文献速递重症综合管理与镇静镇痛复苏、休克与脓毒症

急诊分诊时临床判断与早期预警评分对早期ICU入住或死亡风险的评估比较

Assessing Risk of Early ICU Admission or Death at Emergency Department Triage: Clinical Judgment Versus Early Warning Scores.
PubMed 文献 · Acad Emerg Med · 2026-01-01
一句话结论在36万余人次急诊分诊中,常用早期预警评分并未明显优于分诊护士的临床判断,ViEWS与临床判断预测效能相当。

这项回顾性观察研究纳入2015至2024年意大利某三级学术中心361,927例成年非孕急诊就诊,以分诊护士的紧急度分级代表临床判断,比较NEWS、NEWS2、MEWS、REMS、ViEWS五种早期预警评分对24小时内死亡或ICU入住复合终点的预测效能。主要终点发生率为1.17%;ViEWS的AUC最高(0.875),临床判断次之(0.872),两者差异无统计学意义,而NEWS、NEWS2、MEWS、REMS的AUC显著低于临床判断。决策曲线分析与重分类指标均未显示早期预警评分较临床判断有净获益或改善,提示常用评分不应替代分诊临床判断,二者可能互补。

要点

  • 在361,927例急诊就诊中,24小时内死亡或ICU入住的复合终点发生率为1.17%(4238例)。
  • ViEWS的AUC为0.875(95%CI 0.869–0.881),临床判断为0.872(95%CI 0.866–0.877),两者差异无统计学意义。
  • NEWS、NEWS2、MEWS、REMS的AUC显著低于临床判断;决策曲线分析中临床判断的净获益等于或高于所有受试评分。
  • 分项分析显示:临床判断预测24小时内ICU入住优于所有早期预警评分,但预测24小时内死亡劣于除MEWS外的所有早期预警评分。
  • 重分类指标(NRI、IDI)未显示早期预警评分较临床判断有统计学显著改善,提示评分不宜单独用于分诊升级决策。

适用人群与场景

  • 2015年1月1日至2024年12月31日意大利罗马Fondazione Policlinico Universitario A. Gemelli IRCCS急诊科连续就诊的成年(≥18岁)非妊娠患者,允许最多两项计算早期预警评分所需的生理变量缺失。
  • 排除:到院时已由院前急救插管、已心脏骤停或明显濒临心脏骤停、到院后1小时内死亡或入住ICU、创伤患者、妊娠或急诊期间发现妊娠者,以及按机构流程需早期ICU入住者(如ST段抬高型心肌梗死或适合再灌注治疗的急性卒中)。

诊断标准与关键阈值

  • 临床判断以分诊护士初始评估时分配的紧急度分级操作化:原系统5级编码中,编码1定义为Emergency,编码2定义为Urgency,编码3、4、5合并为Non-Urgent。
  • 早期预警评分(NEWS、NEWS2、MEWS、REMS、ViEWS)均按各自原始发表定义、使用急诊就诊时记录的生理变量计算;MEWS与NEWS/NEWS2使用直接记录的AVPU/ACVPU值,REMS与ViEWS使用直接记录的GCS值。
  • NEWS2对确诊COPD病史者使用SpO2 Scale 2,其余患者使用Scale 1。
  • 主要终点为急诊就诊后24小时内全因死亡或ICU入住的复合终点;次要终点为两个组成部分分别评估。

处置流程与药物剂量

  • 原文未提及

红旗征与不能漏的情况

  • 到院时已由院前急救插管、已心脏骤停或明显濒临心脏骤停、到院后1小时内死亡或入住ICU者被排除,提示此类极端危重状态不适用本研究的评分比较,需直接按危重症处理。
  • 按机构流程需早期ICU入住者(如ST段抬高型心肌梗死或适合再灌注治疗的急性卒中)被排除,提示此类时间敏感性危重症应按既定流程处理而非依赖预警评分。

