入院时普遍性谵妄的电子预测规则性能
该诊断研究利用VA外部同行评审项目在118个VA医疗中心随机抽取的电子病历,开发并验证了整合NICE谵妄预测规则。推导队列27 625例,确认队列11 752例,均为65岁以上因心衰、急性冠脉综合征、社区获得性肺炎或慢阻肺住院的退伍军人。随机森林模型筛选出认知障碍、感染、钠水平异常和年龄≥80岁4个主导风险因素,整合NICE规则AUROC为0.91(95%CI 0.91-0.92),显著高于eNICE(0.81)和Pendlebury NICE(0.87)。作者认为该算法嵌入电子病历系统后可能引导临床评估资源投向入院时谵妄患者。
要点
- 整合NICE规则包含4项:认知障碍(3分)、年龄≥80岁(1分)、钠水平<135或>145 mEq/L(1分)、感染(1分)。
- 推导队列中整合NICE规则AUROC为0.91(95%CI 0.91-0.92),eNICE为0.81(95%CI 0.80-0.82),Pendlebury NICE为0.87(95%CI 0.86-0.88),整合规则 discriminatory function 显著更高(P<.001)。
- 确认队列中整合NICE规则AUROC为0.91(95%CI 0.90-0.92),eNICE为0.83(95%CI 0.81-0.84),Pendlebury NICE为0.87(95%CI 0.86-0.88)。
- 整合NICE规则低危、中危、高危患者的谵妄发生率分别为1.1%、29.4%、50.9%。
- 认知障碍是最重要的预测因素,其次是感染、钠水平和年龄。
适用人群与场景
- 65岁及以上因充血性心力衰竭、急性冠脉综合征、社区获得性肺炎或慢性阻塞性肺疾病入住VA医疗中心的退伍军人。
- 排除:原文未报告排除标准;入院诊断不包括骨折等高谵妄风险人群。
诊断标准与关键阈值
- 整合NICE谵妄预测规则:认知障碍(既往痴呆诊断或入院时门诊处方痴呆药物,如多奈哌齐)计3分;年龄≥80岁计1分;钠水平<135 mEq/L或>145 mEq/L计1分;感染(入院诊断中列出肺炎、流感、尿路感染、脓毒症或败血症、蜂窝织炎、憩室炎、腹膜炎、阑尾炎、骨髓炎、脑膜炎之一)计1分。
- 入院谵妄定义:入院24小时内在电子病历中出现以下1项或以上术语或症状:谵妄、精神状态改变、定向障碍、意识模糊、不可唤醒、嗜睡、迟钝。
处置流程与药物剂量
- 作者认为,若将整合NICE规则嵌入电子病历系统并电子标记高危患者,经过培训的一线护士可进行超简短认知功能评估,如改良Richmond躁动镇静量表(15秒)或倒背月份(2分钟),并启动非药物预防策略或请求更全面的谵妄诊断和可治疗病因评估。
红旗征与不能漏的情况
- 入院24小时内出现谵妄、精神状态改变、定向障碍、意识模糊、不可唤醒、嗜睡或迟钝。
研究设计与关键结果
- 诊断研究,纳入118个VA医疗中心65岁以上因心衰、急性冠脉综合征、社区获得性肺炎或慢阻肺住院的退伍军人;推导队列27 625例(92.2%男性,平均年龄75.95岁),确认队列11 752例(98.2%男性,平均年龄75.43岁)。
- 入院谵妄在推导队列中2343例(8.5%),确认队列中882例(7.0%)。
- 随机森林模型识别认知障碍、感染、钠水平、年龄≥80岁为主导风险因素;认知障碍3分,年龄≥80岁1分,钠水平异常1分,感染1分。
- 推导队列:整合NICE规则AUROC 0.91(95%CI 0.91-0.92),eNICE 0.81(95%CI 0.80-0.82),Pendlebury NICE 0.87(95%CI 0.86-0.88),整合规则 discriminatory function 显著更高(P<.001)。
- 确认队列:整合NICE规则AUROC 0.91(95%CI 0.90-0.92),eNICE 0.83(95%CI 0.81-0.84),Pendlebury NICE 0.87(95%CI 0.86-0.88)。
