院前转运优先级与时变选择偏倚:交通相关多人事件全国回顾性队列研究
这项日本全国回顾性队列研究纳入2021-2023年交通相关多人事件(≥2例患者)的143,130例患者,采用AIPW双重稳健法分析优先转运(首个离开现场的患者)与医生评估的死亡/危重/严重损伤复合结局的关联。优先转运组严重结局粗发生率4.35%,非优先组1.87%;总体边际风险差2.2个百分点(95%CI 2.01-2.36)。现场时间显著修饰该关联(p<.001):5分钟时RD为6.4个百分点,约32分钟降至最低1.4个百分点,60分钟回升至2.4个百分点。作者结论认为U形模式更符合严重损伤患者被优先快速转运的选择机制,而非转运顺序的直接效应。
要点
- 总体边际风险差2.2个百分点(95%CI 2.01-2.36),但作者强调这反映的是未测量损伤严重度混杂,不能解读为优先转运的因果效应。
- 现场时间是效应修饰因子(p<.001):5分钟时RD 6.4个百分点(95%CI 5.6-7.2),约32分钟最低1.4个百分点(95%CI 1.3-1.6),60分钟2.4个百分点(95%CI 2.0-2.8)。
- U形模式提示现场时间越短,优先转运组与非优先转运组的严重度差异越大,即分诊选择偏倚越强,解读转运-结局关联时须考虑院前分诊选择。
- E值3.76(下限3.57),提示需要较强未测量混杂才能完全解释该关联;重叠限制分析RD为2.0个百分点,与主分析接近。
- 该研究采用双重稳健AIPW法,但注册库缺乏生命体征、GCS等生理性损伤严重度数据,条件可交换性难以完全满足,估计值为协变量调整关联而非无偏因果效应。
适用人群与场景
- 日本全国FDMA院前转运记录中2021年1月1日至2023年12月31日交通相关多人事件(单次呼叫致≥2例患者转运)的患者,最终纳入143,130例,中位年龄41岁(IQR 22-61岁),女性50.57%。
- 不设年龄下限,儿科患者(<18岁,n=28,308;16.28%)全部纳入主分析。
- 排除:EMS到达时或转运途中发生心脏骤停者(归入独立OHCA注册库),以及转运优先级、现场时间或关键临床结局缺失者(n=510);分析样本均为有生命体征的转运患者。
诊断标准与关键阈值
- 优先转运定义:同一事件中第一个离开现场转运至医院的患者。
- 主要结局为医生在医院初始评估时使用FDMA注册库分类量表(1=死亡至5=轻度)评定的严重临床结局,定义为评分1-3(死亡、危重或严重损伤)的复合终点。
- 现场时间作为效应修饰因子而非混杂因子,分析范围限制在5-60分钟;<5分钟者(n=455)排除于样条交互分析,>60分钟者(n=2,004)在60分钟处右删失。
处置流程与药物剂量
- 原文未提及
红旗征与不能漏的情况
- 原文未提及
研究设计与关键结果
- 研究类型:全国回顾性队列研究,使用日本消防厅FDMA EMS转运记录,单国多中心(覆盖47个都道府县、750个市町消防部门),纳入143,130例交通相关多人事件患者。
- 干预与对照:优先转运(n=62,769,43.85%)vs 非优先转运(n=80,361,56.15%)。
- 主要终点:严重临床结局(死亡、危重或严重损伤复合)总体发生率2.95%;优先转运组4.35%(n=2,729),非优先转运组1.87%(n=1,499)。
- 总体边际调整风险差(AIPW):2.2个百分点(95%CI 2.01-2.36);重叠限制分析RD 2.0个百分点;TMLE敏感性分析RD 2.4个百分点(95%CI 2.17-2.55),风险比2.18(95%CI 2.05-2.32)。
- 现场时间交互作用显著(Wald检验p<.001):5分钟时RD 6.4个百分点(95%CI 5.6-7.2),约32分钟最低1.4个百分点(95%CI 1.3-1.6),60分钟2.4个百分点(95%CI 2.0-2.8);全范围RD均为正值,方向未反转。