研究设计与关键结果

  • 研究类型为单中心回顾性观察研究,纳入361,927例成年急诊就诊,主要终点(24小时内死亡或ICU入住)发生率1.17%(4238例)。
  • ViEWS的AUC最高(0.875,95%CI 0.869–0.881),临床判断AUC为0.872(95%CI 0.866–0.877),两者差异无统计学意义;NEWS、NEWS2、MEWS、REMS的AUC显著低于临床判断。
  • 精确率-召回率与阈值分析显示,临床判断在高风险阈值下保持更高特异度,同时保留足够敏感度;临床判断为3级有序量表,最严格阈值(评分2)已识别约60%事件,故曲线在约60%敏感度处截断。
  • 决策曲线分析显示,临床判断在临床相关阈值范围内的净获益与ViEWS相似或更高,MEWS与REMS在多数阈值下净获益持续低于临床判断与ViEWS。
  • 重分类分析中,早期预警评分相对临床判断的NRI在事件与非事件中均为负值,无任何重分类指标显示统计学显著改善。
  • Brier评分显示临床判断最低(总体概率准确性最佳),所有模型均显著优于零模型;校准指标(CITL接近0、校准斜率接近1)在各模型间无统计学显著差异。
  • 次要终点分项分析:临床判断预测24小时内ICU入住优于所有早期预警评分;预测24小时内死亡则劣于除MEWS外的所有早期预警评分。

证据类型、等级与局限

  • 证据类型为单中心回顾性观察研究(意大利罗马三级学术中心,2015–2024年),临床试验ID NCT05593692,经当地伦理委员会批准(IRB授权号#0025817/22)。
  • 局限(原文述及或设计本身):回顾性设计、单中心;临床判断以分诊紧急度分级操作化为3级有序变量,粒度粗于连续评分,限制低敏感度区间比较;缺失值采用多重插补(完全条件规范法,5个插补数据集取均值),未做正式敏感性分析(因缺失比例很低)。
  • 原文指出早期预警评分最初为病房生理触发系统、针对中间风险区间细分优化,用于急诊单时点预测相对少见的危重结局可能不占优势;并提示分诊决策本身可能部分影响其试图预测的结局。

对床旁实践的改变

  • 在急诊分诊环节,不应仅凭NEWS、NEWS2、MEWS、REMS等常用早期预警评分替代有经验分诊护士的临床判断来决定是否升级监护或收入ICU。
  • 对疑似需ICU入住的患者,分诊临床判断可能较早期预警评分更敏感于非生命体征途径表达的信息(如家属对基线状态的描述、院前信息、动态轨迹的隐性评估),单时点生命体征评分可能低估其风险。
  • 早期预警评分可能更适合作为临床判断的补充,用于中间风险患者的进一步分层;原文强调需进一步研究结构化评分与临床判断如何提供互补信息。
  • 应注意本研究排除了到院即极端危重、创伤、妊娠及按流程需早期ICU入住者,结论不适用于这些人群和场景。

指南或共识出处

  • 原文未提及具体指南或共识名称;仅引用NEWS、NEWS2、MEWS、REMS、ViEWS的原始发表定义文献及机构所在区域的分诊系统文献。
全文中译23 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:Acad Emerg Med. 2026 Jul 16;33(7):e70377. doi: 10.1111/acem.70377

引言

早期识别临床恶化是急诊和急性护理系统的关键目标。生理异常常发生于心脏骤停、重症监护病房(ICU)入住和死亡之前,为早期干预提供了机会[1, 2, 3]。

早期预警评分(EWS)的开发旨在标准化生理恶化的检测并触发升级护理[4]。国家早期预警评分(NEWS)及其更新版本NEWS2等系统将生命体征异常整合为与升级方案相关联的数值风险估计[5, 6]。多项研究表明,这些评分可预测急诊科(ED)人群的短期恶化,但其性能因环境、结局和决策阈值而异[7, 8, 9, 10, 11, 12, 13]。

然而,EWS的临床价值最终取决于其相对于现有临床实践的性能。在常规急诊护理中,经验丰富的医护人员迅速将生命体征与情境临床信息(包括主诉症状、观察到的痛苦表现和整体外观)相结合,以识别需要紧急关注的患者。在急诊科,这种评估部分通过分诊程序形式化,分诊代表了将生理测量与情境临床信息相结合的半结构化临床判断形式。在急诊环境中比较结构化评分系统与临床判断的证据仍然有限且不一致。一些研究表明预测性能相当,而另一些研究则表明临床评估可能更好地识别需要重症监护或紧急升级的患者[14, 15]。因此,尽管EWS的预测性能已被广泛研究,且不同评分已在不同环境中进行比较[16, 17, 18, 19, 20, 21],但EWS在急诊分诊中是否优于临床判断仍不清楚。

