文献速递创伤与烧伤重症综合管理与镇静镇痛

创伤后生存与ICU入住预测模型的识别与内部验证

Identification and internal validation of models for predicting survival and ICU admission following a traumatic injury.
PubMed 文献 · Scand J Trauma Resusc Emerg Med · 2018-11-12
一句话结论基于ICISS的预测模型:单最重损伤ICISS联合年龄、性别、合并症、创伤中心类型、损伤机制和损伤性质对90天死亡预测最佳(c-statistic 0.922);乘法损伤ICISS联合年龄、性别、合并症、损伤机制和损伤性质对ICU入住预测最佳(c-statistic 0.856)。

该研究为澳大利亚新南威尔士州2010年1月1日至2014年6月30日期间735,961例创伤住院患者的回顾性分析,计算乘法损伤ICISS和单最重损伤ICISS,采用logistic回归分析90天死亡和ICU入住,并通过200次非参数bootstrap校正乐观度。结果显示单最重损伤ICISS联合年龄组、性别、所有合并症、创伤中心类型、损伤机制和损伤性质是90天死亡的最佳预测模型(c-statistic 0.922,解释33%变异);乘法损伤ICISS联合年龄组、性别、所有合并症、损伤机制和损伤性质是ICU入住的最佳预测模型(c-statistic 0.856,解释25%变异)。作者认为将ICISS等基于ICD的损伤严重度指标常规用于住院数据应被考虑。

要点

  • 90天死亡最佳预测模型:单最重损伤ICISS+年龄组+性别+所有合并症+创伤中心类型+损伤机制+损伤性质,c-statistic 0.922,解释33%变异。
  • ICU入住最佳预测模型:乘法损伤ICISS+年龄组+性别+所有合并症+损伤机制+损伤性质,c-statistic 0.856,解释25%变异。
  • 加入合并症、损伤机制和损伤性质后,90天死亡模型c-statistic从0.886升至0.917(乘法损伤ICISS)和从0.894升至0.922(单最重损伤ICISS)。
  • 加入合并症、损伤机制和损伤性质后,ICU入住模型c-statistic从0.763升至0.856(乘法损伤ICISS)和从0.745升至0.841(单最重损伤ICISS)。
  • 90天死亡校准在估计死亡率≤30%时非常好,但在≥60%时ICISS高估死亡概率;ICU入住校准在估计入住率≤40%时非常好。

适用人群与场景

  • 澳大利亚新南威尔士州2010年1月1日至2014年6月30日期间所有因损伤(ICD-10-AM: S00-T89)住院的735,961例索引入院患者,数据来自公立和私立医院住院记录与死亡率记录的概率链接。
  • 研究场景为全州范围住院数据,非仅创伤中心登记数据;排除标准原文未报告。

诊断标准与关键阈值

  • ICISS计算:对每个损伤诊断计算生存风险比(SRR),即该诊断未死亡人数与总人数之比;乘法损伤ICISS为所有SRR的乘积,单最重损伤ICISS仅取SRR最低的损伤诊断。
  • Charlson合并症指数:使用住院数据中最多50个诊断分类,12个月回顾期至2009年1月1日,识别17种合并症,每种权重1–6分,总分越高死亡和/或资源使用可能性越高。
  • 年龄分组:0–16、17–24、25–44、45–64、65–79、≥80岁;Charlson合并症指数分组:0、1–2、3–4、≥5分。

研究设计与关键结果

  • 研究类型:回顾性分析链接的损伤住院和死亡率数据;样本量735,961例索引损伤入院,90天内死亡13,744例(1.9%),ICU入住23,054例(3.1%)。
  • 90天死亡最佳模型(模型8):单最重损伤ICISS+年龄组+性别+所有合并症+创伤中心类型+损伤机制+损伤性质,c-statistic 0.922,解释33%变异;单最重损伤ICISS比乘法损伤ICISS预测更好。
  • ICU入住最佳模型(模型7):乘法损伤ICISS+年龄组+性别+所有合并症+损伤机制+损伤性质,c-statistic 0.856,解释25%变异;乘法损伤ICISS比单最重损伤ICISS预测更好。
  • 90天死亡模型加入预测变量后c-statistic从0.886升至0.917(乘法损伤ICISS)和从0.894升至0.922(单最重损伤ICISS);ICU入住模型c-statistic从0.763升至0.856(乘法损伤ICISS)和从0.745升至0.841(单最重损伤ICISS)。
  • 90天死亡校准曲线在所有模型相似,估计死亡率≤30%时校准非常好,≥60%时ICISS高估死亡概率;ICU入住校准在估计入住率≤40%时非常好。
  • 人群特征:男性占55.6%,<65岁占68.0%,79.7%无Charlson合并症;≥65岁者中45.3%至少有一种Charlson合并症;27.8%在 level 1 创伤中心治疗;跌倒和陆地交通碰撞占损伤机制的45.7%,骨折(34.1%)为最常见主要损伤性质。
  • ICU入住者中:男性58.8%,25–64岁46.7%,37.7%有一种或以上Charlson合并症,27.0%因跌倒受伤,17.2%因自伤,15.9%因陆地交通事件;骨折(24.1%)、中毒(19.5%)、内部器官损伤(18.3%)为最常见主要损伤性质。