- E值3.76(下限3.57);复合结局各组分:严重损伤n=3,709(2.59%),死亡n=455(0.32%),危重损伤n=64(0.04%)。
证据类型、等级与局限
- 证据类型:全国回顾性队列研究(非RCT),采用AIPW双重稳健估计和聚类bootstrap(500次重抽样)计算95%CI。
- 局限:注册库缺乏生命体征、GCS等生理性损伤严重度数据,条件可交换性难以完全满足,估计值为协变量调整关联而非无偏因果效应;暴露定义(首个离开现场)可能不能完全反映临床分诊意图,存在暴露错分可能;交通子机制(机动车乘员、摩托车手、骑行者、行人)无法从注册库编码中分离或调整;并非所有聚集事件均涉及需要正式结构化分诊的严重现场资源约束。
- 作者明确声明:观察到的关联与未测量损伤严重度混杂一致,不应解读为优先转运的因果效应。
对床旁实践的改变
- 在解读院前转运顺序与结局的关联时,须考虑院前分诊选择偏倚:优先转运组严重结局粗发生率更高(4.35% vs 1.87%),不应据此认为优先转运有害。
- 现场时间较短时(如5分钟)优先与非优先转运组的严重结局风险差最大(6.4个百分点),提示此时分诊选择偏倚最强,不宜将转运顺序作为质量指标或治疗效应来评价。
- 该研究不改变具体转运排序的临床操作推荐;原文未给出基于转运顺序的处置建议。
- 研究结果提示重症研究解读中应纳入院前分诊选择结构,而不是仅用入院后数据做风险调整,以避免将院前选择伪影误归因于医院层面因素。
指南或共识出处
- 原文未引用具体指南或共识;数据来源为日本消防厅(FDMA)全国EMS转运注册库(2021-2023年)。
全文中译26 节 · 点击展开
引言
从大规模伤亡事件抵达重症监护机构的患者构成,部分取决于在时间压力和资源约束下作出的院前分诊和转运优先级决策。理解这些决策如何塑造到达重症监护室患者的严重程度分布,对于解读结局数据和分配重症监护资源至关重要。
交通相关多名患者事件(TMI)代表了一种高风险情境,在这种情境中,这种选择结构在操作层面最为明显,因为相互竞争的患者需求要求在资源有限和时间压力的条件下快速确定优先级[1, 2]。在这种情境下的一个核心决策是先将哪些患者转运至医院。“优先转运”在此定义为第一个离开现场的患者,其意图是为伤势最危重的患者加快确定性治疗。然而,关于这一决策是否能持续改善结局,以及其与结局的关联如何随现场时间变化,现有证据有限。研究方法各异[3, 4]。
适应证混杂是评价优先转运时的一项基本挑战。被选为首先转运的患者在系统上比后续转运者伤势更重,而这种潜在的严重程度独立地导致更差的结局。已建立的创伤评分系统如TRISS和修订创伤评分纳入了到达医院时测量的生理参数,而这些参数本身又处于院前分诊决策的下游。因此,仅基于医院数据的风险调整结局模型可能纳入院前选择伪影,可能将病例组合严重程度的差异错误归因于医院层面因素[5–7]。然而重要的是,这一选择过程并非静态。随着现场时间增加,EMS人员获得更多临床信息并在较不紧迫的时间压力下工作,这可能减弱优先与非优先患者之间的严重程度差异[8]。常规分析尚未对这种随时间变化的混杂维度建模,也未对其对观察到的关联解读的影响建模[9, 10]。
此外,TMI呈现了不同于单患者创伤的独特流行病学情境。多名患者竞争转运的存在引入了结构化选择过程,其放大适应证混杂的程度超出常规EMS接诊中所观察到的水平[8]。这一背景促使采用一种明确考虑这种选择偏倚的幅度和时间变化性质的研究设计。