为填补这一空白,我们回顾性比较了常用早期预警评分与经验丰富的分诊护士分诊评估在识别急诊科患者早期临床恶化风险(定义为就诊后24小时内死亡或入住ICU)方面的预测性能。

材料与方法

研究设计与环境

我们在意大利罗马三级转诊中心Fondazione Policlinico Universitario A. Gemelli IRCCS的急诊科(ED)进行了一项回顾性观察性研究。研究期间为2015年1月1日至2024年12月31日。

参与者选择

研究期间连续就诊于急诊科的所有成年非妊娠患者(≥ 18岁)均被视为符合纳入条件。若患者在初始急诊评估时计算早期预警评分所需的生理变量缺失不超过两项,则纳入研究。我们从最终分析中排除了正式风险分层不太可能为分诊决策提供有意义支持的患者。此外,我们排除了根据机构方案其病情需要早期入住ICU的患者(例如,ST段抬高型心肌梗死或符合再灌注治疗条件的急性卒中)。

具体而言,符合以下至少一项标准的患者被排除:病情明显处于极度危重状态的患者:到达急诊科时已由紧急医疗服务人员完成气管插管的患者。

已处于心脏骤停或明显即将发生心脏骤停的患者。

在到达急诊科后第一个小时内死亡或入住重症监护病房(ICU)的患者。

创伤患者。

到达急诊科时处于妊娠状态或在急诊科停留期间发现妊娠的女性患者。

入组流程图见图1。

图1 本研究纳入患者的入组流程图。在18,843例(占研究队列的5.21%)计算早期预警评分(EWS)缺失参数少于两项的病例中,进行了插补。 查看原图 ↗

测量指标

人口学特征(年龄和性别)、生命体征及临床变量均从电子病历中提取。急诊科就诊时收集的生理参数包括心率、呼吸频率、收缩压和舒张压、平均动脉压、外周血氧饱和度、体温及格拉斯哥昏迷量表评分。其他临床变量包括氧疗情况及选定的就诊症状。

相关数据从急诊科电子健康记录系统中收集,该系统为区域内所有急诊科强制使用。该系统可在分诊期间及后续再评估时登记人口学特征和生命体征,用于判定最终分诊编码,并登记最终处置或结局。数据由作者之一(MC)从后台数据库自动采集。未进行人工验证,但在最终分析前对数据进行了连续性评估(即异常值或不切实际的值)。

临床判断

就诊时的临床判断通过分诊护士在初始患者评估时分配的分诊严重程度类别进行操作化定义。患者被分为三个紧急程度等级:紧急、急迫和非急迫。分诊分配代表一种半结构化的临床评估,由经验丰富的医务人员将生理测量值与情境临床信息(包括就诊症状、患者外观及整体临床印象)相结合。护士在执行分诊前须完成正式认证流程。本机构使用的分诊系统在区域层面开发[22]。该系统要求识别特定的时间关键性临床综合征(如ST段抬高型心肌梗死或卒中),并强调在整体临床背景下解读生命体征以及护士专家判断的价值。该分诊系统设有五个不同的紧急程度编码,从最紧急(编码1)到最不紧急(编码5)。然而,该系统将编码3、4和5应用于病情不存在恶化风险的患者,其主要区别在于预期的管理复杂性。因此,在本分析中,编码3、4和5被合并为非急迫类别,编码2重新定义为急迫,编码1定义为紧急。

早期预警评分

无论临床判断如何,均对每例患者计算以下预后工具:国家早期预警评分(NEWS)[5]、国家早期预警评分2(NEWS2)[6]、改良早期预警评分(MEWS)[23]、快速急诊医学评分(REMS)[24]和VitalPAC早期预警评分(ViEWS)[25]。所有评分均使用急诊科就诊时记录的生理变量,按照其最初发表的定义进行计算。需要AVPUS或ACVPU的评分(MEWS和NEWS/NEWS2)使用直接记录的AVPU/ACVPU值,而需要GCS的评分(REMS和ViEWS)使用直接记录的GCS值。对于NEWS2,有明确COPD病史的患者使用SpO2 Scale 2进行评分;其余所有患者使用Scale 1进行评分,这与急诊科初始评估时的标准做法一致。

