文献速递重症综合管理与镇静镇痛

入院前功能状态影响APACHE IV模型在危重患者中的死亡率预测效能

Pre-admission functional status impacts the performance of the APACHE IV model of mortality prediction in critically ill patients.
PubMed 文献 · Crit Care · 2017-05-15
一句话结论入院前功能状态是危重患者死亡的独立预测因素,且影响APACHE IV预测死亡率与实际死亡率的关系,在病情较轻者中尤为明显。

这项回顾性队列研究纳入2005年10月1日至2015年9月30日单中心ICU连续收治的9638例患者,入院时前瞻性评定功能状态(完全独立FS1、部分依赖FS2、完全依赖FS3)并计算APACHE IV预测死亡率。FS1患者观察-预期死亡率比(OEMR)为0.67,显著低于FS2的0.93和FS3的0.90(P<0.0001)。FS1、FS2、FS3的AUC分别为0.924、0.837、0.775(两两比较P<0.001)。多变量分析显示FS2(OR 2.18,95%CI 1.84-2.57)和FS3(OR 1.99,95%CI 1.34-2.96)与死亡风险独立相关。作者认为未来死亡率预测模型应整合入院前功能状态指标。

要点

  • 入院前功能状态是危重患者死亡的独立预测因素:FS2的OR 2.18(95%CI 1.84-2.57),FS3的OR 1.99(95%CI 1.34-2.96)。
  • FS1患者OEMR为0.67,显著低于FS2的0.93和FS3的0.90(P<0.0001),提示APACHE IV在功能受损者中可能低估死亡风险。
  • 在APIV PM 0-10%亚组中,FS1的OEMR仅0.33,功能受损对预测效能的影响在病情较轻者中最明显。
  • FS1、FS2、FS3的AUC分别为0.924(95%CI 0.914-0.933)、0.837(95%CI 0.816-0.858)、0.775(95%CI 0.705-0.8456),两两比较P<0.001。
  • 作者建议ICU医生对功能状态受损患者更早开展照护目标讨论,并认为未来模型应整合入院前功能状态。

适用人群与场景

  • 2005年10月1日至2015年9月30日单中心ICU连续收治的9638例患者,排除心血管外科术后511例(5.0%)。
  • FS1患者更年轻、合并症更少、更多为术后或创伤诊断、病情更轻、ICU住院更短、死亡率更低。
  • FS3患者以内科患者为主,合并症更多、机械通气使用率最高、ICU住院时间最长。

诊断标准与关键阈值

  • 功能状态分为三类:FS1完全独立、FS2部分依赖、FS3完全依赖,基于转移、洗澡、穿衣、进食、个人卫生和如厕等基本日常生活活动能力的整体评估,并结合居住地(家、辅助生活机构、专业护理机构或康复中心)。
  • APACHE IV预测死亡率(APIV PM)包含入住ICU最初24小时的大量生理参数、年龄、入ICU来源、入ICU诊断、机械通气和重要合并症。
  • 死亡率定义为出院时状态。

研究设计与关键结果

  • 研究类型:回顾性队列研究,单中心,9638例连续ICU患者,数据前瞻性收集。
  • 患者中位年龄67岁(IQR 52-80),平均APIV PM 18.3%(SD 24.3%);FS1 7714例(80.0%)、FS2 1728例(17.9%)、FS3 196例(2.0%)。
  • OEMR:FS1 0.67,显著低于FS2的0.93和FS3的0.90(两项比较P<0.0001)。
  • 按APIV PM分层,FS1的OEMR在0-10%、10-25%、25-50%和≥50%组分别为0.33、0.49、0.61和0.86;病情最重者三组OEMR相近。
  • AUC:FS1 0.924(95%CI 0.914-0.933)、FS2 0.837(95%CI 0.816-0.858)、FS3 0.775(95%CI 0.705-0.8456),两两比较P<0.001。
  • 多变量分析:FS2 OR 2.18(95%CI 1.84-2.57,P<0.0001),FS3 OR 1.99(95%CI 1.34-2.96,P=0.0006),与死亡风险独立相关;在内科和外科亚组中同样成立。