优先转运——独立于损伤严重程度——是否与结局改善相关,以及急救医疗服务(EMS)提供者在现场花费的时间是否修饰这一关系,仍未解决。为填补这一空白,我们应用双重稳健因果推断框架来估计优先转运与交通相关TMI中严重临床结局之间的总体平均关联,并按现场时间检验该关联的异质性。本研究旨在:(1)估计在交通相关多患者事件中,优先转运与到院时严重临床结局之间的关联,并校正国家EMS登记处可获得的已测量协变量;(2)检验现场时间是否修饰该关联;(3)刻画该关联在现场时间范围内的模式,包括按损伤严重程度进行的选择等选择过程。
方法
研究设计与数据来源
我们开展了一项回顾性队列研究,使用由日本消防厅(FDMA)管理的全国急救医疗服务转运记录[11, 12]。这些记录采用标准化的Utstein风格数据结构收集,用于所有都道府县的系统性院前记录。日本FDMA登记处采集院前诊断编码、患者年龄、性别、呼叫时间、事件规模和转运优先级。然而,它不包括细粒度的患者层面临床数据,如生命体征、格拉斯哥昏迷量表(GCS)评分、精确的。这些缺失反映的是行政登记处的制度结构,而非分析选择。我们分析了2021年1月1日至2023年12月31日之间的数据。本研究按照观察性研究的适用指南进行;获得了机构审查委员会批准,并且由于观察性设计和去标识化数据而豁免知情同意。我们使用STROBE报告指南起草本手稿,并在编辑时使用STROBE报告清单,作为补充1纳入[13]。
研究人群
在研究期间全国捕获的13,821,224条急救医疗服务转运记录中,最初识别出1,048,494例交通相关病例。交通相关多患者事件(TMI)定义为源自单次急救呼叫、涉及两名或更多转运患者的事件,通过基于唯一消防部门标识符、调度时间和特定事件地点对个体转运记录进行聚类来识别。
在国家消防厅(FDMA)登记处中,这些病例被统一归类在“交通事故”这一宽泛的行政类别下,该类别涵盖机动车乘员、摩托车驾驶者、骑自行车者和被机动车撞到的行人;然而,由于登记处编码结构,这些具体亚机制无法被细粒度地单独分离或作为离散独立变量进行校正。
未设定年龄下限,儿科患者(年龄<18岁;n = 28,308;16.28%)被完全纳入主要分析,以反映多患者现场救治的全面真实世界病例构成。关于无生命体征或心脏骤停的患者,日本急救医疗服务(EMS)方案规定,EMS到达时处于心肺骤停状态、或在转运途中入院前恶化为心脏骤停的个体,均在一个完全独立的、使用Utstein模板的全国性院外心脏骤停(OHCA)登记系统中进行追踪、记录和管理。由于这种行政管理分类和数据分离,在入院时或入院前无生命体征的患者被系统性地排除在本研究所使用的非OHCA转运登记数据集中,使分析样本完全由有生命体征的转运患者组成。在进一步排除510名关键变量(转运优先级、现场时间或关键临床结局)缺失的患者后,最终分析数据集包含143,130名交通相关TMI患者(图1)。
并非所有聚集性事件都必然涉及严重的现场资源受限,以致必须进行正式的结构化检伤分类;这种潜在的操作异质性的影响在局限性部分予以讨论。
暴露
主要暴露为“优先转运”,即每起事件中从现场转运的第一名患者。这一定义操作化地作为检伤分类优先级的实用替代指标,但可能无法完全反映临床意图。因此,暴露错分是可能的,尤其是在复杂事件中,转运顺序受后勤限制而非仅受临床严重程度影响。
结局
主要结局为严重临床结局,即由医生在初次医院评估时使用登记分类量表评定的严重程度分级(从1=死亡到5=轻度)。严重结局定义为严重程度评分为1至3分(分别为死亡、危重或严重损伤)。死亡(评分=1)、危重损伤(评分=2)和严重损伤(评分=3)被合并为一个复合主要结局,因为这三者均代表即刻危及生命的恶化。孤立死亡的发生频率较低(n=455;占分析队列的0.32%),因此无法将死亡率作为独立终点进行有足够把握度的分析。各严重程度类别的结局未单独呈现,因为本研究的主要目的是评估复合严重结局(死亡、危重损伤或严重损伤)。仅死亡一项的发生频率较低(n=455),限制了各组成部分特异性分析的统计学精确度。严重程度分类来源于医生在初次医院评估时使用FDMA登记量表评定的严重程度;该量表并非由研究者创建。