结局

主要结局为全因死亡或急诊科就诊后24小时内入住重症监护病房(ICU)的复合终点。次要结局为主要复合结局的各单独组成部分,分别进行评估。

分析

连续变量根据情况以均数及标准差或中位数及四分位距报告。分类变量以计数和百分比表示。

在合格队列中,有3.7%的患者存在一项或两项生理参数缺失,在随机缺失(MAR)假设下,使用SPSS版本25(IBM Corp.,Armonk,NY,USA)中实现的全条件规范(FCS)方法进行多重插补。FCS是一种迭代马尔可夫链蒙特卡洛链式方程程序,其中每个不完整变量均通过以所有其他变量为条件的回归模型进行插补。每个受影响变量(心率、呼吸频率、收缩压和舒张压、平均动脉压、外周血氧饱和度、体温和格拉斯哥昏迷量表评分)的缺失值均少于5%。所有可用变量(排除结局变量)均用于插补。生成了五个插补数据集,对于每个缺失值,使用五个数据集中相应插补值的平均值来创建单个完整数据集用于最终分析。插补值被限制在每个参数的观测范围内。由于缺失数据比例极低,未进行正式的敏感性分析。

评分和临床判断的性能从区分度和校准度两方面进行评估。区分度是指区分有结局和无结局患者的能力,而校准度反映预测事件概率与观察事件概率之间的一致性。

采用受试者工作特征(ROC)曲线评估早期预警评分和临床判断的判别性能,计算曲线下面积(AUC)及相应的95%置信区间。AUC之间的比较采用DeLong方法进行。校准度采用Brier评分评估,95%置信区间和p值通过自助重采样法得出,并将结果与零模型和表现最佳的评分进行比较。由于所有早期预警评分和临床判断评估均应用于同一批患者,所有比较均在配对框架内进行。DeLong检验在设计上考虑了受试者内相关性,Brier评分在患者层面进行自助重采样,以在各评分间保持这种配对结构。此外,为每个早期预警评分生成了显示观察概率与预测概率的校准图,校准斜率由以每个早期预警评分作为唯一预测变量的逻辑回归模型得出。

模型校准度通过校准图进行图形评估,并通过CITL(大范围校准)指标比较各风险分层中观察风险与预测风险进行分析评估。临床效用采用决策曲线分析评估,估计每个评分在一系列临床相关阈值概率下的净获益。早期预警评分相较于临床判断的增量预后价值进一步通过重分类指标评估,包括净重分类改善指数(NRI)和综合判别改善指数(IDI)。

所有分析均使用SPSS 25(IBM Corp.,Armonk,NY,USA)和自定义Python编程(Python版本3.12.2)完成,使用以下库进行统计分析和图形生成:pandas、NumPy、SciPy、scikit‐learn、statsmodels、Matplotlib和seaborn。

在所有分析中,双侧p值小于0.05被认为具有统计学意义。

伦理声明

本研究已获得当地伦理委员会批准(IRB授权号#0025817/22),并按照1964年《赫尔辛基宣言》及其后续修订版[26]中确立的伦理标准执行。由于患者数据已匿名化,知情同意被豁免。临床试验ID NCT05593692。

结果

研究对象特征

总体分析了361,927例成人急诊科就诊记录(图1)。主要复合结局(24小时内死亡或入住重症监护室)发生于4238例(1.17%)。

队列的人口学和临床特征见表1,按结局分层报告。

发生主要结局的患者年龄更大,且以男性为主。就诊时记录的临床特征频率分布见表1。较高的早期预警评分值和较高的临床判断分类与主要结局相关。

表1 生理学和人口学变量的汇总统计。 查看原表 ↗

按结局分层的风险评分分布

按24小时结局状态分层的早期预警评分和临床判断的分布见图2。总体而言,与未发生该结局的患者相比,死亡或需要入住ICU的患者中评分值向更高范围偏移,在所有评分系统中,结局组的中位数和上四分位数均持续更高。在若干模型的较低评分值处观察到分布之间存在一定重叠。

图2 小提琴图显示按24小时结局(死亡/ICU vs. 非死亡/ICU)分层的风险评分值(NEWS、MEWS、REMS、VIEWS、NEWS2、临床评估)分布。实黑线表示中位数,虚线表示评分分布的第一四分位数(Q1)和第三四分位数(Q3)。 查看原图 ↗

判别性能

受试者工作特征分析结果见图3。曲线下面积最高的是ViEWS(AUC 0.875,95% CI 0.869–0.881),其次是临床判断(AUC 0.872,95% CI 0.866–0.877)。ViEWS与临床判断之间的AUC差异无统计学意义。与临床判断相比,NEWS、NEWS2、MEWS和REMS的AUC值更低,AUC差异达到统计学意义。