证据类型、等级与局限

  • 证据类型:回顾性队列研究(单中心)。
  • 局限:研究为回顾性、单中心;未纳入被拒绝收入ICU的患者,可能存在选择偏倚;入院前功能状态评估较既往研究粗糙。

对床旁实践的改变

  • 作者认为ICU医生应认识到功能状态受损患者预后更差、资源利用更多,可促使更早与家属讨论照护目标,包括ICU支持强度和时长的偏好,尤其对入院前功能下降者。
  • 作者指出在病情较轻且基线功能受损者中,APACHE IV预测死亡率可能严重低估真实风险,应影响对单元生存统计和外部基准的解读。
  • 作者建议未来死亡率预测模型应整合易于获取且可靠的入院前功能状态指标,ICU数据仓库应包含功能状态字段并标准化。

提炼说明

  • 原文未涉及「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14 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:Crit Care. 2017 May 15;21:110. doi: 10.1186/s13054-017-1688-z

背景

死亡率预测模型是重症监护研究和实践中常见的组成部分。当死亡率作为临床研究的终点指标进行评估时,它们提供了一种经过验证的指标,可用于严重程度调整。此外,它们还用于评估重症监护病房(ICU)随时间的绩效,以及(不太精确地)用于病例组合调整的基准比较和行政运营报告[1]。

死亡率预测模型,如急性生理与慢性健康评分(APACHE)II、III和IV、简化急性生理评分(SAPS)、SAPS II、SAPS III、死亡率预测模型(MPM)、MPM II和MPM III [1],包含三个关键领域的组合:人口学特征,如年龄和性别;慢性疾病(内科合并症);以及急性生理参数——实验室值和生命体征,通常在ICU入住后最初24小时内获取。部分模型还包括入院诊断(APACHE II、III、IV、SAPS III、MPM II和MPM III)、手术或非手术状态(除SAPS外均包含)、入院来源以及入住ICU前的住院时间(APACHE II、III、IV)[1]。值得注意的是,入院前功能状态(FS)未纳入任何这些模型。

入院前功能状态可通过执行基本日常生活活动的能力来定义:转移、洗澡、穿衣、进食、个人卫生和如厕[2]。衰弱已被认为是功能状态的重要影响因素,并且是重症患者短期和长期预后的重要决定因素[3–7]。

虽然危重症前的院前衰弱与住院死亡率增加相关,且在幸存者中与生活质量损害更大、新发残疾和卫生服务使用增加相关[3–5],且病前功能残疾的负担和轨迹已被证明可预测危重症后残疾加重和死亡[6],但这些指标尚未被纳入常用的死亡率预测模型。

因此,我们开发并实施了一种简单的分类方案,对我们ICU收治的所有患者进行院前功能状态分类,考虑基本日常生活活动的能力(完全独立、部分依赖和完全依赖)以及居住地点(家中、辅助生活设施、专业护理机构或康复中心)。我们假设基于入院前功能状态对患者进行分层会影响APACHE IV预测住院死亡率(APIV PM)的表现。

方法

斯坦福医院机构审查委员会批准了本研究。知情同意的要求被豁免。

设计、设置和人群

这是一项对前瞻性收集数据的回顾性评估,数据提取自ICU专用的行政/运营数据库,该数据库包含2005年10月1日至2015年9月30日连续收治的患者。

斯坦福医院是一所大学附属教学医院。16张床位的ICU为病例组合广泛的重症内科、外科(包括神经外科和心血管外科)及重大创伤患者提供诊疗服务。该院不进行器官移植。ICU的典型护患比为1:1或2:1,取决于患者的护理需求。内科和外科住院医师在ICU开具医嘱,由内科和外科重症监护主治医师团队密切监督。

操作性定义

APIV PM是一个综合指标,包含ICU入住后最初24小时内获取的大量生理参数,以及年龄、入住来源、入住ICU时的诊断、机械通气和重要合并症[8]。我们已将本模型的所有组成部分列于附加文件1中。

功能状态(FS)由一名研究者(JK)在ICU入住时前瞻性评定,依据病历、患者及家属提供的所有可用信息。该分类系统包括基于对基本日常生活活动——转移、洗澡、穿衣、进食、个人卫生和如厕——的整体评估的三个类别(三种 designation:完全独立(FS1)、部分依赖(FS2)和完全依赖(FS3))以及居住场所(三种 designation:居家、辅助生活机构和专业护理机构或康复机构)。死亡定义为出院时的状态。一位作者(JK)前瞻性计算了APIV PM(7)。