日本院前急救系统(EMS)描述
日本院前急救系统(EMS)和创伤转运系统在集中化的国家框架内运行,但缺乏正式的区域化创伤系统或类似于北美一级或二级创伤中心的专门、独家指定的创伤中心网络[14, 15]。相反,严重损伤的确定性救治分布在 nationwide 约300个政府指定的三级急救医疗中心,这些中心管理所有类型的急性、危及生命的内科和外科急症。
院前系统由总务省消防厅管理,服务提供委托给日本47个都道府县的750个市政消防部门,覆盖总面积约378,000平方公里、总人口约1.24亿[14, 16]。该系统由公共财政资助,紧急转运普遍免费。每辆救护车配备三人车组,其中包括至少一名急救生命支持技术员(ELST),即国家许可的高级院前急救提供者。约50%的ELST拥有进行高级操作的额外授权,包括气管内插管和静脉给药[17]。截至2023年,日本维持约6,500辆救护车(约每10万人口5辆),全国院前急救系统中位响应时间约为10.3分钟(城市地区:7–9分钟;农村地区:10–15分钟)[14, 18]。
因果结构与协变量
构建有向无环图以阐明假设的因果结构(补充材料1中的eFigure 1)。损伤严重程度作为主要的未测量混杂因素,被假定同时影响优先转运分配和严重结局[19]。暴露前协变量包括年龄(自然三次样条,3个自由度)、性别、呼叫时间(圆形时间的正弦和余弦,以捕捉昼夜模式)以及事件规模(2名患者 vs. ≥3名患者)。现场时间被视为效应修饰因子而非混杂因素或中介变量。尽管现场时间可能受EMS决策和事件复杂性的影响,但如果在倾向性评分模型中对其进行条件化,当其与优先转运和结局共享共同原因时,存在碰撞偏倚的风险。因此,我们将现场时间从倾向性评分模型中排除,转而使用边际标准化在其取值范围内将其作为效应修饰因子进行考察[20, 21]。
在FDMA登记系统中,转运顺序和现场时间在操作层面相互关联,因为离开现场的 timestamps 是在事件层面记录的。在补充分析中,从两辆或以上救护车同时出发的事件中识别出37,296名患者,表明转运优先级并非仅由出发时间决定性地定义。这一操作结构进一步支持将现场时间视为背景操作性变量而非基线混杂因素。
统计分析
边际风险差的双稳健估计
使用增强逆概率加权(AIPW)估计边际调整风险差,以量化优先转运与患者结局之间的人群平均关联[22]。AIPW是一种“双稳健”方法,即当倾向性评分模型(预测谁接受优先转运)或结局模型(预测严重结局)中任一模型正确设定时,均可提供有效估计[23, 24]。与标准logistic回归相比,该方法对模型错误设定提供了更强的保护[22, 23, 25, 26]。
双稳健AIPW估计量需要四个核心因果假设:(1)阳性性,(2)一致性,(3)条件可交换性(即所有混杂因素均被测量并纳入),以及(4)至少一个组分模型的正确设定。我们明确承认,鉴于登记系统中缺乏生理性损伤严重程度数据,条件可交换性不太可能完全满足,这意味着估计的风险差反映的是协变量调整后的关联而非无偏因果效应。
按现场时间分层的边际风险差曲线
为评估该关系在不同操作背景下的变化,我们使用边际标准化评估了现场时间范围内的效应异质性[18]。由于现场时间与临床结局之间的关系可能并非严格线性,我们使用限制性三次样条对现场时间进行灵活建模——这是一种数学方法,允许数据形成平滑曲线而非强制为直线。我们在结局模型中纳入了转运优先级与这些现场时间样条之间的交互项。
