文献速递重症综合管理与镇静镇痛

南亚资源有限地区危重患者简化预后模型

Simplified prognostic model for critically ill patients in resource limited settings in South Asia.
PubMed 文献 · Crit Care · 2017-10-17
一句话结论在21个南亚ICU的3855例患者中,TropICS(仅含急诊手术、呼吸频率、收缩压、GCS、血尿素和血红蛋白)预测ICU死亡的AUC为0.767,优于APACHE II和SAPS II。

该前瞻性队列纳入南亚4国21个ICU的3855例成人患者,开发并内部验证了三个简化预后模型。仅含临床和实验室指标的模型2(TropICS)AUC为0.767(95%CI 0.741-0.792),校准可接受(Hosmer-Lemeshow C-Statistic p=0.18);而APACHE II和SAPS II的AUC分别为0.707和0.714,校准差(p<0.001)。TropICS为资源有限地区提供了一种不依赖电子设备、可通过列线图计算生存概率的工具。

要点

  • TropICS仅需急诊手术、呼吸频率、收缩压、GCS、血尿素和血红蛋白6项指标,ICU入院时即可计算。
  • TropICS预测ICU死亡的AUC为0.767(95%CI 0.741-0.792),校准C-Statistic为11.3(p=0.18)。
  • APACHE II在同一数据集AUC为0.707(95%CI 0.688-0.726),校准C-Statistic 124.84(p<0.001)。
  • SAPS II在同一数据集AUC为0.714(95%CI 0.695-0.732),校准C-Statistic 1692.14(p<0.001)。
  • 模型1(含机械通气和血管活性药物使用)AUC最高0.818(95%CI 0.800-0.835),但校准p<0.05。

适用人群与场景

  • 年龄≥16岁、收入南亚(孟加拉国、印度、尼泊尔、斯里兰卡)21个ICU的患者,随访至ICU出院。
  • 研究纳入所有年龄≥16岁的ICU患者,未报告排除标准。

诊断标准与关键阈值

  • TropICS模型包含6个变量:急诊手术、呼吸频率、收缩压、GCS、血尿素、血红蛋白。
  • 模型1包含呼吸频率、收缩压、GCS、血尿素、血红蛋白、ICU入院时机械通气、ICU入院时血管活性药物使用。
  • 模型3仅包含呼吸频率、急诊手术、GCS。

研究设计与关键结果

  • 前瞻性队列研究,纳入3855例患者,来自孟加拉国1个、印度1个、尼泊尔1个、斯里兰卡18个ICU。
  • 主要终点为ICU死亡;模型1 AUC 0.818(95%CI 0.800-0.835),TropICS AUC 0.767(95%CI 0.741-0.792),模型3 AUC 0.725(95%CI 0.688-0.762)。
  • TropICS校准Hosmer-Lemeshow C-Statistic为11.3(p=0.18),模型1和模型3的p值均<0.05。
  • 模型1在最佳 cutoff 概率0.26时敏感度71.9%、特异度76.9%,模型2和3的敏感度和特异度略低。
  • APACHE II的AUC为0.707(95%CI 0.688-0.726),校准C-Statistic 124.84(p<0.01);SAPS II的AUC为0.714(95%CI 0.695-0.732),校准C-Statistic 1692.14(p<0.001)。
  • APACHE II完整病例仅占15%(565例),约半数患者有血红蛋白和血尿素值。

证据类型、等级与局限

  • 证据类型:前瞻性队列研究,内部验证采用bootstrapping(1000样本)。
  • 局限:数据收集不完整,不能排除偏倚;需要在其他中低收入国家进行外部验证以评估普遍性;以ICU死亡为终点可能受非临床出院决策(如ICU床位短缺)影响;住院或出院后死亡是更相关的结局指标,其不可获得是主要局限。

对床旁实践的改变

  • 在资源有限地区,TropICS可在ICU入院时用6项常规指标快速计算ICU死亡风险,无需电子设备,列线图可辅助计算。
  • 与APACHE II和SAPS II相比,TropICS在南亚数据集中表现出更好的区分度和校准度。
  • 作者提出TropICS可能适用于亚洲、非洲和南美洲的资源有限地区,但需前瞻性评估以确定普遍性。

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11 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 Oct 17;21:250. doi: 10.1186/s13054-017-1843-6