证据类型、等级与局限

  • 证据类型:回顾性分析链接的住院和死亡率数据;内部验证采用非参数bootstrap 200次重复校正乐观度,计算拟合统计量和95%置信区间。
  • 局限:无院前治疗和护理和/或紧急转运服务使用信息;无生理反应信息(如Glasgow昏迷评分、呼吸频率或收缩压)。
  • 局限:某些损伤诊断分类数量 modest,且ICU入住和死亡比例低,SRR基于小计数;死亡比例低影响SRR,因为更高比例的诊断分类会存活;ICU入住同理。
  • 局限:无法对医院行政记录中的诊断分类进行验证;未使用 split-sample 方法开发SRR,而是在原始数据集上开发以最大化可用损伤诊断分类,并应用bootstrap;作者调查并执行了基于中点时间的 split-sample 方法进行建模和测试,R²或一致性值差异很小(附加文件1表S1、附加文件2表S2)。
  • 局限:仅记录与住院相关的健康状况,即使有1年回顾期,所经历的健康状况数量可能被低估;更长回顾期可能更好指示长期合并症。
  • 局限:未考虑入院前死亡;推荐对当前研究生成的SRR进行外部验证,以确定其他辖区使用相同预测变量是否重现模型性能差异;ICISS是威胁生命指标,不考虑损伤后持续残疾的威胁。

对床旁实践的改变

  • 作者认为,将ICISS等基于ICD的损伤严重度指标常规用于住院数据应被考虑,以替代资源密集型的损伤严重度分类措施。
  • 作者指出,与基于AIS的损伤严重度估计相比,ICISS评分更容易且更易获取,可使用常规收集的医院行政数据生成,但依赖于最重损伤的准确分类。
  • 作者指出,ICISS对90天死亡的校准在估计死亡率≤30%时非常好,但在≥60%时高估死亡概率;对ICU入住的校准在估计入住率≤40%时非常好。
  • 作者指出,加入合并症、损伤机制和损伤性质改善了90天死亡和ICU入住的判别能力;创伤中心类型的纳入未改善90天死亡的一致性、模型拟合或变异解释。
  • 作者指出,仅纳入住院相关健康状况,即使有1年回顾期,合并症数量可能被低估;更长回顾期可能更好地指示长期合并症。
  • 作者推荐对当前研究生成的SRR进行外部验证,以确定其他辖区使用相同预测变量是否重现模型性能差异。

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:Scand J Trauma Resusc Emerg Med. 2018 Nov 12;26:95. doi: 10.1186/s13049-018-0563-5

背景

国际伤害严重程度评分分类(ICISS)是可用于估计伤害严重程度的若干指数之一[1–4]。既往研究已表明,ICISS能够较好地估计创伤后生存情况[1, 5]。它还具有一项实用优势[6],即利用医院行政数据和死亡指标计算伤害诊断分类的生存风险比(SRRs),相对容易推导得出。院内死亡[5, 7]和出院后死亡直至入院后90天[8]均已被用于指示生存情况。ICISS主要使用创伤中心登记数据推导[2, 3],这些数据通常记录伤势更严重个体的信息,与所有伤害入院患者(死亡率约1–2%)相比,其死亡率更高(约5%)[7, 8]。此外,ICISS也曾使用来自多个高收入国家住院数据的合并诊断特异性生存概率进行估计,并以院内死亡指示生存情况[9]。

