AUROC为0.898(95% CI,0.891-0.905)。在30%截断值时,敏感性为0.51(95% CI,0.48-0.53),特异性为0.95(95% CI,0.95-0.95);阳性LR为9.69(95% CI,9.11-10.31);阴性LR为0.52(95% CI,0.50-0.55);PPV为0.28(95% CI,0.26-0.29);NPV为0.98(95% CI,0.98-0.98)。REDEEM评分显示出最高的AUROC,为0.921(95% CI,0.914-0.929)。在截断值为11时,敏感性为0.83(95% CI,0.81-0.85),特异性为0.92(95% CI,0.91-0.92);阳性LR为9.91(95% CI,9.54-10.29);阴性LR为0.18(95% CI,0.17-0.20);PPV为0.28(95% CI,0.27-0.29);NPV为0.99(95% CI,0.99-0.99)。
按人口学亚组的预测准确性见补充材料1中的e表7。每个评分的2×3表区间LR见补充材料1中的e表8至e表11。各评分间敏感性和特异性差异的显著性总结于补充材料1中的e表12和e表13。
对于校准,Kennedy规则和Zucchelli工具的谵妄预测概率使用Platt缩放法得出。随后,应用了BS(Kennedy规则为0.034,Zucchelli工具为0.035)。对于REDEEM评分和MDP工具,预测概率来自原始研究的LASSO模型系数和截距(BS,REDEEM为0.028,MDP为0.035)。21,28 结果展示于图3和补充材料1中的e表14。使用原始研究的截距,REDEEM评分和MDP工具显示出与观察到的谵妄频率相比略高的预测概率。REDEEM评分和MDP工具使用Platt缩放法重新校准,以适应我们队列中相比原始研究较低的谵妄患病率。21,28 该方法确保了所有4种工具校准的更清晰比较,因为使用了相同的方法来得出Kennedy规则和Zucchelli工具的预测概率。重新校准结果展示于补充材料1中的e图1和e表15。
讨论
在这项预后研究中,我们定量比较了4种先前开发的谵妄风险分层工具的区分度和校准度。我们队列中的AUROC范围在0.701至0.921之间,表明每种工具均表现出从可能有用(例如,AUROC,0.600-0.750)到明确的临床有用(例如,AUROC >0.750)的区分度范围。42
4种分层措施中有3种的准确性与推导研究一致:Kennedy规则(AUROC,0.777 vs 原始研究中为0.77),33 MDP工具(AUROC,0.898 vs 验证中为0.82),28 以及REDEEM评分(AUROC,0.921 vs 开发研究中为0.901)。21 Kennedy规则在先前一项使用谵妄观察筛查量表的研究中进行了外部验证,显示出略低的AUROC。43 Zucchelli工具显示出较低的区分度(AUROC,0.701 vs 原始研究中为0.893)。34 这可能归因于2个因素。首先,与原始测试集相比,我们队列中慢性精神药物使用的患病率几乎翻倍(60.7% vs 34.6%)。34 这种差异可能源于美国和意大利之间处方实践的差异。其次,Zucchelli等34提出,他们的模型可能因基于训练集中产生最高AUROC的组合来选择变量而出现过拟合,不同于其他方法使用LASSO惩罚逻辑回归和单变量特征选择后接多变量回归来根据模型系数分配评分。21,28,33 总体而言,REDEEM评分表现出最强的预测能力,具有最高的AUROC。截断值11显示出9.91的阳性LR,从而确立了其在排除谵妄方面的潜在效力。44 MDP工具在预测谵妄方面显示出高准确性,其阳性LR与REDEEM评分相当,表明在这些患者中排除谵妄的相似能力。预测概率为5%或更低时也显示出0.07的阴性LR,可有效排除谵妄。
尽管区分度是报告最多的指标,但仅凭该指标对于指导选择临床实践最佳工具的效用有限。校准度同样重要,因为它反映了模型在整个风险谱中预测谵妄绝对风险的方式。24,42,45 REDEEM评分具有较低的BS和较高的BSS,证明其校准度最佳。尽管如此,REDEEM评分和MDP工具的校准曲线显示出一定的过度预测,这是由于我们队列中谵妄患病率较低(3.8% vs 11.1%21 和 13.8%28)。MDP工具具有更全面的年龄截断值,但住院患者可能病情更重,这可能解释了我们队列中发现的不同患病率。此外,在原始REDEEM研究中,筛查是由床边护士酌情进行的,这可能通过选择筛查谵妄风险较高的患者而引入谱偏倚。46 Kennedy规则和Zucchelli工具的校准曲线显示出稳健性,因为预测概率与观察到的谵妄率密切对应。然而,这种一致性主要归因于Platt缩放,因为它会在我们的数据集上校准概率。为此,我们根据我们的患病率重新校准了REDEEM评分和MDP工具(补充1中的eFigure和eTable 15)。