- 整合NICE规则低危、中危、高危患者谵妄发生率分别为1.1%、29.4%、50.9%。
- 阴性预测值:整合NICE 0.96,eNICE 0.98,Pendlebury NICE 0.96。
证据类型、等级与局限
- 证据类型:诊断研究(回顾性队列电子病历分析),遵循TRIPOD报告指南。
- 局限:使用VA医疗中心,男性比例高,影响普适性;VA系统150个医疗中心在谵妄评估、诊断和治疗方面存在固有差异;本研究无外部确认,需要在其他医疗系统(尤其是配有电子病历系统者)进行额外前瞻性确认;基于电子病历的抽象可能因可用性、编码或诊断延迟限制额外变量的选择;分析限于已收集变量,可能遗漏与谵妄相关的变量(如药物、既往居住安排),视觉或听力数据的不可用可能影响随机森林选择的特征;使用回顾性队列电子病历术语定义谵妄会低估谵妄患病率,且偏向于活动亢进型谵妄而非活动减退型;入院仅限于4个诊断组,未包括骨折等高谵妄风险人群。
- 作者结论:需要进一步前瞻性检验整合NICE筛查算法。
对床旁实践的改变
- 作者认为,该整合NICE规则嵌入电子病历系统后可能帮助提醒临床医生对需要标准化认知评估和适当干预的患者进行关注。
- 作者认为,整合NICE规则可用于识别需要额外认知评估和监测的患者。
- 原文未据此给出推荐。
提炼说明
- 原文未涉及「指南或共识出处」,故未列出这些栏目。
全文中译13 节 · 点击展开
引言
谵妄是一种短期的注意力和意识改变,通常影响住院的高风险老年人。1 许多到急诊科就诊并随后被收治入院的老年人存在谵妄。Han等2发现高达15%的患者因谵妄到急诊科就诊,而老年人急性护理入院时谵妄的报告患病率为18%至39%。3,4,5 在因既存痴呆诊断而入院的老年人中,这一患病率增至57%。6
尽管患病率高,谵妄在急性护理环境中仍识别不足。早期谵妄研究发现,高达三分之二的老年人谵妄诊断被漏诊,7 尽管谵妄科学取得了进展,谵妄在急诊科就诊或入院时仍持续未被识别。8,9,10 虽然已存在的谵妄无法预防,但未能识别谵妄与住院时间延长、健康并发症、出院至专业护理机构4以及死亡风险增加相关。11,12,13 此外,谵妄与经历谵妄的个体及其家属以及医疗保健专业人员的痛苦增加相关。14,15
谵妄预测算法已被用于对谵妄最高风险者进行分层,以便将更多资源和努力分配给最需要的人。16,17,18 识别谵妄最高风险者有助于提高临床效率并更及时地识别和诊断谵妄。因谵妄入院的老年人需要诊断、识别潜在危险因素和可能病因,以及适当的谵妄管理和干预。19 英国国家健康与临床优化研究所(NICE)作为谵妄临床实践指南的一部分,对谵妄危险因素进行了全面的系统评价和荟萃分析。20,21 NICE荟萃分析中识别的因素已在前瞻性研究中被证实与入院后发生的谵妄相关。16,17
本研究的主要目的是使用NICE荟萃分析和谵妄临床实践指南21的框架,比较3种预测规则对已存在谵妄的预测性能,并将预测规则组成部分整合为最大化预测能力所需的最低限度信息。我们假设,入院时谵妄的整合预测规则将优于现有的基于NICE的谵妄预测规则。拥有一个单一的、整合的谵妄预测规则可以将临床筛查工作有针对性地指向那些需要立即评估和诊断谵妄的患者。
方法
样本
本分析的样本取自118家设有住院设施的退伍军人事务部(VA)医疗中心的退伍军人事务部外部同行评审计划(EPRP)。22因充血性心力衰竭、急性冠脉综合征、社区获得性肺炎和慢性阻塞性肺疾病入院的患者的病历由经过培训的护士随机选取进行电子病历(EMR)审查,以评估谵妄及其危险因素的存在情况。数据收集过程中内置了评分者间信度评估。从2012年10月1日至2013年9月30日,共提取了27 625例65岁及以上患者的VA住院记录;该组构成推导队列。确认队列由2013年10月1日至2014年3月31日期间EPRP样本中的11 752例患者组成。本分析遵循个体预后或诊断多变量预测模型透明报告(TRIPOD)报告指南的建议(补充材料中的eAppendix)。23数据不可识别;然而,由于年龄为线性变量,部分90岁以上的退伍军人可被识别。VA普罗维登斯机构审查委员会批准了本分析。这是一项质量改进项目,VA普罗维登斯机构审查委员会批准豁免研究参与者的知情同意,并依据1996年《健康保险可携性与责任法案》予以豁免。