对ICISS值判定生存情况的预测能力评估发现,最严重损伤的SRR通常比所有伤害诊断SRR的乘法组合更能预测生存[10, 11]。既往研究还考察了纳入其他可能影响生存的因素,如年龄、性别、伤前合并症和损伤机制。尚无研究考虑纳入创伤服务类型是否会改善预测能力[1–3, 7, 8, 10]。既往研究表明,在主要创伤服务机构接受治疗可带来生存优势[12, 13],但将创伤服务类型作为协变量纳入后,是否能提高ICISS指示出院后生存情况的准确性尚不清楚。

多种因素与受伤个体被收入重症监护病房(ICU)相关,包括年龄、性别、合并健康状况和损伤机制[14–16]。然而,将ICISS作为辅助预测ICU入院的工具,相关研究有限[5]。根据伤害严重程度预测哪些患者可能需要收入ICU,将有助于确定资源使用情况,并且是一项额外的健康结局指标。需要在全人群基础上评估乘法损伤ICISS还是最严重损伤ICISS更能预测创伤患者的ICU入院。

既往曾采用不同方法对从住院记录中估算的手术风险比率(SRRs)进行内部验证。这些方法主要涉及使用拆分样本法,即将数据随机分为两部分(或更多部分),其中一个数据集作为训练数据集用于开发模型,另一个数据集作为测试数据集用于评估预测准确性[6, 10],或使用自举法,即在完整数据集上开发模型并应用自举法评估性能[7, 8]。拆分样本法的局限性包括:产生不精确的模型[17–19]、低估完整模型的性能[17]、未高效利用全部数据[17, 20]、对校准产生不良影响[4, 21],以及验证仅在完整数据集的样本上进行[20]。由于拆分样本法在预后模型内部验证方面存在局限性,自举法已被推荐作为评估预测模型内部验证的首选方法[17, 18, 20–24]。自举法能够提供拟合统计量的乐观校正估计值。既往一项比较使用拆分样本的自举法预测急性心肌梗死后30天死亡率的研究发现,自举法能最好地估计内部效度,因为它提供了最稳定的估计值且偏倚较低[17]。本研究旨在确定使用ICISS预测生存和ICU入院的预测能力是否可以根据推导ICISS的方法和协变量的增量纳入而得到改善。

方法

关联的住院和死亡数据

住院数据包括2010年1月1日至2014年6月30日期间澳大利亚新南威尔士州(NSW)所有公立和私立医院的所有住院入院信息。诊断和外部原因编码使用国际疾病分类第十版澳大利亚修订版(ICD-10-AM)进行分类[25]。伤害相关入院通过损伤的主要诊断(ICD-10-AM:S00-T89)进行识别。2010年1月1日至2015年3月31日期间来自新南威尔士州出生、死亡和婚姻登记处的死亡数据由健康记录 linkage 中心通过概率方法链接至住院记录。

澳大利亚新南威尔士州面积为800,628平方公里[26],人口为770万[27]。新南威尔士州自1991年起建立了创伤管理系统。该系统促进伤者转运至最适当的医院并接受最佳治疗[28]。大型一级创伤服务中心能够为严重创伤患者提供从复苏到出院的全面照护,区域创伤服务中心能够为轻至中度损伤患者提供照护[29]。区域创伤服务中心通常对严重创伤患者进行初步评估和稳定处理,然后转运至大型创伤服务中心。新南威尔士州境内有十个大型创伤中心(包括三个儿科中心)和十个区域创伤中心[30]。

与同一次损伤事件相关的所有住院诊疗记录被链接起来,形成一个诊疗期(即与该损伤相关的所有诊疗记录,直至患者从卫生系统出院)。90天死亡率从首次损伤住院入院日期起计算。若个体因损伤在多于一家的医院接受治疗,则以住院时长(LOS)所定义的患者接受大部分医疗服务的医院作为提供创伤救治的医院。

合并症识别

采用Charlson合并症指数[31],利用住院数据中最多50个诊断分类,并以截至2009年1月1日的12个月回顾期,识别17种合并症。每种合并症根据死亡风险和/或资源使用情况被赋予1至6之间的权重,权重之和用于生成合并症评分。评分越高表明死亡和/或资源使用的可能性越高。此外,还通过诊断分类识别了与损伤风险和不良康复相关的特定健康状况[32, 33],包括心理健康状况(ICD-10-AM:F20-F50)、酒精滥用和依赖(ICD-10-AM:F10、Y90、Y91、Z50.2、Z71.4、Z72.1)以及药物相关依赖(ICD-10-AM:F11-F16、F19、Z50.3、Z71.5、Z72.2)。