背景

中低收入国家(LMICs)危重疾病的负担以及改善预后的日益紧迫性是全球优先事项。如果能更好地满足基本公共卫生需求,那么治愈性护理的改善,尤其是对危重患者的救治,将变得越来越可行[1]。中低收入国家重症监护病房(ICUs)可用性的增加反映了这一现象[2, 3]。通过建立医学登记系统来监测ICU绩效,并改善中低收入国家医疗培训的机会,是改善此类环境中患者相对较差预后的多种尝试的一部分[4]。资源有限环境中的重症监护设施,例如床位比例、设备、人员配置和技能,在南亚各国国内及国家之间差异很大。例如,在斯里兰卡,ICU床位占总床位的1.3%,而在印度、孟加拉国和尼泊尔,这一比例分别为5–8%、4.8%和4.7%[2, 5–8]。重症监护预后模型如急性生理学与慢性健康状况评价(APACHE)和简化急性生理学评分(SAPS)被广泛使用,尤其是在高收入国家(HICs)。这些模型用于危重患者的风险分层、ICU的基准比较、临床试验的患者招募以及评估对干预措施的反应。APACHE II和SAPS II是最广泛使用的模型,尤其是在中低收入国家(Haniffa等,未发表数据),并常被用作评估其他模型的参照。

当前的重症监护预后模型主要在高收入国家开发,需要在中低收入国家实施前进行验证。在中低收入国家对现有模型进行验证和定制的研究有限,且大多来自使用相对较小数据集的单中心[9–12]。疾病流行病学、病例组合和病理学,以及诊断、监测和治疗危重疾病所需资源可用性的差异,在资源有限环境之间以及与高收入国家相比均存在巨大差异[2, 5–8]。此外,缺乏可及的电子患者信息系统和设备可能挑战进行概率计算的可行性,例如在研究招募或分诊时。

为努力克服这些障碍和缺失数据的挑战,当代为中低收入国家环境开发模型的研究者正在评估单参数评分的性能,以及在感染(脓毒症)情况下进行预后评估的模型[13, 14]。然而,这些也基于单中心研究,其普遍适用性或临床实践中的采用尚待评估。

我们此前已报道了APACHE II模型在中低收入国家ICU中的局限性,部分由于数据不完整,而使用插补技术无法充分克服这一问题[15]。这一困难以及进一步研究和开发适应环境模型的必要性此前已被强调[16]。

本研究提出一个简化的重症监护预后模型,供资源有限环境及其他场景使用,该模型源自一个大型南亚ICU数据集。所提出的预后模型旨在覆盖ICU收治的所有诊断类别,适用于仅有少量常用测量指标的资源有限环境,并可借助列线图计算近似生存概率,无需依赖电子设备。

方法

这是一项前瞻性队列研究,纳入入住ICU的患者(年龄16岁及以上)。结局描述为出院时生存或非生存。本研究利用的数据集来自印度1个ICU、尼泊尔1个ICU、孟加拉国1个ICU以及斯里兰卡18个ICU。斯里兰卡的部分数据集此前曾用于评估APACHE II模型的适用性,来自建立国家重症监护登记系统之前的时期[15, 17]。其他三个国家的数据集是在评估南亚模块化ICU培训项目影响期间产生的[18]。所有站点均前瞻性收集数据,并采取措施培训数据收集人员以确保一致性,此前已详细描述[15, 18]。牛津热带医学研究伦理委员会(OXTREC)批准了伦理审批豁免,包括知情同意豁免[18]。对于斯里兰卡数据集,科伦坡大学医学院伦理审查委员会批准了伦理审批豁免,包括知情同意豁免。

将四个国家的数据集合并以增加对南亚环境的普遍性。分散的纸质系统以及研究资源的限制意味着在此环境中对患者随访至出院不可行。因此,采用ICU出院时状态。

纳入所有年龄16岁及以上的患者。

变量选择

模型开发的候选协变量选择基于其在现有病例组合预测模型中的使用、感知的临床重要性以及在参与ICU环境中测量的可行性。变量包括患者年龄、入院类型(择期手术、急诊手术或内科),按APACHE II编码[19],以及入院时的临床评估:体温、心率、吸入氧浓度(FiO2)、呼吸频率、收缩压、外周血氧饱和度和格拉斯哥昏迷量表(GCS)。实验室变量包括血红蛋白和血尿素,这些在低收入和中等收入国家(LMICs)日益可及[20]。治疗措施包括入住时或入住后立即使用的机械通气、血管升压药和抗生素。诊断和合并症未纳入模型开发,因为在LMICs中,研究环境之外难以获得可国际转换(如SNOMED、ICD-10)且可重复的诊断信息。

