心脏骤停后综合征诱导低温前预测神经预后的新评分系统:CAST评分
本研究为多中心回顾性观察研究,纳入151例心脏骤停后接受诱导低温的成人患者,分为学习集77例和验证集74例。从初始心律、目击状态及至ROSC时间、GCS运动评分、pH、血清乳酸、白蛋白、血红蛋白和GWR等8个因素构建评分系统。验证集 cutoff 50%时敏感度0.95、特异度0.90;cutoff 15%时敏感度0.67、特异度1.00,AUC 0.97。最终建立CAST评分,CAST评分≤15%的患者30天良好恢复可能性极低,但需前瞻性验证。
要点
- CAST评分用于心脏骤停后综合征患者在诱导低温前预测30天神经预后,基于8个院前及急诊可测因素。
- 验证集 cutoff 15%时特异度1.00(95%CI 0.92–1.00)、敏感度0.67(95%CI 0.47–0.83),提示CAST评分≤15%者良好恢复可能性极低。
- 验证集 cutoff 50%时敏感度0.95(95%CI 0.82–0.99)、特异度0.90(95%CI 0.77–0.99);cutoff 30%时敏感度0.87(95%CI 0.69–0.96)、特异度0.98(95%CI 0.88–1.00)。
- 评分仅适用于接受诱导低温的心脏骤停后综合征成人患者,不适用于创伤性心脏骤停、年龄<18岁或心脏骤停前不能独立生活者。
- 作者结论指出CAST评分≤15%者30天良好恢复可能性极低,但评分尚需前瞻性验证,且不能替代脑电图或长期观察等决定性检查。
适用人群与场景
- 接受诱导低温的心脏骤停后综合征成人患者,诱导低温考虑条件为ROSC后昏迷(GCS≤8)且无明显血流动力学不稳定或无「不尝试复苏」医嘱。
- 排除创伤性心脏骤停患者、年龄<18岁的儿科患者、心脏骤停前不能独立生活者。
- 研究场景为4家三级急诊医疗中心(日本),数据在患者到达急诊室后、入住ICU并启动诱导低温前采集。
诊断标准与关键阈值
- CAST评分基于8个因素构建:初始心律、目击状态及至ROSC时间、GCS运动评分、pH、血清乳酸、白蛋白、血红蛋白、灰白质衰减比(GWR)。
- 验证集 cutoff 50%:敏感度0.95(95%CI 0.82–0.99),特异度0.90(95%CI 0.77–0.99)。
- 验证集 cutoff 30%:敏感度0.87(95%CI 0.69–0.96),特异度0.98(95%CI 0.88–1.00)。
- 验证集 cutoff 15%:敏感度0.67(95%CI 0.47–0.83),特异度1.00(95%CI 0.92–1.00);ROC曲线AUC为0.97。
- CAST评分≤15%提示30天良好恢复可能性极低。
处置流程与药物剂量
- 诱导低温方案因医院而异:名古屋大学医院、中部恩综合医疗中心和小牧市民医院目标温度34°C,采用冷液体输注联合体表降温、冰袋和冷毯或带计算机自动温度控制的体表降温装置(Arctic Sun 2000 TTM),维持24小时后以0.2°C/4h复温至36°C。
- 日本红十字前桥医院目标温度多为34°C,血流动力学不稳定时改为35°C或36°C,使用带计算机自动温度控制的体表降温装置(Arctic Sun 2000 TTM),维持24小时后以1°C/24h复温至正常体温,停止于36°C。
- 所有参与医院调整呼吸机设置、液体输注和血管升压药、镇静药、镇痛药剂量,使平均动脉压≥80 mmHg、pCO2 35-45 mmHg、尿量≥0.5 mL/kg/h以维持脑灌注。
- 镇静、镇痛和肌肉松弛根据临床医生偏好选用丙泊酚、右美托咪定、芬太尼和罗库溴铵(日本红十字前桥医院另可用咪达唑仑)。
研究设计与关键结果
- 多中心回顾性观察研究,共纳入151例连续成人患者,学习集77例(两家医院),验证集74例(另两家医院)。