精确率-召回率曲线见图4。正如在主要结局患病率较低的队列中所预期的,所有模型的阳性预测值均随灵敏度增加而下降。在临床相关灵敏度范围内观察到模型间的变异性,与其他早期预警评分相比,临床判断和ViEWS在可比灵敏度水平下均表现出更高的精确率。临床评估曲线在约60%灵敏度处截断,这是由于其采用3级有序量表(0、1、2)。由于最严格的阈值(评分2)已识别出60%的事件,缺乏更高的有序值使得无法在更低灵敏度区间进行评估,这使其区别于可接近零灵敏度的高粒度评分。

预设概率截断值下基于阈值的性能指标汇总于表2。在较低阳性预测值(PPV)目标下,所有模型的灵敏度估计值更高,特异度估计值更低。在中间和较高PPV阈值下,临床判断在可比阈值水平下显示出比若干早期预警评分更高的PPV。

图3 受试者工作特征(ROC)曲线分析,比较NEWS、NEWS2、REMS、MEWS、VIEWS和临床评估对24小时结局(死亡/ICU)的预测性能。 查看原图 ↗
图4 精确率-召回率曲线,比较早期预警评分(NEWS、MEWS、REMS、VIEWS、NEWS2)和临床评估。所有方法的阳性预测值(PPV)均随灵敏度增加而下降,说明判别性能的权衡,并突显各评分系统之间预测效率的差异。 查看原图 ↗
表2 早期预警评分和临床评估在校准至达到预设阳性预测值(PPV)目标(≥ 2.5%、≥ 5%、≥ 10%和≥ 25%)的阈值下对研究结局的诊断性能。 查看原表 ↗

校准

校准图显示,在估计风险范围内,预测概率与观察概率高度一致,如图S1所示。在每个模型的不同风险分层中,将预测风险与观察事件率进行了比较。所有模型的校准大值估计均接近零,校准斜率值接近1,早期预警评分与临床判断之间无统计学显著差异,如表S1所示。Brier评分分析表明,所有模型的表现均显著优于零模型,提示它们提供了超越单纯患病率的有意义预测信息。临床判断的Brier评分最低,代表最佳的整体概率准确性,如表S2所示。

临床效用与决策曲线分析

在与急诊科决策相关的各阈值概率范围内评估了净获益估计。临床判断与ViEWS在较宽阈值范围内显示出相似的净获益特征,而MEWS和REMS在大多数阈值概率下净获益值持续低于临床判断和ViEWS。所有模型的决策曲线指标见图5。

图5 24小时死亡或ICU入院的决策曲线分析。图中展示了早期预警评分和临床评估与全部治疗及不治疗策略相比,在阈值概率范围内的每1000例患者净获益。 查看原图 ↗

重分类分析

与临床判断相比,早期预警评分在结局事件和非事件中的净重分类改善估计均为负值。没有任何重分类指标显示相对于临床判断具有统计学显著改善,如表S3所示。临床判断与早期预警评分在现实特异性阈值下的相对表现见图S2和图S3。

次要终点

分别分析时,24小时内ICU入院和24小时内死亡显示出不同的表现模式。临床判断在预测24小时内ICU入院方面优于所有早期预警评分(EWS),而在预测24小时死亡率方面则劣于所有EWS,唯一例外是MEWS(表S4和表S5)。

讨论

在这一大型急诊科患者队列中,早期预警评分的区分能力与受过培训的分诊护士判断相当,但在早期ICU入院或死亡率的预测能力方面未显示出优势。

尽管这些工具最初是作为生理学触发系统开发的,用于检测进展中的生理恶化[4],但其作用已逐步从纵向监测扩展到作为预测工具的应用[27]。在当代急诊科实践中,这些工具常被用作初始分诊评估时的实用性单时间点风险分层工具。

在这一环境中,结构化风险预测工具的吸引力是直观的。急诊科团队在时间压力、高患者量和相当大的不确定性下运作,可重复的决策辅助工具可能有助于一致的资源分配和患者优先排序。

然而,任何预测规则的临床价值最终取决于其改善现有决策流程的能力[28, 29]。在急诊分诊中,这些流程本质上是半结构化的,将生理测量与情境线索(如就诊症状、观察到的痛苦程度、基线功能状态和预期临床轨迹)相结合。虽然结构化规则可能弥补经验不足或减少变异性,但一些作者认为,主观性并未被消除,而是转移到了是否对特定患者应用该规则的决策上[30]。