使用该模型,我们计算了数据集中每位患者在两种假设情景下发生严重结局的预测概率:第一种假设所有人接受优先转运,第二种假设所有人接受非优先转运,并将现场时间固定为从5至60分钟的特定整数增量。这两种标准化概率之间的差值定义了各时间点的边际风险差(RD)。为避免样条边界不稳定,分析限制在5–60分钟范围内;现场时间< 5分钟的患者(n = 455)被排除在样条交互分析之外,而现场时间> 60分钟的患者(n = 2,004)在60分钟处进行右删失。考虑到同一事件中受伤的患者共享相同的现场环境和后勤限制,风险差曲线的方差估计和95%置信区间(CI)采用基于事件层面的聚类自举技术计算,重采样500次。总体人群水平的95% CI使用标准三明治估计量生成[27]。
敏感性与事后分析
为进一步确保模型对潜在未测量混杂和建模假设的稳健性,进行了若干预设和事后敏感性分析。我们在重叠限制人群中(倾向性评分限制在0.1–0.9)重复了主要分析。协变量平衡使用标准化均数差(SMD)评估;SMD < 0.10表示平衡充分[23, 24, 28]。此外,我们评估了替代模型设定,包括调整由诊断代码构建的院前损伤严重程度代理变量、将事件规模重新建模为四分类有序变量(2、3、4和≥ 5名患者)以检验潜在的剂量-反应动态,以及评估连续协变量的替代函数形式(包括线性项和年龄及呼叫时间的替代样条设定)。最后,计算了总体边际RD的E值,以量化完全解释所观察关联所需未测量混杂因素的最低强度(详见补充材料eTable S1–S5)[29]。
统计软件
所有分析均使用R 4.5.2版本进行。使用了dplyr、splines、tidyr、car和boot程序包。
结果
研究人群
应用纳入排除标准后,最终分析共纳入143,130名涉及交通相关多人事件的患者(图1)。中位年龄为41岁(IQR,22–61岁),50.57%为女性。总体而言,62,769名患者(43.85%)接受了优先转运。基线人口学和运行特征见表1。
未调整的临床结局
按转运优先级分组的原始未调整临床结局见表2。严重临床结局定义为医生评估的到院时严重程度类别为死亡、危重伤或严重伤,总体发生于4,228名患者(2.95%)。接受优先转运的患者中严重临床结局的粗发生率高于接受非优先转运的患者(4.35% [n = 2,729] vs. 1.87% [n = 1,499])。
在复合结局的各个组成部分中,严重损伤占事件的大多数(n = 3,709;占所有患者的2.59%),其次是死亡(n = 455;0.32%)和危重损伤(n = 64;0.04%)。优先转运组中各结局组成部分的粗率均持续高于非优先转运组(表2)。
由于转运优先级优先分配给被认为临床风险较高的患者,这些未调整的结局比较应被解释为描述性的,而非优先转运因果效应的估计值。
协变量平衡
在加权之前,优先组和非优先组在年龄(中位数45岁 vs. 36岁;SMD,0.307)和事件规模(2例患者事件:79.61% vs. 62.19%)方面存在差异。经过AIPW重加权后,所有SMD均< 0.10,表明平衡充分。倾向性评分范围为0.068至0.790,无正值性违反的证据。重叠限制人群包括139,865例患者(占分析样本的97.72%),证实了极端倾向性评分的罕见性。
总体边际调整风险差
总体边际调整RD为2.2个百分点(95% CI,2.01–2.36)。在重叠限制敏感性分析中,边际RD为2.0个百分点,提示该结果并非由极端倾向性评分患者所驱动。观察到的关联与未测量损伤严重程度等因素所致的混杂一致,不应被解释为优先转运的因果效应(表3)。
按现场时间的异质性
在调整了损伤严重程度代理变量的探索性线性回归中,优先转运与较短的现场时间相关(β = −5.09 min)。观察到优先转运与现场时间之间存在显著交互作用(Wald检验 p < .001),表明在所考察的现场时间范围内边际RD存在实质性异质性(图2)。现场时间为5 min时边际RD为6.4个百分点(95% CI,5.6–7.2),逐渐下降至约32 min时的最低值1.4个百分点(95% CI,1.3–1.6),并在60 min时适度回升至2.4个百分点(95% CI,2.0–2.8)。在所考察的整个现场时间范围内,边际RD始终保持正值,未观察到方向逆转。