- 学习集中8个因素与神经结局显著相关(P<0.01):初始心律、目击状态及至ROSC时间、GCS运动评分、pH、血清乳酸、白蛋白、血红蛋白、GWR。
- 内部交叉验证:逻辑回归算法敏感度0.85、特异度0.84、正确分类率0.85;决策树算法分别为0.82、0.73、0.78。
- 外部验证集74例,cutoff 50%:敏感度0.95(95%CI 0.82–0.99),特异度0.90(95%CI 0.77–0.99);cutoff 30%:敏感度0.87(95%CI 0.69–0.96),特异度0.98(95%CI 0.88–1.00);cutoff 15%:敏感度0.67(95%CI 0.47–0.83),特异度1.00(95%CI 0.92–1.00);AUC 0.97。
- 最终使用全部151例数据建立CAST评分,CAST评分≤15%的患者30天良好恢复可能性极低。
证据类型、等级与局限
- 证据类型:多中心、回顾性、观察性研究。
- 局限:原文报告局限性包括:使用回顾性数据创建评分;存在缺失值并进行了单位插补;医院方案间微小差异(如镇静药种类或诱导维持低温方法)可能影响患者结局;参与医院间患者基线特征差异因样本量有限不可忽视;终点为30天结局,可能更适合设置更长终点如90天;需要前瞻性验证CAST评分及研究其预测长期预后的有用性。
对床旁实践的改变
- CAST评分可在诱导低温前帮助识别30天良好恢复可能性极低(CAST评分≤15%)的心脏骤停后综合征患者,但作者强调评分仅显示一般人群的结局概率,不能预测个体确切神经预后。
- 作者指出最终治疗策略应基于评分系统结果、与家属讨论、患者本人意愿和社会因素等多方面决定,不能仅凭评分。
- 作者认为没有决定性检查(如脑电图或长期观察)无法预测患者确切的神经预后。
- 评分不适用于创伤性心脏骤停、年龄<18岁或心脏骤停前不能独立生活的患者。
- 作者结论指出CAST评分尚需前瞻性验证。
提炼说明
- 原文未涉及「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12 节 · 点击展开
背景
心脏骤停后综合征(PCAS)患者的治疗主要旨在改善自主循环恢复(ROSC)后患者的神经学预后[1, 2]。为改善PCAS患者的结局,许多医院根据既往随机对照试验的结果实施诱导性治疗性低温[3–7]。在诱导性低温开始前、患者到达急诊室时即预测其预后,将有助于对患者进行分层以开展精准临床研究,也有助于对其预后提供基线估计。
一些研究考察了诱导性低温开始前可量化的若干因素,以确定其与PCAS患者神经学结局的关系。例如,复苏持续时间已被证明与PCAS患者良好的功能结局相关[8, 9]。其他研究揭示了pH[10]、血清乳酸[11, 12]和格拉斯哥昏迷量表(GCS)评分[13, 14]与PCAS患者神经学预后之间的相关性。然而,尚未发现这些因素中任何一个单独能够令人满意地将结局良好的患者与结局不良的患者区分开来,这提示基于预后因素组合建立“合适的量表”可能有用[15, 16]。本研究旨在基于诱导性低温开始前所进行的检查结果,开发一个预后评分系统,用于预测接受诱导性低温治疗的PCAS患者的神经学预后。本研究的摘要此前已以通讯形式报道[17]。
方法
研究设计