比较结构化评分系统与临床判断在急性护理中的证据仍具有异质性。尽管标准化工具在某些情况下可能提高敏感性,但多项研究显示临床整体判断(clinical gestalt)具有相当甚至更优的表现[31, 32, 33, 34],尤其是当决策涉及复杂情境信息时。因此,系统综述强调了支持在院前和急诊科环境中以早期预警评分(Early Warning Scores)替代临床判断的证据有限[15, 35]。例如,有报道称MEWS在院前环境中比临床整体判断具有更高的敏感性,但特异性降低[14]。相反,最近一项丹麦研究发现,在急诊分诊操作中,简单、非结构化的“ eyeball”判断优于结构化决策系统[36]。

在我们的研究中,我们在多个性能维度上比较了受过培训的分诊护士判断与常用EWS,包括区分度、校准度、临床效用和重分类。区分度大致相似,ViEWS显示最高的AUROC,但未显著高于临床判断(图3)。然而,当分析聚焦于风险谱中与决策相关的区域时,出现了相关差异。在此低患病率环境中,精确率-召回率曲线和基于阈值的评估显示临床判断在敏感性和假阳性之间具有更有利的平衡(图4)。在较低阳性预测值阈值下,临床判断保持高敏感性,特异性与表现最佳的EWS相当,而在较高阈值下,其特异性显著更高。这些发现表明,临床判断固有的较粗分类可能改善关键决策点附近的特异性,而EWS的较细分级可能在中等风险患者中提供额外的区分度。这一模式支持结构化评分可以补充而非替代临床判断的解释。

决策曲线分析进一步强化了这一解释(图5)。在大多数临床相关阈值概率下,临床判断提供了相等或更大的净获益,而重分类分析表明,在临床判断基础上加入EWS并未带来改善。大多数误分类涉及非事件,反映了我队列中不良结局的低患病率。这些发现可能部分反映了NEWS系列评分的预期目标,该系列评分是为病房人群开发的,用于指导监测强度和再评估频率,因此优化用于中等风险范围内的更精细分层,而非预测急诊科中相对不常见的危重结局。

通过Brier评分评估的校准指标显示,早期预警评分(EWS)与临床判断之间没有临床意义上的差异。鉴于队列规模大且事件发生率低,小数点后第三位的小数值差异不太可能代表有意义的性能区别。

几种机制可能解释观察到的模式。一种可能的解释是,分诊决策既能塑造后续诊疗,也能预见后续诊疗。这一过程可以直接发挥作用,通过影响ICU入住来实现,也可以通过基于信任的互动、共享的非正式实践以及对下游决策模式的内化来间接发挥作用。因此,分诊决策可能部分影响了它们本 intended to predict 的结局本身[37]。我们发现临床判断在预测ICU入住而非死亡方面优于EWS,这与上述解释一致(表S4和表S5)。

第二种解释涉及两种方法所整合信息类型的差异。分诊系统要求识别并非仅通过生命体征紊乱表现的临床综合征。某些疾病初期可能表现为接近正常的生命体征参数,但仍需要高依赖性或重症监护。临床判断还纳入了背景信息,包括照护者对基线状态的感知、院前人员的旁证病史以及对动态轨迹的隐性评估,而这些均无法通过单时间点生命体征捕捉。支持这一观点的是,近期研究提示,尽管人工智能工具可以匹敌医师判断,但两种方法的结合可能提供更优的性能[38]。这一考量也凸显了预测与决策之间的差距,分诊评估正是后者的一个例子。在这个意义上,分诊时的临床判断可以说更像是一种决策工具,而非单纯的预测工具。分诊决策旨在识别最可能从升级照护中获益的患者,而非具有较高不可改变风险的患者。因此,分诊决策除了考虑预测的准确性外,还考虑预测的可操作性。我们的数据中临床判断相较于EWS在预测ICU入住而非死亡方面所取得的相对优势支持了这一解释(表S4和表S5)。因此,我们的数据可以支持这样一种观点:临床判断可能预测的是急迫性而非严重程度,即对时间关键性干预的需求,而非不良结局的总体风险。临床判断与EWS在预测ICU入住和死亡复合结局方面观察到的较小差异,可能低估了前者识别死亡风险可通过升级照护而改变的患者的能力。这与以下观点一致:使用旨在优化预后结局(如死亡)准确性的工具,可能导致选择更大比例的不太可能从干预中获益的患者[39, 40]。