敏感性分析
总体边际风险差的E值为3.76(置信区间下限为3.57),表明一个未测量的混杂因素需要与优先级转运和严重结局均以至少3.57的风险比相关联,才能完全解释观察到的关联。限制重叠后的边际风险差(2.0个百分点)与主要估计值(2.2个百分点)几乎相同,表明对阳性性违反具有稳健性。作为进一步的敏感性分析,使用交叉验证SuperLearner集成学习器(广义加性模型和随机森林)的靶向最小损失估计算法得出的边际风险差为2.4个百分点(95% CI,2.17–2.55),风险比为2.18(95% CI,2.05–2.32)。此外,调整院前损伤严重程度替代变量的敏感性分析显示,纳入这些替代变量仅导致优先级转运估计值发生适度变化(补充材料1中的e表S1),该严重程度调整逻辑回归的完整模型系数详见补充材料(补充材料1中的e表S4)。此外,将事件规模重新建模为四分类有序变量(2、3、4和≥5名患者)得出的估计值几乎相同,表明对分类假设具有稳健性(补充材料1中的e表S2)。
讨论
主要发现
在这项纳入创伤性批量伤亡事件患者的全国性队列研究中,优先级转运与人群水平上严重临床结局概率的适度增加相关。然而,这种关联在现场时间的不同水平上存在显著差异,呈现U形模式。关联的幅度在现场时间较短时最大(5分钟时为6.4个百分点),在中等持续时间时减弱(32分钟时为1.4个百分点),在较长持续时间时适度增加(60分钟时为2.4个百分点)。重要的是,在所有检查的时间点上,关联的方向始终为正值。
解释:随时间变化的选择动态而非治疗效应
观察到的关联与未测量的损伤严重程度所致混杂一致,这可作为其他解释之外的一种合理解释,尽管不能排除残余的因果成分。被选择进行早期转运的患者可能比 later 转运的患者损伤更严重,而这种严重程度差异可能解释了观察到的超额风险的很大一部分[6, 7]。
现场时间与优先转运–结局风险差之间的U形关系并不意味着在现场花费约30分钟会因果性地改善患者结局。相反,我们假设这一模式反映了一种临床和运营层面的选择过程,即院前急救(EMS)提供者首先快速转运伤势最危重的患者,从而在现场时间最短时造成高强度的选择偏倚。具体而言,在现场时间最短时,选择过程可能最为强烈——此时分诊决策不成比例地优先安排最危重患者立即出发——从而使优先组与非优先组之间的严重程度差异最大化,并产生观察到的最大风险差。虽然这种优先安排只是反映了分诊系统在临床实践中按预期正常运作,但它对因果推断引入了一个严重的方法学问题,因为当这种强烈的、依赖严重程度的选择动态发生时,标准调整方法无法实现条件可交换性。相反,在现场接受延长救治的患者可能代表损伤较轻的队列,提供者在临床上认为可以舒适地花费额外时间进行详细评估或择期干预。这种行为自然减弱了优先组与非优先组之间的严重程度差异,对应于观察到的边际风险差逐渐降低、约在32分钟时达到最小值。在现场时间最长的区间出现的轻度升高,可能反映了一个不同的患者亚组,其延长时间是由复杂解救或极端临床不稳定而非常规院前管理所致。因此,这一模式代表了依赖严重程度的选择进入快速转运,而不是现场时间本身直接的因果效应。因为我们强调,由于我们的数据集缺乏基线损伤严重程度的直接经验测量,这些机制性解释无法被正式检验,必须谨慎解读。这一模式与以下假设一致,但并不能证实该假设:随着现场时间增加,损伤严重程度对转运优先排序产生差异性影响(图2)[30–32]。