国际损伤严重度评分法的计算

对于所有首次损伤住院入院,为每个损伤诊断计算了SRR。SRR表示具有某一损伤诊断的个体中未死亡人数与该损伤诊断个体总数的比值。每位受伤个体记录的平均诊断数为1.74(SD = 1.46;范围1–43)。对于每次损伤入院,计算了两个ICISS值:(i) 乘法损伤ICISS,即ICISS为个体各项损伤所有SRR的乘积;(ii) 单一最严重损伤ICISS,即ICISS仅包含最严重损伤(即SRR最低的损伤诊断),因为单一最严重损伤已被证明对生存具有良好的区分能力[10]。

数据分析

所有分析均使用SAS 9.4版[34]进行。采用逻辑回归检验90天死亡率和ICU入住这两个结局,预测变量包括:ICISS(即乘法或最严重损伤)、年龄组(即0–16、17–24、25–44、45–64、65–79、≥80岁)、性别、Charlson合并症指数分组(即合并症指数评分为0、1–2、3–4、≥5)、心理健康状况(即是/否)、酒精滥用和依赖(即是/否)、药物相关依赖(即是/否)、创伤服务级别(即主要创伤、区域创伤、其他医院)、损伤机制以及损伤性质。

采用受试者工作特征(ROC)曲线和一致性统计量(c统计量)评估模型区分存活者与死亡者的能力,区分度评分越高,ROC曲线下面积越大。一般而言,ROC≥0.7且<0.8被认为具有可接受的区分度,ROC≥0.8且<0.9被认为具有优秀的区分度,ROC≥0.9被认为具有卓越的区分度[35]。采用赤池信息准则(AIC)检验模型拟合度,该指标反映统计模型接近真实分布的程度,值越低表示拟合越好。采用Hosmer-Lemeshow(H-L)统计量检验拟合优度,该统计量比较预测死亡率与实际死亡率,值越低表示校准越好。采用Nagelkerke's R2作为伪R方,通过指示结局方差被解释的比例来提供模型拟合优度的额外信息,取值范围为0至1,值越接近1表示模型解释的方差越高。

使用完整的医院死亡率数据提取集计算标准化死亡率比(SRR),以纳入尽可能广泛的损伤诊断编码范围。因此,为考虑因开发和测试使用同一数据提取集而可能产生的偏倚,采用200次重复的非参数自举法校正乐观度,以计算拟合统计量和95%置信区间[21]。自举法包括拟合完整模型,然后得出参数估计值,将其应用于完整数据集以获得表观拟合统计量。随后生成自举数据样本,利用自举数据集的拟合值在该样本上得出拟合统计量。将拟合值应用于原始完整数据集以得出另一组拟合统计量,用于计算乐观度估计值。该过程重复200次,然后从表观拟合统计量中减去乐观度估计值的平均值[21]。

结果

在研究期间,共有735,961例索引损伤入院,入院后90天内死亡13,744例(1.9%)。超过半数(55.6%)的损伤住院患者为男性,68.0%年龄<65岁。超过四分之三(79.7%)的住院患者未识别出Charlson合并症。然而,对于≥65岁的个体,106,805例(45.3%)至少识别出一种Charlson合并症。略超过四分之一(27.8%)的医院治疗在1级创伤中心提供。跌倒和陆地交通事故占所有损伤机制的45.7%,骨折(34.1%)是最常见的主要损伤性质(表1)。

表1 损伤相关住院个体的人口学特征,链接住院和死亡率数据,新南威尔士州,2010年1月1日至2014年6月30日 查看原表 ↗

90天死亡率

加入额外的预测变量后, multiplicative-injury 和 single worst-injury ICISS 在90天死亡率方面的模型评估标准均有所改善。随着预测变量的加入,multiplicative-injury ICISS 的一致性从0.886提高到0.917,single worst-injury ICISS 的一致性从0.894提高到0.922。single worst-injury ICISS 被确定为比 multiplicative-injury ICISS 更好的90天死亡率预测指标。最佳判别模型是使用 single-worst-injury ICISS、年龄组、性别、所有合并症、创伤中心类型、损伤机制和损伤性质生成的,解释了33%的变异(即模型8)。总体而言,纳入创伤中心类型并未比纳入合并症条件更好地改善一致性(表2)。所有模型的90天死亡率校准曲线相似。较低死亡率时校准较好,在估计死亡率低于30%时非常好(图1)。