数据来源

该数据库包含自1998年10月以来每位患者入住ICU的详细临床信息。一名研究者(JK)收集了核心数据集,包括人口统计学资料、合并症、入住和出院时间及日期、入住诊断、疾病严重程度评分以及与机械通气相关的指标。该数据库与当地医院管理数据链接,以获取来自实验室、诊断影像、费用和医院出院状态的详细信息。

统计分析

我们以中位数(四分位距(IQR))或均值(标准差(SD))报告连续数据,并酌情使用Mann-Whitney秩和检验或Student t检验比较组间差异。我们以数量和百分比报告分类数据,并使用卡方检验比较组间差异。我们比较了三个FS组之间的人口统计学资料、合并症、疾病严重程度和临床结局。

我们通过三种方式展示了FS与APIV PM模型性能的交互作用。首先,我们计算了观察-预期死亡比(OE MR),即观察到的住院死亡率与APIV PM的商,并依据APIV PM按疾病严重程度分层,使用四组:APIV PM <10%、APIV PM 10–25%、APIV PM 25–50%和APIV PM ≥50%,以及按APIV PM五分位数分层(附加文件2)。其次,我们构建了受试者工作特征(ROC)曲线,并计算了每个FS的ROC曲线下面积(AUC),并进一步按APIV PM基于疾病严重程度分为两组(APIV PM <10%和APIV PM ≥10%)对该分析进行分层。我们比较了AUC:(1)整个队列中功能状态水平各组之间;(2)APIV PM <10%与≥10%的患者之间;(3)对于每个FS,比较APIV PM <10%者与APIV PM ≥10%者。我们创建了校准图,以进一步说明整个队列及三个FS类别的观察死亡率与预测死亡率之间的关系[9]。最后,我们进行了包含APIV PM的多变量分析,以评估FS与死亡率的独立关联,并进行了一项敏感性分析,在内科、外科和创伤患者中评估该关联。

采用加强流行病学观察性研究报告(STROBE)清单指导研究设计(附加文件3)(http://www.strobe-statement.org/?id=available-checklists)。使用MedCalc程序进行统计分析(MedCalc统计软件版本15.4(MedCalc Software bvba,奥斯坦德,比利时;https://www.medcalc.org;2015)。

结果

研究期间共有10,149例患者入住ICU;511例(5.0%)因心血管手术后入院而被排除,因为这些患者入住ICU时未计算APIV PM。表1详述了三类FS的临床特征和结局。与FS2或FS3患者相比,分类为FS1的患者更年轻、合并症更少、更可能为术后或创伤诊断、疾病严重程度更低、ICU住院时间更短且死亡率更低。FS1的OE MR低于FS2和FS3(两者比较均p < 0.001)。

表2报告了按FS和APIV PM分层的患者的OE MR。FS1与FS2和FS3之间OE MR的差异在APIV PM最低分层的患者中最大。随着APIV PM升高,该差异减小;在疾病最严重的患者中,三个FS组的OE MR相似。

图1显示了按FS分组的APIV PM的ROC曲线。表3、4、5和6详述了这些曲线的AUC,表明FS1的AUC显著大于其他组,图2显示在APIV PM ≥10%的患者中,FS1和FS2的AUC大于APIV PM <10%的患者。

附加文件4:图S1a-h显示了整个队列和每个FS组的校准图。这些结果表明,对于包括所有功能状态水平的整个样本,这些数据具有高度校准。

表7报告了FS和APIV PM对死亡率的多变量分析结果,表明FS2和FS3与整个队列以及内科和外科亚群中死亡风险增加独立相关。内科、外科和创伤患者死亡率OR的点估计几乎相同。

表1 患者的临床特征 查看原表 ↗
表2 按FS和APIV PM分层的观察-预期死亡率比值 查看原表 ↗
图1 a 功能状态1(FS1)的受试者工作特征(ROC)曲线。b FS2的ROC曲线。c FS3的ROC曲线 查看原图 ↗
表3 按功能状态分组的患者之间曲线下面积的比较 查看原表 ↗
表4 按功能状态分组的患者之间曲线下面积的比较——APACHE IV预测死亡率<10%的患者 查看原表 ↗
表5 按功能状态分组的患者之间曲线下面积的比较——APACHE IV预测死亡率≥10%的患者 查看原表 ↗
表6 按功能状态及预测死亡率<10%和≥10%分组的患者之间曲线下面积的比较 查看原表 ↗
图2 a 急性生理学与慢性健康状况评分IV预测死亡率(APIV PM)<10%患者的受试者工作特征(ROC)曲线。b APIV PM ≥10%患者的ROC曲线。AUC 曲线下面积,FS 功能状态 查看原图 ↗
表7 多变量分析,包括敏感性分析:FS与死亡率的独立关联 查看原表 ↗