我们开展了一项多中心、回顾性、观察性研究,考察了心脏骤停后接受诱导性低温治疗的成年患者。我们回顾性查阅了在过去3-5年期间入住我院的符合条件的患者的临床管理病历:2011年4月至2016年3月期间在名古屋大学医院接受治疗的54例患者,2013年4月至2016年3月期间在中都苑综合医疗中心接受治疗的23例患者,2011年4月至2016年3月期间在日本红十字会前桥医院接受治疗的64例患者,以及2012年4月至2016年3月期间在小牧市民综合医院接受治疗的10例患者。符合条件的患者为所有心脏骤停后接受诱导性低温治疗的患者(对于自主循环恢复(ROSC)后处于昏迷状态(GCS ≤ 8)、无明显血流动力学不稳定或无“不尝试复苏”医嘱的心脏骤停患者,考虑行诱导性低温治疗)。若患者为创伤性心脏骤停患者、或儿科患者(年龄 < 18岁)、或在发生心脏骤停前未能独立生活,则予以排除。为建立和验证预后评分系统,我们将全部151例患者分为学习集(在名古屋大学医院或中都苑综合医疗中心接受治疗的77例)和验证集(在小牧市民综合医院或日本红十字会前桥医院接受治疗的74例)。创建这些集合的目的是为来自城市医院和乡村综合医疗中心的广泛患者群体建立和验证评分系统,因此每个集合均包含一所位于城市的医院和一所位于乡村的医院。本研究经名古屋大学医院、中都苑综合医疗中心、小牧市民综合医院和日本红十字会前桥医院的研究伦理委员会批准。
参与医院
四所参与医院均为三级急救医疗中心(日本针对病情严重或危及生命的急诊患者的中心):名古屋大学医院是一所学术性医院,而中都苑综合医疗中心、日本红十字会前桥医院和小牧市民综合医院为综合医院。名古屋大学医院和日本红十字会前桥医院均位于城市,分别拥有1,035张和592张床位,其中分别包括26张和12张ICU床位;这两所医院每年分别诊治约12,000例和20,000例急诊患者。中都苑综合医疗中心和小牧市民综合医院均位于乡村,分别拥有500张和558张床位,其中分别包括10张和30张ICU/CCU床位;这两所医院每年诊治约20,000例和30,000例急诊患者。
数据集
数据通过回顾性查阅电子病历收集,包括临床病史(年龄、性别、心脏骤停时周围情况)、心律、患者到达急诊室时进行的体格检查(GCS、瞳孔散大)、血液检查结果(C反应蛋白[CRP]、白蛋白[Alb]、血红蛋白[Hb]、血糖、肌酐、pH、乳酸)、头颅CT扫描图像以及入院后的临床经过。评分变量候选指标从入住ICU及开始诱导性低温治疗之前可测量的参数中选择。
采用Torbey报告[18]中描述的方法测量灰质衰减与白质衰减比值(GWR)。患者心脏骤停事件后6小时内,使用Aquilion64(东芝)或SOMATOM Definition Flash(西门子)获取CT扫描图像。如图1所示,在基底节层面、半卵圆中心层面和高凸面层面的三个轴位切片(5 mm层厚)上,分别测量灰质和白质圆形感兴趣区(约10 mm²)的强度。然后按下式计算GWR[19]:其中Th代表丘脑,MC1代表半卵圆中心的内侧皮质,MC2代表高凸面层面的内侧皮质,PIC代表内囊后肢,MWM1代表半卵圆中心的内侧白质,MWM2代表高凸面层面的内侧白质。每个数值为右、左半球数值的平均值。
在为学习集开发评分系统之前,我们进行了一些单位插补,因为基线数据涉及一些缺失值。连续变量的缺失值使用均值,而二分类变量的缺失值使用0。值得注意的是,我们确认即使对缺失值使用1,预测的准确性也没有变化。
治疗性低温方案
根据各医院的方案,对符合条件的患者实施诱导性低温治疗。对于复苏后自主循环恢复(ROSC)后处于昏迷状态(GCS ≤ 8)、无明显血流动力学不稳定或无“不予复苏”医嘱的心脏骤停患者,考虑实施诱导性低温治疗。在名古屋大学医院、中部综合医疗中心和小牧市民综合医院,通过输注冷液体结合体表降温、冰袋和冷毯,或使用配备计算机自动温度控制的体表降温装置(Arctic Sun 2000 TTM;Bard Medical Louisville, CO),以34 °C为目标温度。目标温度维持24 h后,以0.2 °C/4 h的速率复温至36 °C。根据临床医生的个人偏好,使用丙泊酚、右美托咪定、芬太尼和罗库溴铵进行镇静、镇痛和肌肉松弛。在日本红十字前桥医院,目标温度大多为34 °C,但如果患者出现血流动力学不稳定,则将目标改为35 °C或36 °C。诱导性低温使用配备计算机自动温度控制的体表降温装置(Arctic Sun 2000 TTM;Bard Medical Louisville, CO)实施。目标温度维持24 h后,以1 °C/24 h的速率复温至正常体温,至36 °C停止。根据临床医生的个人偏好,使用丙泊酚、右美托咪定、咪达唑仑、芬太尼和罗库溴铵进行镇静、镇痛和肌肉松弛。在所有参与医院中,调整呼吸机设置、液体输注以及血管加压药、镇静药和镇痛药的剂量,使平均动脉压、pCO2和尿量分别≥80 mmHg、35-45 mmHg和≥0.5 mL/kg/h,以维持脑灌注。