根据模型在现有资源下的适用性,提出了三个版本的模型:模型1包括临床、实验室和治疗变量;模型2包括临床和实验室变量;模型3仅包括临床参数。治疗因素仅纳入模型1,因为这些因素因资源可获得性和当地实践的不同而变化很大。同样,模型3排除了实验室参数,以评估一个更简单且完全基于临床的模型,该模型可适用于资源最有限的环境,在这些环境中,血红蛋白和血尿素氮等看似简单的血液检测可能无法获得。

预测模型的开发

评估了连续变量的分布,对偏态分布进行了对数正态化(例如血尿素氮)(附加文件1:图S1)。使用上述协变量拟合单因素逻辑回归模型,以评估其与ICU死亡率的关联。评估了每个变量的未调整比值比估计值,并报告了p值和95%置信区间(CI)。单因素模型中所有与ICU死亡率独立相关的变量随后被用于开发预测模型。采用逐步后退消除法,纳入概率设定为alpha=0.05,剔除概率设定为alpha=0.055,以识别有贡献的变量。在认为合理的情况下考虑了共线性,例如血氧饱和度与呼吸频率之间以及心率与呼吸频率之间。所有分析均使用Stata软件14.0版进行[21]。统计显著性设定为5%显著性水平(即alpha=0.05)。

模型验证

对由此获得的三个模型进行了验证,以估计其在相似人群中的性能。有描述指出,将较小的医学数据集拆分用于模型开发和验证与性能的不稳定性和可靠性降低相关,这意味着在本研究中自举法(bootstrapping)是首选方法[22, 23, 24, 5]。采用自举技术(1000个样本)以更精确地代表总体[5, 6]。获得了受试者工作特征(ROC)曲线以及C指数(受试者工作特征曲线下面积(AUC))及其95%置信区间。计算了对应于不良预后最佳截断概率的灵敏度和特异度。还确定了模型的校准度(Hosmer Lemeshow C统计量)和准确性(Brier评分)。最后,评估了每个模型对数据集中最常出现的APACHE II诊断类别死亡率的预测能力。

与现有预后模型的比较

随后将三个模型的性能与APACHE II和SAPS II模型进行了比较[19]。使用ICU入院参数以及前24小时的最差临床和实验室值计算数据集的APACHE II评分和概率[19]。计算了区分度(AUC)、校准度(Hosmer-Lemeshow C统计量)和准确性(Brier评分)。缺失值按照高收入国家的常规做法以及原始模型文献中的描述[19, 25, 26],以正常值进行插补。

所选模型列线图的开发

将总体性能和临床适用性最佳的模型使用Stata统计软件[21]转换为列线图。该列线图旨在作为一种图形化工具,便于临床医生直接使用,即使在缺乏统计软件或在线电子计算器的情况下也可使用。

结果

共有3855份患者记录可供分析;其中2283例患者来自印度,430例来自孟加拉国,325例来自尼泊尔,817例来自斯里兰卡的18个ICU。表1总结了患者入住ICU时的基线特征(附加文件2:表1)。表2显示,在单因素分析中,除年龄外,所有入选变量均与ICU死亡率显著相关。对于年龄(附加文件3:图S7),幸存者(中位数56,四分位距(IQR)37–68)与非幸存者(中位数54,IQR 37–69)之间的分布差异无统计学意义(p = 0.6276)。

模型1包括呼吸频率、收缩压、GCS、血尿素、血红蛋白、入ICU时机械通气以及入ICU时使用血管升压药。模型2通过排除资源依赖性治疗因素得出,包括急诊手术、呼吸频率、收缩压、GCS、血尿素和血红蛋白。随后通过仅保留临床指标得出模型3;多变量分析后模型中保留的参数为呼吸频率、急诊手术和GCS。收缩压在模型中无统计学意义,即使在排除急诊手术后仍无统计学意义。模型1、2和3所选协变量及其系数见表3。