总体而言,REDEEM评分成为最佳模型,其使用的变量通常在分诊时即可获得(例如生命体征、急诊就诊原因),或在急诊停留的第一小时内通常可获得(例如跌倒风险评估、癫痫发作性疾病史)。尽管MDP工具表现相似且适用于急诊和住院环境,但它依赖于急诊中不易获得的变量(例如实验室检查、重症监护病房入住)。此外,REDEEM评分可以整合到电子健康记录(EHR)中,利用临床记录填写时的数据进行自动评分,从而增强在急诊中实施的可行性。
理想情况下,EHR工具应提供确切的评分或预测概率,而不仅仅是高风险或低风险,以便基于敏感性和特异性阈值更好地指导谵妄检测和复测。由于谵妄是一种波动性疾病,且谵妄检测通常仅在急诊停留早期进行一次,自动化系统可以在不需要专门人员和时间的情况下提高检出率。27,47
本研究代表了风险分层系统临床实施的一步,以改善谵妄检测并识别高风险患者,尽管有效的预防和治疗策略尚待开发。48未来需要在更多样化的人群中通过多中心研究确认我们的结果,并研究以患者为导向的结局,包括急诊谵妄风险分层及后续针对谵妄治疗或预防的干预措施的效果,例如对住院率、死亡率和谵妄持续时间的影响。
局限性
本研究存在若干局限性。第一,研究在单一学术性急诊科进行,患者人群以非西班牙裔白人为主;因此,我们的发现可能无法推广至患者人群不同的医院。49第二,尽管努力与原始设计保持一致,但各研究的变量提取方法不同,可能影响一致性。此外,为实现精神药物提取的自动化,我们编制的药物清单可能与Zucchelli等人34使用的清单不同。第三,我们使用DTS和bCAM作为判定谵妄存在的金标准。尽管DTS和bCAM便于非专科人员使用并已在急诊环境中经过验证,但它们并非谵妄识别的金标准(金标准为《精神障碍诊断与统计手册(第五版)》标准),可能无法识别细微形式的注意力障碍(谵妄识别的关键特征),并受患者或照护伙伴偏好语言和健康素养的限制。3,32,49此外,Zucchelli工具和Kennedy规则使用了不同的谵妄诊断标准(4 A's Test和CAM),其检出率不同。3,33,34,50第四,本研究为回顾性研究,我们使用的数据提取自EHR,标准化程度较低,可能存在不准确或缺失。30,51第五,Kennedy等人33和Zucchelli等人34的研究未包含预测概率,因此我们对评分应用了Platt缩放以获得估计值,但这导致校准基于我们的队列,无法将原始校准与其他工具的校准进行比较。
结论
这项预后研究证明,现有的4种谵妄风险分层工具中有3种——REDEEM评分、MDP工具和Kennedy规则——在独立的急诊科人群中表现出良好的外部效度,其中REDEEM评分和MDP工具取得了最高的区分度和校准性能。这些发现强调了在临床实施前进行外部验证和重新校准的重要性,尤其是考虑到人群特征和谵妄患病率的差异。重要的是,诸如MDP和REDEEM评分这类可在电子健康记录(EHR)中完全自动化的工具,为支持急诊科有针对性的谵妄筛查提供了一种可行且可扩展的方法。这些结果为将经过验证的风险分层整合到急诊科工作流程中奠定了基础,以改善谵妄的早期发现并为高风险老年人的预防策略提供依据。
参考来源
- Bartolacci M, Carpenter KP, Jeffery MM, et al. Validation of 4 Risk Stratification Tools for Delirium in the Emergency Department. JAMA Netw Open. 2025. PMID: 41182767. doi:10.1001/jamanetworkopen.2025.40920
- 全文:PMC12584036(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12584036/
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。