NICE谵妄预测规则
NICE谵妄临床实践指南所开展的一项关于谵妄危险因素的系统综述和荟萃分析确定了6项谵妄危险因素:(1)年龄,截断值为65岁和80岁,(2)认知障碍,(3)疾病严重程度,(4)感染,(5)骨折,(6)视觉障碍。这些因素已被独立证实与新发谵妄及任何谵妄相关。16
电子NICE谵妄预测规则
电子NICE(eNICE)谵妄预测规则采用NICE谵妄临床实践指南所呈现的初始荟萃分析定义的標準。所有标准均从EMR中提取,以确认谵妄的回顾性和前瞻性病例。16患者因一般内科和外科原因入院,如心脏问题和感染。年龄评分定义为65岁及以上和80岁及以上。认知障碍定义为入院时EMR诊断或用于治疗痴呆的药物。疾病严重程度基于实验室和生命体征数据。对入院诊断进行筛查以评估感染和/或骨折。视觉障碍由EMR数据确定。谵妄由经过培训的医师每日使用《精神障碍诊断与统计手册》第四版文本修订版标准进行评估,定义为入院时或住院期间发生的任何谵妄。16
Pendlebury NICE谵妄预测规则
Pendlebury对NICE因素进行了修改,以确认一套适用于入住急性护理医院患者的规则。17这是一项前瞻性报告,谵妄在入院时及住院期间每日依据《精神障碍诊断与统计手册》第四版标准由医生进行筛查。预测规则中纳入的标准包括认知障碍、年龄80岁及以上、感染、视力障碍和全身炎症反应综合征(SIRS)。17患者被收入同一医疗团队。认知障碍通过简易智力测验评分或简易精神状态检查评分和/或电子病历中的痴呆诊断进行评估。视力障碍记录于电子病历中,或患者就诊期间有明显体征。Pendlebury NICE谵妄预测规则使用呼吸频率、脉搏和白细胞计数作为急性疾病的标准,17这些数据取自入院时的电子病历。
拟议的合并NICE谵妄预测规则
对于拟议的合并NICE谵妄预测规则,年龄从病历中提取为入院时年龄,并分为65岁及以上和80岁及以上两类。认知障碍定义为电子病历中既往痴呆诊断或入院时门诊处方痴呆治疗药物(如多奈哌齐)。疾病严重程度使用急性生理评分计算,该评分基于从电子病历中收集的实验室数据(即钠水平、胆红素水平、肌酐浓度、血细胞比容、白蛋白水平、血尿素氮水平、血糖水平和白细胞计数)和生命体征数据(脉搏、呼吸频率和血压),截断值类似于既往严重程度规则。24用于分析的实验室数据为最接近入院时的数据,以便捕获在急诊科获取的实验室值。如果感染和骨折列于入院诊断中,则视为存在。感染数据由经过培训的护士审查员提取,包括VA最常见的10种感染(即肺炎、流感、尿路感染、败血症或脓毒症、蜂窝织炎、憩室炎、腹膜炎、阑尾炎、骨髓炎和脑膜炎)。骨折仅限于股骨、椎体、肱骨、胫骨、腓骨、桡骨或尺骨骨折的短期存在。视力障碍基于对问题列表和护理入院记录的审查,以寻找既往视力缺陷诊断的证据或急性护理入院期间视力无法矫正的证据。缺失数据采用多重插补法处理(补充材料中的e表1)。
结局
合并NICE预测规则的主要结局为现患谵妄,定义为入院24小时内电子病历中出现以下1项或多项谵妄术语或症状:(1)谵妄,(2)精神状态改变,(3)定向障碍,(4)意识模糊,(5)不可唤醒,(6)嗜睡,和(7)迟钝。EPRP内常规进行的评定者间信度显示,审查员对现患谵妄的一致率为92%。16
统计分析
推导队列和确认队列采用标准化差异进行比较。从推导队列中,我们使用前述初始研究概述的标准开发了eNICE和Pendlebury NICE预测规则。16,17
随机森林建模