神经学结局
我们使用30天时的脑功能分类(CPC)来评估神经学结局,具体如下:CPC 1,完全恢复;CPC 2,中度残疾;CPC 3,重度残疾;CPC 4,昏迷或植物状态;CPC 5,死亡[20]。我们通过查阅电子病历或访谈患者家属及患者30天时所在机构来计算30天时的CPC评分。将这些分类分为良好结局(1-2)或不良结局(3-5)[20]。
外部验证的样本量
我们确定外部验证集的样本量,以确保在估计正确分类比例(PCC)时具有高精度。具体而言,我们将PCC的目标值设定为85%,这是基于内部验证中获得的逻辑回归分类器的点估计值。我们要求基于正态近似的95%置信水平的双侧置信区间宽度小于10%。通过这种方式,我们确定外部验证至少需要51例患者。
统计分析
在预后评分系统的开发过程中,我们首先确定了一组可用于预测临床结局的预后因素,这些因素既具有临床重要性,又可在急诊室常规测量,并且在学习集中与结局变量表现出一定的相关性。在使用所得预后因素集开发分类器时,我们将标准逻辑回归和决策树算法应用于学习集。为对这些分类器进行内部验证,我们使用学习集进行了10折交叉验证,以估计预测准确性指标,包括正确分类比例、特异度和敏感度。在此,特异度衡量的是结局不良的患者中被正确识别为结局不良的比例。我们在学习集中以不同的随机样本分割重复进行了50次交叉验证分析,以获得这些指标的稳定估计值。随后,我们将内部验证中准确性较高的预测算法应用于学习集中的所有患者,以获得用于外部验证的分类器。在交叉验证中,我们还通过比较不同变量数量之间的预测准确性,确定了评分系统最合适的变量数量。在外部验证中,我们使用基于beta分布的精确方法(未使用正态近似)估计每个95%置信区间(95% CI)。最后,我们将预测算法应用于全部151例患者,创建了一个供未来患者使用的新型评分系统。所有统计分析均使用R软件。我们使用“glmnet”包进行逻辑回归(http://www.jstatsoft.org/v33/i01/),使用“rpart”包进行决策树分析(http://CRAN.R-project.org/package=rpart)。在“glmnet”包中,逻辑回归算法允许在良好预后的后验概率大于50%时判定为“良好预后”;否则判定为“不良预后”。
结果
图2显示了说明受试者入组和评分开发流程的流程图。共有151例连续成人患者被分为两家医院的学习集和另外两家医院的验证集。我们从学习集中提取了若干因素用于开发评分系统,并进行了内部交叉验证,以确定最佳统计算法和变量数量。根据数据创建了一个初步评分系统,并通过外部验证检验了该评分系统的预测准确性。最后,我们使用全部数据创建了心脏骤停后综合征诱导治疗性低温(CAST)评分,用于在开始诱导性低温前预测PCAS患者的神经学预后。
学习集和验证集患者的基线特征总结于表1。学习集中基线变量与患者结局之间的相关性见表2。评分系统纳入的候选变量是从患者入住ICU开始诱导性低温前所检查的变量中选择的。
在所考虑的变量中,我们选择了8个与患者结局显著相关(P <0.01)的因素(初始心律、目击状态及至ROSC时间、GCS-M评分、pH、血清乳酸、Alb、Hb和GWR)。为方便起见,在使用这些变量创建评分系统时,我们将连续变量转换为分类变量,转换方式使较高评分意味着较差结局(表3)。