讨论

我们这项大型回顾性研究连续纳入了一所大型学术型ICU的住院患者,并前瞻性采集了院前功能状态数据,为基线功能对危重症后结局的影响以及标准疾病严重程度评分系统预测死亡率的表现提供了重要见解。

关键发现

本研究的显著发现是,入院前功能状态(FS)与危重症患者的死亡概率独立相关,并影响APACHE IV模型预测死亡率的表现。我们通过以下方式证明了FS与APACHE IV模型的交互作用:(1)按FS和疾病严重程度分层分析观察-预期死亡率比值;(2)为三种FS构建ROC曲线;(3)报告多变量分析结果。这一交互作用在所有三项分析中均稳健一致。入院前FS与死亡率的独立关联在疾病严重程度较低的ICU入院患者中最为明显,并随疾病严重程度增加而减弱。入院前FS受损的患者在较低严重程度评分下死亡率高于预测值,提示APACHE IV模型可能低估了这些患者的风险。在以高疾病严重程度入院的患者中(以APACHE IV预测死亡率>50%反映),入院前FS的独立影响被削弱。该发现不受诊断类别(内科、外科或创伤服务入院)的影响。

我们注意到,基线FS受损在该ICU患者队列中相对不常见,且主要由因日常生活活动能力(ADL)受损而被归类为部分依赖的患者驱动(接近五分之一),其中超过一半仍居住在家中。严重功能受损状态(专业护理机构(SNF)和完全依赖)患者的ICU入院极为罕见,约占整个队列的1%,提示存在明显的入院前分诊和选择因素。被归类为FS3的亚组以内科患者为主,合并疾病患病率更高,机械通气使用率最高,ICU住院时间更长。相比之下,入院前FS保留的患者ICU住院时间最短,死亡率和观察-预期死亡率最低。

与既往文献的背景关联

新兴文献描述了院前功能状态(FS)与短期结局——特别是院内死亡率——以及长期功能结局的关联[3–6]。这在生物学上是合理的。Ferrante及其同事对754名70岁及以上者(其中291人需要入住重症监护病房(ICU))进行了一项前瞻性研究,以评估入院前FS与ICU疾病后短期和长期结局之间的关系。入院前存在轻至中度残疾者,在入住ICU后一年内死亡的风险增加一倍以上,且ICU住院时间、机械通气和休克的发生增加。对于入院前存在重度残疾者,入住ICU后一年内死亡的风险 nearly 高出四倍[6]。同样,一项法国多中心研究纳入196名≥65岁患者,评估了入住ICU时判定的衰弱与ICU结局之间的关系[5]。值得注意的是,尽管比较衰弱与非衰弱患者的疾病严重程度评分(SAPS II、序贯器官衰竭评估(SOFA))无差异,但衰弱的存在与发病和死亡风险增加独立相关。此外,Baldwin及其同事评估了1565名≥65岁患者的医疗记录和索赔数据,这些患者入住一家三级中心ICU,以建立出院后6个月死亡率模型[7]。从专业护理机构(SNF)入院——这是衰弱和入院前FS的替代指标——与出院后6个月死亡率独立相关(OR 2.39(95% CI 1.73–3.30),p < 0.001)。此外,Charlson合并症评分也与出院后死亡率强相关。与模型预测评分为0–1的患者相比,评分为2–5、6–7和≥8者的OR(95% CI)分别为1.85(1.38–2.47,p < 0.001)、2.30(1.32–4.00,p = 0.003)和7.20(3.33–15.50,p < 0.001)。这些数据在很大程度上得到了Parlevliet等人的证实,他们发现在荷兰三家医院收治的≥65岁患者队列中,入住ICU时的健康相关生活质量(HRQOL,基于EuroQol-5D评分的效用值)与死亡风险和功能下降风险独立相关[10];Zeng等人则评估了基于52项离散急性和慢性特征构建的衰弱指数与中国一家老年ICU收治的老年患者队列中出院后300天死亡率之间的关系[11]。最后,Bagshaw及其同事使用经过验证的“整体”衰弱测量指标,证明了入院前FS受损对院内死亡率和出院后一年死亡率及功能结局的独立影响[12]。根据临床衰弱量表评估的衰弱与院内死亡率(OR 1.81(95% CI 1.09–3.01))和一年死亡率(OR 1.82(95% CI 1.28–2.60))独立相关,并与出院后发生功能依赖和再次入院的风险增加相关。