跨现场时间的边际风险差异曲线,是通过在人群中将固定现场时间水平下的预测结局进行标准化而生成的。由于现场时间是暴露后操作性变量,其本身可能受转运优先级和事件特征影响,因此这些估计并不对应于对现场时间的明确定义干预。我们的目标不是估计现场时间的孤立因果效应。相反,我们旨在评估转运优先级与严重结局之间的关联在观察到的现场时间范围内是否不同。因此,交互项应被解释为对跨操作背景效应异质性的描述性评估,而非中介机制的证据[33–36]。
因果解释与识别局限性
尽管应用了双重稳健估计框架,但因果识别所需的关键假设在此情境下不太可能完全满足。特别是,生理性损伤严重程度——转运优先级和临床结局的主要决定因素——未被直接测量。因此预期存在残余混杂[37]。据此,本研究的主要估计目标应被理解为转运优先级与严重结局之间的协变量调整关联,而非转运顺序本身的无偏因果效应。本研究使用因果推断方法旨在提高关于假设的透明度并减少已测量的混杂,同时承认治疗分配的重要未测量决定因素仍然存在[35]。
敏感性分析部分解决了这一顾虑。对多个损伤严重程度替代变量进行调整后,估计的边际风险差异仅发生适度变化(补充材料1中的eTable S1)。此外,使用四个类别(2、3、4和≥5名患者)进行的事件规模敏感性分析产生了几乎相同的估计(2.07% vs. 2.09%;补充材料1中的eTable S2)。年龄和呼叫时间规格的函数形式敏感性分析产生了定性一致的正向关联,尽管效应大小有中度变异(补充材料1中的eTable S3)。在所有替代规格中,估计的边际风险差异保持为正值且处于相似范围内,支持关联总体方向的稳健性,同时表明效应大小对建模假设有一定敏感性[36]。
作为额外的敏感性指标,E值为3.76(置信下界为3.57),表明一个未测量混杂因素需要在超出已测量协变量的情况下,与优先转运分配和严重结局分别至少存在3.57倍的风险比关联,才能完全解释观察到的关联。然而,生理性损伤严重程度是否达到或满足这一阈值无法从当前数据集确定,因为现有登记数据不允许在比率尺度上对这一潜在构念进行经验量化。E值仅提供概念性敏感性框架,并不排除残余因果贡献;因此,这些调整后关联在未测量混杂方面必须严格谨慎地解释[30, 38]。
现场时间标准化的解释
跨现场时间的边际风险差曲线是通过在人群中固定现场时间水平对预测结局进行标准化生成的。该方法并不对应于对现场时间这一暴露后变量的明确干预,该变量受临床决策和运营因素的影响。因此,所得曲线应被解释为一种描述性工具,用于刻画观察到的关联如何在现场时间各水平间变化,而非作为改变现场持续时间的因果效应的估计[20, 22]。
测量考虑
将“优先转运”操作化定义为从现场转运的第一名患者,为检伤分类优先级提供了一个务实的替代指标,但可能无法完全反映临床意图。因此,暴露的错误分类是可能的,尤其是在复杂事件中,转运顺序受后勤限制而非仅受临床严重程度影响。此类错误分类可能以不可预测的方式使估计值偏向零假设或远离零假设[39, 40]。
对研究和实践的意义
这些发现指向院前观察性研究中的一个结构性问题,该问题超越了转运优先级的具体情境。在急诊照护环境中,运营决策很少独立于患者严重程度而做出:治疗分配与驱动结局的潜在生理状态在整个院前诊疗过程中动态耦合。这种耦合意味着,EMS干预与结局之间观察到的关联可能在很大程度上反映选择动态而非治疗效应——即使应用了双重稳健方法且测量的混杂因素均衡良好。未明确建模这一选择过程时变结构的观察性研究,存在将动态偏倚系统性地错误归因于因果干预效应的风险[41]。
这种选择结构最适用于评估院前干预(如全血输注、院前气道管理)或经过院前检伤分类人群中下游院内干预的研究,在这些情境中,严重程度依赖的选择动态运作。相反,考察诊断准确性、检伤分类算法开发或预后建模的研究可能不需要明确建模这一偏倚。通过界定这些边界,研究者可以更好地区分选择动态威胁因果推断的情境与运营优先级反映预期临床实践而不使主要研究问题产生偏倚的情境[42]。