事实上,近期一项研究发现,国家早期预警评分2(NEWS2)在急诊科环境中识别需要时间关键性干预的患者方面表现不尽如人意,其中一半的患者未达到NEWS2的标准阈值[41]。有趣的是,许多假阴性患者所呈现的病情对生命体征没有直接影响,其识别需要对患者临床全貌有更全面的把握。

第三点考量是,结构化决策框架的广泛实施可能影响非结构化判断。经常接触决策规则的医疗专业人员可能会有意或无意地将这些规则的线索纳入临床判断中。因此,决策规则与非结构化判断之间的比较可能本身存在偏倚,因为后者可能已经嵌入了结构化规则所衍生的信息。临床判断与结构化规则因此可被视为共同演化的系统。判断可能突显后来被规则形式化的临床相关线索,而规则可能强调临床医生此前可能低估的预测因素。

最后,借鉴决策科学的概念,分诊可能更接近于“良性学习环境”而非“恶性学习环境”[42, 43]。在良性学习环境中,稳定的条件、对可比情景的反复接触以及快速准确的反馈使医疗专业人员能够随着时间的推移不断完善其非结构化判断。在这些情况下,从业者可能学会检测线索与结局之间的一致关系,即使这些关系并未在算法模型中被明确形式化。

局限性

本研究存在若干局限性。研究在单一城市学术中心开展,可能限制其外推性。回顾性设计可能导致数据采集不准确以及存在未测量混杂的可能性。临床判断通过分诊类别进行近似,而分诊类别代表了一个复杂且动态过程的终点。由于分诊系统需要测量生命体征,临床判断与早期预警评分(EWS)共享重叠的生理输入信息,这可能在一定程度上造成信息泄漏。尽管如此,该设计反映了真实世界的运行情况,并确保比较能够反映常规临床实践。我们还缺乏关于总体预后和预先医疗指示的完整数据,这两者均可能影响分诊决策和下游结局。我们未排除同一患者随时间重复就诊的情况,这可能在观测值之间引入患者内相关性。然而,鉴于样本量大且急诊科就诊量高,这种依赖性不太可能对总体结果产生有意义的影响。此外,我们选择了24小时随访时间。虽然这与急诊科环境中使用EWS的现有文献一致,但这一选择可能忽略了该时间范围之后发生的潜在事件。很大比例的患者(30%)被排除在最终分析之外,因为他们在预先设定的24小时时间范围之前已出院或转入低强度照护。虽然无法获得这些患者的结局数据,但他们很可能代表不良结局风险较低的亚组。因此,他们的排除可能使分析队列富集了较高风险患者,并阻止了对出院后发生的早期不良事件(包括再入院或到其他医院就诊)的捕获,可能影响性能估计。最后,我们的研究仅评估了对早期不良事件的预测准确性,基本未触及以患者为中心的实际获益问题。重要的是,预测准确性的提高并不自动转化为患者结局的改善。例如,最近对一种自动化急诊科预测工具的评估显示,其预测准确性优于临床医生,但未能证明患者相关终点有所改善[44]。

结论

总之,我们的研究结果表明,现有EWS并未明显优于急诊科分诊期间应用的细致、部分结构化或非结构化的专家判断。值得注意的是,临床判断在识别具有可改变临床轨迹的患者方面可能优于EWS。未来研究应评估后一种可能性,探索EWS与临床判断之间的重叠程度,并识别两者预测出现分歧的临床情境。更好地理解每种方法何时提供最大临床价值,可能有助于在常规急症照护中更有效地将结构化评分与临床判断相结合。

作者贡献

M.C.和D.A.D.P.构思了本研究。M.C.、D.A.D.P.和P.M.C.F.收集并分析了数据。P.M.C.F.提供了统计学专业知识。M.C.、D.A.D.P.、P.M.C.F.和N.B.解读了结果。D.A.D.P.、N.B.和V.M.起草了手稿。M.C.、C.S.、A.G.、F.F.、A.P.和G.D.M.对手稿进行了针对重要智力内容的批判性修订。