据我们所知,此前尚无研究描述入院前功能状态(FS)对死亡预测模型性能的影响。死亡预测模型包含一系列ICU入院时存在的临床参数,用于推导院内死亡预测[1]。最广泛使用的模型APACHE II包含12项生理变量,以及年龄、手术状态、入院诊断和一小组成分重要的内科合并症[12]。其他模型,如MPM[13]、APACHE III[14]、SAPS II[15]、MPM II[16]、SAPS 3[17]、MPM III[18]和APACHE IV[8],被发现是各模型中精确度最高的[19, 20],它们包含不同数量的生理参数、年龄、手术状态以及各种内科合并症组合。具体而言,在APACHE II和IV模型中导致死亡风险增加的内科合并症分别包括:APACHE II为IV级心脏或肺部疾病、门静脉高压、终末期肾病、转移性癌症和免疫抑制;APACHE IV为肝硬化、淋巴瘤、白血病和多发性骨髓瘤、免疫抑制、肝衰竭、转移性癌症和获得性免疫缺陷综合征。这些合并症是慢性健康状态的替代指标,但其存在并不一定与患者的功能能力相关。值得注意的是, none of the mortality prediction models includes a metric that describes preadmission FS.

对实践、政策和未来研究的意义

我们认为,我们的研究结果表明入院前FS会混淆APACHE IV死亡预测模型的精确度,尤其是在疾病严重程度低的患者中,这对重症监护专业人员和政策制定者具有意义。首先,ICU提供者应认识到FS受损患者不良结局风险增加和资源利用更高。这可能促使ICU临床医生在ICU病程早期考虑与家属讨论照护目标,包括但不限于患者和家属关于ICU支持强度和持续时间的偏好,尤其是那些入院前呈下降轨迹的患者[6]。其次,重要的是,我们已经表明,在疾病严重程度较低且基线FS受损的患者中,疾病严重程度模型预测的死亡率可能严重低估真实风险。入院前FS的这一影响应为解读单元级生存统计和外部基准提供参考。

未来研究应旨在利用类似的FS测量方法或替代的经验证测量方法,在当前使用的ICU患者死亡预测工具中重复我们的发现。ICU患者的数据存储库应包含描述入院前FS的组成部分;理想情况下,这些指标应标准化,以便进行基准比较并促进研究工作。一个值得注意的例子是重症监护国家审计与研究中心(ICNARC)数据库,该数据库汇总了英国200多家机构的ICU患者结局[21]。同样,未来迭代的死亡预测模型应旨在整合一种易于获取且可靠的院前FS测量方法。

局限性

我们的研究有几项显著局限性。第一,我们的研究是回顾性、单中心的;然而,我们前瞻性地采集了研究期间所有ICU入院的基线FS和疾病严重程度评分。第二,我们的研究未采集转诊至ICU但拒绝收治患者的详细信息,这可能导致一定程度的选择偏倚。第三,与既往研究[3]相比,我们采用了相对粗略的院前FS评估。然而,我们认为该FS分类方案可在ICU入院时轻松确定。

结论

入院前功能状态与危重患者死亡率独立相关。未来死亡预测模型的构建应纳入描述入院前功能状态的指标。

附加文件

附加文件1:APACHE IV死亡预测模型的组成部分(DOC 24 kb)

按FS和疾病严重程度分层的观察-预期死亡比。各FS的观察-预期死亡比,按APACHE IV预测死亡率的五分位数分层(DOC 54 kb)

STROBE声明——队列研究报告应包含条目清单(DOC 82 kb)

整个队列及各FS的校准图,含散点和不含散点。该文档提供八幅独立图:整个队列及各FS的校准图,含散点和不含散点,以及描述校准图和所附数据的附加文本(DOCX 171 kb)

参考来源

  1. Krinsley JS, Wasser T, Kang G, et al. Pre-admission functional status impacts the performance of the APACHE IV model of mortality prediction in critically ill patients. Crit Care. 2017. PMID: 28506290. doi:10.1186/s13054-017-1688-z
  2. 全文:PMC5433010(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5433010/

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。