当详细的生理测量或损伤严重程度变量不可用时,优先转运可作为观察性EMS研究中损伤严重程度的务实替代标志物。然而,由于其与结局的关联随现场时间而变化,未来研究在可获得详细时间信息时应考虑使用交互项或灵活函数形式对该关系进行建模。在可获得精细生理或损伤严重程度数据的环境中,优先转运应被视为直接严重程度调整的补充而非替代。
优势与局限性
本研究的优势包括使用了大型全国性登记数据库、应用了双重稳健估计框架、对协变量平衡和重叠进行了明确评估,以及使用边际标准化结合基于聚类的自助法推断来刻画异质性。由于使用的是边际估计而非条件估计,结果反映的是人群平均关联 [16]。
本研究的局限性值得审慎考虑。第一,残余混杂仍是一个关键问题。除生理性损伤严重程度外,其他未测量的混杂因素可能包括急救医疗服务(EMS)人员的经验和培训水平、接收机构的医院创伤救治能力、影响转运时间的地理因素以及患者合并症;AIPW估计器仅对已测量的协变量进行调整。第二,优先转运的操作性定义可能导致潜在的暴露错分。第三,我们对现场时间施加了5–60分钟范围的操作性限制,以避免样条边界不稳定(其中>60分钟的值在60分钟处进行右删失)。此外,由于登记数据库缺乏患者接触确切时刻的精细时间戳,现场时间可能部分包含EMS到达与初始评估之间的短暂间隔,这可能使其作为暴露后变量的严格定义变得复杂。另外,对不同现场时间间异质性的分析本质上是描述性的,我们对U形模式的机制性解释需要在前瞻性或富集数据环境中进一步验证。此外,登记数据库包含医生在入院初步评估时评定的严重程度,但未捕获随后的院内结局,如住院死亡率或出院去向。因此,我们无法评估优先转运是否与下游医院结局相关。最后,普适性可能仅限于与本文所研究的日本系统具有相似运行结构的EMS系统 [30]。
最终,解读登记数据库衍生的院前干预与结局之间的关联,需要严格关注潜在的选择结构。未来纳入直接生理测量的EMS登记数据库——如乳酸、休克指数或现场损伤评分——将大幅提高该领域因果推断的有效性以及重症监护入院时严重程度调整的准确性 [42]。
结论
在交通相关的多患者事件中,优先转运与更高的严重结局概率相关。这种关联随现场时间以U形模式显著变化,与随时间变化的选择过程一致,可能包括损伤严重程度的混杂,尽管不能排除残余因果效应。更广泛地说,这些发现表明,在治疗分配与潜在生理严重程度动态耦合的急诊护理环境中,操作决策与结局之间的观察关联可能在很大程度上反映选择动态而非因果治疗效果——即使在双重稳健估计框架下也是如此。因此,在解释院前和急性护理研究中的观察性证据时,对随时间变化的决策过程进行明确建模至关重要,而直接测量生理严重程度的前瞻性研究仍然是实现确定性因果推断所必需的。
补充信息
以下是电子补充材料的链接。
补充材料1:图S1、表S1-S5、STROBE清单。
参考来源
- Kubo A, Tamura S, Hiraide A, et al. Prehospital transport prioritization and time-varying selection bias in traffic-related multi-patient incidents: a nationwide retrospective cohort study. Crit Care. 2026. PMID: 42850620. doi:10.1186/s13054-026-06196-2
- 全文:PMC13647583(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13647583/
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。