表2 ICISS预测90天死亡率的模型性能,关联住院和死亡数据,新南威尔士州,2010年1月1日至2014年6月30日 查看原表 ↗
图1 single worst-injury ICISS预测90天死亡率的最佳拟合校准曲线,关联住院和死亡数据,新南威尔士州,2010年1月1日至2014年6月30日。模型包括:年龄组、性别、Charlson合并症、心理健康状况、酒精滥用和依赖、药物相关依赖、损伤机制、损伤性质和创伤中心类型 查看原图 ↗

ICU入住

受伤患者中有23,054例(3.1%)入住ICU。在入住ICU的患者中,58.8%为男性,46.7%年龄在25–64岁,37.7%有一种或多种Charlson合并症,27.0%因跌倒受伤,17.2%因自伤受伤,15.9%因陆地交通事件受伤。骨折(24.1%)、中毒(19.5%)和内部器官损伤(18.3%)是最常见的主要损伤性质。

纳入合并症、损伤机制和损伤性质后,multiplicative-injury 和 single worst-injury ICISS 在ICU入住方面的模型评估标准均有所改善,multiplicative-injury ICISS 的一致性从0.763提高到0.856,single worst-injury ICISS 的一致性从0.745提高到0.841。与 single worst-injury ICISS 相比,multiplicative-injury ICISS 被确定为更好的ICU入住预测指标。最佳判别模型是使用 multiplicative-injury ICISS、年龄组、性别、所有合并症、损伤机制和损伤性质生成的,解释了25%的变异(模型7,表3)。较低ICU入住率时校准较好,在估计ICU入住率低于40%时非常好(图2)。

表3 ICISS预测ICU入住的模型性能,关联住院和死亡数据,新南威尔士州,2010年1月1日至2014年6月30日 查看原表 ↗
图2 multiplicative-injury ICISS预测ICU入住的最佳拟合校准曲线,关联住院和死亡数据,新南威尔士州,2010年1月1日至2014年6月30日。模型包括:年龄组、性别、Charlson合并症、心理健康状况、酒精滥用和依赖、药物相关依赖、损伤机制和损伤性质 查看原图 ↗

讨论

提供伤害住院入院伤害严重程度指征的能力有助于对不同伤害机制的伤害严重程度进行监测,对受伤患者健康结局进行临床评价,提供人群中伤害负担的指征,并为临床资源使用提供信息[7, 8]。本研究表明,与乘法伤害ICISS相比,单一最严重伤害ICISS是90天死亡率的更好预测指标,最佳模型纳入了年龄组、性别、所有合并症、创伤中心类型、伤害机制和伤害性质。虽然单一最严重伤害ICISS提供了90天死亡风险的最佳模型,但该模型相较于乘法ICISS的临床意义预计并不显著。然而,这确实证实了其他研究发现,即个体最严重伤害在预测死亡风险方面最具影响力[10],而非多处伤害的组合。

90天死亡率的区分度显示为从优秀到卓越,所有模型的一致性范围从0.886到0.922。这些估计值高于先前的研究,这些研究使用ICD-10-AM对澳大利亚和新西兰伤害住院的院内死亡率计算ICISS[7],以及使用国家创伤数据库记录和ICD-9-CM对美国(US)进行计算[10]。当前研究与先前澳大利亚/新西兰和美国研究之间一致性评分的差异可能是由于先前工作仅考虑院内死亡率,而当前研究考虑90天死亡率,出院后生存可能提供更好的总体生存指标。此外,ICD-10-AM与ICD-9-CM之间分类结构的差异将导致澳大利亚和美国研究之间一致性评分的部分差异。

纳入合并症信息使单一最严重伤害和乘法伤害ICISS的一致性从优秀改善为卓越。先前已证明既存健康状况会增加伤害后的死亡率,即使是轻微至中度严重程度的伤害[36]。由于本研究纳入了澳大利亚一个州的所有医院,因此能够检查将创伤中心类型作为协变量纳入90天死亡率预测因素评估的影响。然而,纳入创伤中心类型并未改善90天死亡率的一致性、模型拟合或变异。这似乎违反直觉,可能是由于选择偏倚,严重受伤个体更可能被收治和/或转运至1级创伤中心接受治疗,而严重受伤个体无论在哪里治疗都更不可能在伤害中存活。虽然被转运至1级创伤中心的个体可能提供伤害严重程度的指征,但严重受伤个体需要在到达更高级别护理时仍然存活,否则有可能引入不死时间偏倚[37]。