使用学习集创建的初步评分系统的交叉验证预测准确率(敏感性、特异性、正确分类百分比)在逻辑回归算法中分别为0.85、0.84和0.85,在决策树算法中分别为0.82、0.73和0.78。我们使用逻辑回归算法构建评分系统,因为在内部交叉验证中,与决策树算法相比,逻辑回归算法在敏感性、特异性和正确分类百分比方面产生了更准确的数值。最合适的变量数量也通过内部交叉验证得以确认。我们比较了使用不同变量数量(6、8和11个变量,分别显示与结局在P <0.001、<0.01和<0.05水平相关)通过逻辑回归算法创建的三种评分系统的预测准确率。三种评分系统的预测准确率分别为(0.86、0.82、0.84)、(0.85、0.84、0.84)和(0.84、0.83、0.83)。我们决定使用8个变量创建评分系统,因为使用该变量数量获得了最高的特异性(优先考虑特异性是因为从伦理角度而言,将实际结局不良的患者误判为可能结局良好,可能比将实际结局良好的患者误判为可能结局不良更容易被接受)。附加图文件更详细地说明了这一点[见附加文件1]。
接下来,使用逻辑回归算法从学习集中开发的8变量初步评分系统通过由74例病例组成的验证集进行了外部验证。为建立分类,我们将50%、30%和15%设为截断值;例如,50%截断值意味着如果根据评分良好预后的概率大于50%,则判定为“良好预后”;否则判定为“不良预后”。基于这些截断值,使用验证集估计的敏感性和特异性分别为(50%:0.95(95% CI,0.82–0.99),0.90(0.77–0.99))、(30%:0.87(0.69–0.96),0.98(0.88–1.00))和(15%:0.67(0.47–0.83),1.00(0.92–1.00))。然后,我们绘制了受试者工作特征(ROC)曲线,发现曲线下面积(AUC)为0.97[见附加文件2]。
由于内部验证和外部验证对评分系统预测准确率的评估结果均表明评分系统的创建过程是适当的,我们最终通过对所有151例患者(包括学习集和验证集;图3)应用逻辑回归算法,开发了一种新型评分系统,用于在PCAS患者接受诱导性低温治疗之前预测其神经学结局(心脏骤停后综合征诱导性治疗性低温(CAST)评分)。
讨论
神经重症医学的显著进步,包括诱导性低温的应用,使心脏骤停后综合征(PCAS)患者的神经预后得到了显著改善。然而,此类重症治疗费用高昂且耗时较长(例如,2015年我院接受诱导性低温治疗的PCAS患者平均总住院费用约为49,410美元)。在开始诱导性低温治疗前准确预测神经预后,将有助于我们审慎考虑这些强化且昂贵治疗的适应证。
尽管此前少数研究尝试建立评分系统以在PCAS患者到达急诊室时评估其神经预后,但这些研究均未考虑纳入研究的患者是否接受过诱导性低温治疗[10, 21–24]。如今,许多重症监护室(ICU)医生采用诱导性低温治疗,以期使有强化治疗指征的患者获得良好恢复。值得注意的是,本研究中CAST评分仅使用接受过诱导性低温治疗的PCAS患者数据创建,而非所有PCAS患者。此外,这些既往研究尝试建立的评分系统所纳入的因素大多限于临床病史项目,如至自主循环恢复(ROSC)的时间、初始心律和目击状态;未纳入血液检查、体格检查或影像学发现。在本研究中,我们收集了患者临床病史、血液检查、体格检查和影像学发现的数据,这些数据均在开始诱导性低温治疗前可获得,其中部分参数实际上与患者结局显示出强相关性。利用这些发现,我们创建了CAST评分,以便甚至在开始诱导性低温治疗前即可预测PCAS患者的神经预后。
创建评分系统时,应强调计算的便利性,迄今为止,简单的决策树算法[22]或利用简化比值比[25]的评分系统一直被认为是最优的。然而,如今电子设备允许使用更复杂的公式,并利用具有更逻辑性和统计学验证背景的统计算法,从而能够创建更准确、可能更复杂的评分系统。在本研究中,我们根据内部验证结果判断,逻辑回归算法是建立CAST评分系统的最佳选择。为更便捷地计算评分,我们开发了用于计算CAST评分的应用工具,即适用于iPad [26]和iPhone [27]的iOS应用程序。