呼吸频率与血氧饱和度之间以及呼吸频率与心率之间仅显示弱共线性(附加文件4:图S2和附加文件5:图S3),未促使对模型进行修改。

三个模型的区分度(AUC)分别为:模型1为0.818(95% CI 0.800–0.835),模型2为0.767(0.741–0.792),模型3为0.725(0.688–0.762)(表4和附加文件6:图S4)。Hosmer Lemeshow C统计量在模型1和模型3中p值小于0.05,但模型2(命名为热带重症监护评分(TropICS))的评分为11.3,p值等于0.18,表明观察到的ICU死亡率与预测ICU死亡率之间的一致性在统计学上可接受。这提示模型2具有良好的预测能力[27]。Brier评分表示模型在个体水平测量预测的准确性,从模型1的0.13到模型3的0.18不等,表明三个模型的性能均可接受[22]。模型1获得了最佳的敏感度和特异度。在该模型针对不良结局的最佳截断概率(0.26)下,敏感度为71.9%,特异度为76.9%;模型2和模型3的这些数值略低(表4)。

在该数据集中,APACHE II模型的AUC为0.707(0.688–0.726),SAPS II的AUC为0.714(0.695–0.732)。校准非常差,APACHE II和SAPS II的Hosmer-Lemeshow C统计量分别为124.84(p < 0.01)和1692.14(p < 0.001)(表4)。APACHE II、SAPS II以及模型1、2(TropICS)和3在数据集中最常见的APACHE II分类中预测结局的能力见附加文件7(图S5)。附加文件8(图S6)展示了相同模型的预测死亡率与实际死亡率的比较。源自模型2、用于日常临床使用的列线图见图1。

表1 使用APACHE II、SAPS II和新模型描述的重症监护病房接诊时的患者特征 查看原表 ↗
表2 重症监护病房死亡率与协变量之间关系的单因素分析 查看原表 ↗
表3 死亡率的临床和实验室参数多因素logistic回归模型 查看原表 ↗
表4 三个模型以及APACHE II和SAPS II的性能 查看原表 ↗
图1 模型2的列线图。为计算模型2的预测死亡风险(%),提供以下指导。使用直尺(如尺子或一张纸)垂直对齐直尺,使其与第一个协变量和评分轴相交。沿直线向下到评分处并记录所相交的数值。对所有协变量重复此过程。将各单项评分相加。再次使用直尺,与“总分”轴上的累计总分对齐。沿直线向上到所相交的预测死亡风险处。Bun 血尿素氮,GCS 格拉斯哥昏迷量表,NA 不适用,RR 呼吸频率,SBP 收缩压 查看原图 ↗

讨论

本文提出了一种为南亚开发的简化、通用的重症监护预后模型,但有可能应用于全球LMICs。在该数据集中,包含临床和实验室参数的模型(模型2)以及包含治疗特征的模型1均优于APACHE II、SAPS II和仅基于纯临床变量的模型3。作者提出用首字母缩写TropICS(Tropical Intensive Care Score,热带重症监护评分)来命名模型2,其优越的总体性能、简便性和客观性可能使在亚洲、非洲和南美洲资源有限的环境中进行前瞻性评估成为可能,以确定其普遍适用性。

重症监护预后模型在HICs中广泛用于基准比较、患者分层研究以及评估质量改进举措。其在LMICs中的适用性受到以下因素的限制:纳入相对昂贵的实验室参数、病例组合的多样性、发病机制的多样性、诊断分类需要严格编码,以及在缺乏电子记录的情况下系统收集数据的困难。预后模型在LMICs中的适用性和采用情况研究不足,部分原因是验证模型性能的研究有限。当此类研究存在时,信息缺失的程度会阻碍评估的普遍适用性[28, 29]。在这些环境中,临床医生、管理人员和决策者不常使用现有模型,这可能反映了他们认为这些模型与患者人群缺乏相关性,部分原因也在于数据收集的可行性不足。

这个来自四个南亚国家的相对大型且独特的数据集使得开发一种新的预后模型成为可能,同时尝试解决所描述的一些困难。本文在模型开发过程中评估了三个复杂程度层次;模型1使用临床、实验室和治疗特征,第二个模型仅使用临床和简单实验室参数(TropICS),而模型3仅使用临床参数。