90天死亡率的校准结果在较低死亡率水平(即≤30%)时更好。这可能是由于大多数住院患者的死亡率较低(即ICISS值接近1)。本研究中生成的ICISS在指示较高死亡率水平(即≥60%)时的死亡概率被高估。其他研究也发现,在较低死亡率水平时校准效果更好[7, 8]。

在本研究中,预测ICU入住的最佳模型是使用多发性损伤ICISS、年龄组、性别、所有合并症、损伤机制和损伤性质生成的。计算ICISS的多发性损伤方法假设每处损伤独立影响结局,但当个体遭受多处损伤时,这一假设未必成立[7]。然而,多发性损伤方法在预测ICU入住方面的优越性可能是由于需要入住ICU的个体更可能遭受多处损伤。Gagne及其同事[38]也发现,多发性损伤ICISS对因创伤性脑损伤住院个体的ICU入住具有最佳判别能力。加入生理学协变量可能会进一步提高ICU入住的预测能力。特别是,纳入协变量能够改善预测ICU入住的模型拟合度。

与以往基于简明损伤定级(AIS)的损伤严重度估计相比,使用ICISS进行损伤严重度评分更简单、更易获取[10],能够利用常规收集的医院行政数据生成,但依赖于对最严重损伤的准确分类。其他严重度指标,如损伤严重度评分(ISS),资源消耗更大,被新南威尔士州的主要创伤中心所使用。ISS基于对所有所受损伤的评估,并使用AIS评分生成。其计算方法为九个身体区域中损伤最严重的三个区域各自最高AIS评分的平方和[39]。计算ISS需要对数据编码人员进行专业培训并需要专业资源。转向常规临床使用ICISS来估计损伤严重度似乎是一个更优的选择,因为ICISS与ISS的比较表明,ICISS的表现与ISS相当或更好[1, 5, 40]。

本研究存在若干局限性。无法获得可能有助于存活的院前治疗和护理和/或紧急转运服务使用情况的信息。也无法获得生理反应方面的信息,如格拉斯哥昏迷评分、呼吸频率或收缩压。某些损伤诊断分类的例数较少,且本研究中ICU入住和死亡的比例较低,因此SRR基于小计数。较低的死亡比例会影响SRR,因为较高比例的诊断分类患者会存活。同样,对于ICU入住而言,受伤个体入住ICU的可能性较低。然而,权衡这些局限性,这些损伤代表了该州所有住院病例和90天死亡率。

此外,无法对医院行政记录中的诊断分类进行验证。本研究未对医院死亡率数据提取采用分割样本方法开发SRRs,而是基于原始数据集开发SRRs以最大化可用于开发SRRs的损伤诊断分类,并应用了自举法。作者确实研究并实施了基于中点时间的分割样本方法进行建模和测试,ICISS预测90天死亡率(附加文件1:表S1)或预测ICU入住(附加文件2:表S2)的R2或一致性值差异很小。仅记录与住院相关的健康状况,因此即使有1年回顾期,所经历的健康状况数量也可能被低估。更长的回顾期可能能够更好地指示长期共病健康状况[41]。入院前发生的死亡未予考虑。建议对本研究生成的SRRs进行外部验证,以确定在其他辖区使用相同预测变量时,90天死亡率和ICU入住的模型性能差异是否可重现。最后,ICISS是生命威胁的指标,因此不考虑损伤后持续残疾的威胁。

结论

本研究表明,最严重损伤ICISS是90天死亡率的更好预测指标,而乘法损伤ICISS是ICU入住的更好预测指标。研究还表明,纳入协变量(特别是共病状况、损伤机制和损伤性质)后,两种结局的校准度和解释方差均有所改善。应考虑在住院数据中常规使用基于ICD的损伤严重程度测量指标,如ICISS。

附加文件

附加文件1:表S1. 使用分割样本方法、链接的住院和死亡率数据,ICISS预测90天死亡率的模型性能,新南威尔士州,2010年1月1日至2014年6月30日(DOCX 16 kb)

表S2. 使用分割样本方法、链接的住院和死亡率数据,ICISS预测ICU入住的模型性能,新南威尔士州,2010年1月1日至2014年6月30日(DOCX 16 kb)

参考来源

  1. Mitchell RJ, Ting HP, Driscoll T, et al. Identification and internal validation of models for predicting survival and ICU admission following a traumatic injury. Scand J Trauma Resusc Emerg Med. 2018. PMID: 30419967. doi:10.1186/s13049-018-0563-5
  2. 全文:PMC6233597(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6233597/

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。