资金

作者无内容需报告。

利益冲突

作者声明无利益冲突。

支持信息

图S1:EWS模型与临床判断的校准图。

本图比较了五种早期预警评分(EWS)及临床判断逻辑回归模型的预测概率与观察结局频率。虚线对角线代表完美校准(斜率 = 1),即预测风险与观察风险一致。校准良好的模型在校准图中产生的点靠近对角线,并一致地具有较低的Brier评分。相反,则会出现对对角线的系统性偏离,尤其是在风险更频繁的区域。

表S1:大范围校准。CITL(大范围校准,Calibration-in-the-Large)是一种校准指标,用于评估预测模型是否系统性地高估或低估结局。它表示平均预测风险与平均观察结局之间的差异。CITL为零表示完美一致;正值表示高估,负值表示低估。该表显示,除NEWS和NEWS2外,所有模型的CITL值均为负(低估)。然而,在所评估的EWS与临床判断之间未出现校准的显著差异。

表S2:Brier评分。该表报告了每个模型的Brier评分(含95% CI),以及其与零模型(基于患病率)和临床评估相比的变化,包括相应的p值。Brier评分通过结合区分度和校准度来衡量预测概率的总体准确性;较低的值表示更好的性能。所有模型(临床评估和EWS)均显示出相对于零模型的显著改善(负ΔBrier,p < 0.001),表明它们提供了超越单纯患病率的真实预测信息。临床评估具有最低的Brier评分,在整体概率准确性方面代表最佳参考。所有EWS与临床评估相比Brier评分略差(相对于临床评估的正ΔBrier,p < 0.001),提示尽管它们显著优于零模型,但并未超越临床评估的整体概率性能。

表S3:净重分类改善(NRI)。净重分类指数(NRI)衡量新预测模型与现有模型相比,是否通过将个体重新分配到更合适的风险类别来改善个体的正确分类。该表显示了相对于临床判断的NRI值。所有EWS的NRI均为负,表明所分配风险与事件之间的权衡更差。然而,差异未达到统计学显著性。

图S2:在匹配特异性阈值下比较临床评估与早期预警评分的雷达图。特异性固定于临床判断“紧急”水平(所用概率阈值为0.00151),并确定每个早期预警评分的相应阈值。随后在这些阈值下计算敏感度、PPV、NPV和似然比,其中LR+和LR−归一化至0–1范围,以便各指标之间可比。在低事件率的临床风险预测中,过度分诊(过多假警报)是一个主要问题。模型可能检出大多数真病例(高敏感度),但错误地将大量低风险患者标记为“高风险”(低特异性),从而使资源不堪重负。因此,在临床上通常有用的是将特异性固定在一个现实、可接受的水平,然后根据模型在该特异性下达到的敏感度进行比较。在我们的分析中,我们确定了每个临床判断类别的特异性;然后为EWS评分确定相同的特异性,并在图中比较其余性能参数。

图S3:在匹配特异性阈值下比较临床评估与早期预警评分的雷达图。特异性固定于临床判断“急诊”水平(所用概率阈值为0.160),并确定每个早期预警评分的相应阈值。随后在这些阈值下计算敏感度、PPV、NPV和似然比,其中LR+和LR−归一化至0–1范围,以便各指标之间可比。在低事件率的临床风险预测中,过度分诊(过多假警报)是一个主要问题。模型可能检出大多数真病例(高敏感度),但错误地将大量低风险患者标记为“高风险”(低特异性),从而使资源不堪重负。因此,在临床上通常有用的是将特异性固定在一个现实、可接受的水平,然后根据模型在该特异性下达到的敏感度进行比较。在我们的分析中,我们确定了每个临床判断类别的特异性;然后为EWS评分确定相同的特异性,并在图中比较其余性能参数。

表S4:临床判断与早期预警评分对24小时内死亡预测的ROC曲线分析比较。表现最佳者为VIEWS,其区分度与REMS相似。临床判断与NEWS/NEWS2的预测结果显著较低。

表S5:临床判断与早期预警评分对24小时内入住ICU预测的ROC曲线分析比较。表现最佳者为临床判断,其优于所有EWS。

参考来源

  1. Bonadia N, Fanelli PMC, Polla DAD, et al. Assessing Risk of Early ICU Admission or Death at Emergency Department Triage: Clinical Judgment Versus Early Warning Scores. Acad Emerg Med. 2026. PMID: 42461154. doi:10.1111/acem.70377
  2. 全文:PMC13374591(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13374591/

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。