在提出的三个模型中,尽管模型1和模型2的判别力大于0.75,但仅TropICS的校准度足够(p值=0.19>0.05),表明在所有预测风险水平上均赋予了正确的概率[27]。与TropICS相比,APACHE II和SAPS II的表现均较差,判别力相对不佳(表4)。此外,在相同比较中,APACHE II和SAPS II的准确性均较差且校准度不佳。APACHE II的模型性能受缺失值和插补技术的严重影响[15]。在当前来自南亚多样化ICU环境的数据集中,APACHE II的完整病例可用率仅为15%(565例患者),仅约半数患者有血红蛋白和血尿素值。这表明为资源有限环境开发的模型必须考虑可获取变量的可用性和经济可及性。此外,应鼓励改善测量、准确记录和系统化数据提取,尤其是在重症监护环境中。数据可用性和记录方面的改善可望通过适应当地情况的医学登记系统(例如最近在斯里兰卡实施的系统)和电子患者信息系统来实现,特别是当与更简单的评分系统和由临床医生主导的快速反馈机制结合使用时[17]。此外,应通过提供与临床医生、管理者和患者相关的输出,强调为此类简单预后模型收集数据的重要性。此外,诸如TropICS之类与情境相关的模型可用于根据严重程度对危重患者进行分层,这是评估培训和其他质量改进措施影响的前提条件。

在最常见的APACHE II诊断类别中,TropICS和模型1在预测ICU死亡率方面表现最佳。在高收入国家开发的预后评分应用于南亚常见疾病时表现不佳是一个主要缺陷。TropICS在研究环境中见到的多样化诊断类别中表现一致,这是其可能具有可推广性的一个积极发现。一个重要的下一步将是评估TropICS在更多诊断类别中的更广泛适用性。

年龄是预后评分模型中常见的协变量,但未被保留在任何提出的模型中,且在生存者与非生存者之间无统计学显著性差异(附加文件1:图S7)。尽管年龄作为预后协变量被广泛接受,但在高收入国家和中低收入国家进行的ICU预后验证均报告其预测能力有限[30, 31]。虽然可能仅从临床角度提出纳入年龄的理由,但研究认为需要进一步研究以了解非高收入国家环境中与ICU死亡率的关系,因为这些环境中入住ICU的患者更年轻[32, 33, 34]。同样,由于难以确保在这些环境中对慢性呼吸系统或肾脏疾病等病症采用统一标准,未考虑将任何合并症纳入模型。目前未纳入模型的其他参数值得探索;社会经济状况、教育水平和医疗保健可及性等因素在中低收入国家对ICU结局的影响可能大于高收入国家。

TropICS可用于预测ICU死亡率,所提供的列线图(图1)可用于无法使用电子设备的场所或情况;在线计算器将托管于www.nicst.com。

本研究存在若干局限性。尽管使用了最小数据集,但数据收集不完整(表1),不能排除偏倚的可能性。此外,需要在其他中低收入国家对模型进行外部验证,以评估其可推广性并评价数据可及性差异是否会影响模型性能。ICU死亡率被用作模型开发的终点,这可能受到非临床出院决策(如ICU床位短缺)的影响。住院死亡率或出院后死亡率将是更相关的结局指标,其数据的不可获得性是一个主要局限性。

结论

本文提出TropICS,这是首个在非高收入国家环境中开发的国际重症监护预后模型,适用于南亚环境,并有可能在全球中低收入国家应用。在该南亚数据集中,TropICS优于APACHE II模型。

附加文件

附加文件1:图S1. TropICS模型协变量的分布。(TIF 1564 kb)

慢性健康状况患者的分布,按APACHE II模型所述。(DOCX 13 kb)

生存者与非生存者中年龄的分布。(JPG 41 kb)

心率与呼吸频率之间的共线性。(JPG 73 kb)

血氧饱和度与呼吸频率之间的共线性。(JPG 61 kb)

模型1、2和3以及APACHE II和SAPS II的AUC。(TIF 1564 kb)

模型预测——常见APACHE II诊断。(TIF 89 kb)

所有模型各概率四分位数的预测死亡率和实际死亡率。(TIF 64 kb)

参考来源

  1. Haniffa R, Mukaka M, Munasinghe SB, et al. Simplified prognostic model for critically ill patients in resource limited settings in South Asia. Crit Care. 2017. PMID: 29041985. doi:10.1186/s13054-017-1843-6
  2. 全文:PMC5645891(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5645891/

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。