关于预测评分的研究虽然极其有趣,但也可能有争议[28]。预测评分应被仔细考虑,因为它们只显示一般人群中结局的概率,而不是单个患者的确切概率。尽管预测评分可用于指导个体患者的决策和风险评估[28],但其结果并非绝对的。当然,最终治疗策略的决定不仅应基于评分系统的结果,还应基于不同因素,如与家属讨论的结果、患者本人的意愿、社会考量等。最重要的是,没有决定性检查(如脑电图或长期观察),就无法预测患者确切的神经学预后。
CAST评分的预测准确性有限,因为它是使用回顾性数据创建的,尽管其普适性可能较高,因为它是使用多中心数据开发的。我们必须考虑到存在一些缺失值,对此我们进行了一些单位插补。此外,医院方案之间的微小差异(如所用镇静剂种类或诱导和维持诱导性低温的方法)可能对患者结局产生了一定影响。参与医院之间患者基线特征的差异也不可忽视,因为本研究的样本量有限。使用更多参与医院的数据对该评分进行进一步验证将是有意义的。本研究使用的终点是30天时的结局。尽管30天结局已被其他一些试图建立心脏骤停患者预测评分的研究所使用[10, 29],但设置更长期的终点(如90天时的结局)可能更好,以便更准确地预测未来临床病程[30]。有必要对CAST评分进行前瞻性验证,并开展研究检验该评分用于预测PCAS患者长期预后的有用性。
结论
CAST评分旨在预测接受诱导性低温治疗的PCAS患者潜在的神经学结局。根据我们的结果,在CAST评分≤15%的PCAS患者中,30天时良好恢复的可能性极低。未来需要对CAST评分进行前瞻性验证。
附加文件
附加文件1:使用不同算法和不同数量变量创建的暂定评分系统的比较。在交叉验证研究中,逻辑回归算法比决策树算法产生了更高的敏感性、特异性和正确分类百分比(A)。显示了使用6、8和11个变量创建的三种评分系统的预测准确性(P值分别为0.001、0.01和0.05)(B)。Logistic logic regression algorithm 逻辑回归算法,Dec. tree 决策树算法,Se 敏感性,Sp 特异性,PCC 正确分类百分比。(TIFF 16702 kb)
初步评分系统外部验证的结果。图中显示了外部验证的灵敏度、特异度和正确分类百分比(A)。在这些预测准确度中,区分预后不良与预后良好的截断值分别为50%(若评分对应的预后良好概率大于50%,则判定为“预后良好”;否则判定为“预后不良”)、30%和15%。应用逻辑回归算法并以不同截断值计算所得初步评分的受试者工作特征曲线下面积(B)。ROC:受试者工作特征。(TIFF 9281 kb)
参考来源
- Nishikimi M, Matsuda N, Matsui K, et al. A novel scoring system for predicting the neurologic prognosis prior to the initiation of induced hypothermia in cases of post-cardiac arrest syndrome: the CAST score. Scand J Trauma Resusc Emerg Med. 2017. PMID: 28490379. doi:10.1186/s13049-017-0392-y
- 全文:PMC5424379(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5424379/
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。