采用随机森林算法构建联合NICE评分。随机森林是一种分类工具,可自动构建并分类多棵决策树,并在回归基础上叠加集成学习以筛选自变量。随机森林模型通过对由NICE预测因子构成的决策树进行自助抽样,减少了标准回归建模常见的模型过拟合现象25。自动化随机森林算法提供了一种重要性度量:准确率平均下降(均方误差增加的百分比;越高越好)。基于该度量,变量选择侧重于净准确率。关于这些重要性度量的更深入定义可参见其他文献。25,26,27 在我们的联合NICE模型中,我们将年龄作为连续变量纳入,并通过单独的随机森林分析创建年龄截断值。相同方法应用于所有其他连续变量,包括实验室指标,以确定截断值。由于我们的样本量较大,我们选择不使用更复杂的实验室和生命体征评分(急性生理学评估与慢性健康状况评价及SIRS标准),而是将APACHE和SIRS标准中的每个因素作为随机森林模型中的个体特征纳入,以确定在识别现患谵妄时最重要的特征。数据集中所有实验室值均为连续变量,以便随机森林机制捕获最大可能的信息,随后我们基于剩余的重要特征创建了加性临床诊断评分。特征权重使用随机森林重要性水平确定。临床截断评分是在使用建模技术筛选出重要特征后创建的。在生成受试者工作特征(ROC)曲线后,我们确定了联合NICE评分的低、中、高风险截断点,这些截断点是为展示目的而创建的。
我们在推导队列和确认队列中使用ROC曲线下面积(AUROC)(C统计量)检验了3种谵妄预测规则对入院时谵妄的判别性能,以检验模型的一致性和等同性。使用直方图和箱线图直观展示推导队列中NICE评分与谵妄状态之间的关联。密度直方图按谵妄状态提供每个NICE评分的概率分布。规则之间的比较使用χ2检验。比较时,我们将统计学显著性设定为P < .05。使用Stata统计软件14.2版(StataCorp)进行数据处理、eNICE评分生成和表格创建。使用R 3.3.2版(R Foundation for Statistical Computing)构建ROC曲线。使用R 3.3.2版中的randomForest程序创建随机森林算法。27
结果
推导队列共纳入27 625例患者(28 118例[92.2%]为男性;平均[SD]年龄为75.95[8.61]岁),确认队列共纳入11 752例患者(11 536例[98.2%]为男性;平均[SD]年龄为75.43[8.55]岁)。推导队列中2343例患者(8.5%)在入院时被识别出谵妄,确认队列中为882例患者(7.0%)。推导队列与确认队列的比较见表1。尽管推导队列与确认队列之间发现了统计学显著差异,但实际差异很小,无临床意义。例如,分析发现推导队列与确认队列之间红细胞压积存在差异(35.3% vs 34.9%[转换为1.0的比例,乘以0.01];P < .001),该差异具有统计学意义但无临床意义。两个队列中生命体征、药物、实验室检查值和NICE评分的均值和百分比在临床上相似,但常有统计学差异。
在预测能力和准确性方面,认知障碍是最重要的因素,其次是感染、钠水平和年龄。图1展示了纳入我们随机森林模型中的NICE特征的平均准确率下降情况。年龄的切点通过中位年龄节点截断值确定(≥80岁)。钠水平的切点通过中位节点截断值以及对VA患者正常钠水平的了解来确定。当我们检查钠水平切点137 mEq/L(转换为毫摩尔每升,乘以1)(随机森林算法确定的中位切点)的细分情况时,未发现在入院时谵妄发生率方面存在差异。由于随机森林模型无法选取双切点,它选取了参考范围内的值作为单一截断值。在VA,退伍军人钠水平的参考范围为135至145 mEq/L。基于我们对VA患者的了解,我们决定将低于135 mEq/L或高于145 mEq/L的双切点作为我们的综合NICE评分中的1分。补充材料中的eTable 1给出了我们所选4个预测因素的效能。谵妄患者与非谵妄患者的比例有所增加(补充材料中的eTable 1)。对于已识别的风险因素,谵妄患者在统计学上更可能为80岁及以上(1432例[14.4%] vs 911例[5.2%],P < .001)、存在认知障碍(2069例[41.8%] vs 274例[1.2%],P < .001)、有感染诊断(1528例[16.6%] vs 815例[4.4%],P < .001)以及钠水平异常(<135或>145 mEq/L)(592例[11.0%] vs 1720例[8.0%],P < .001)。4个谵妄风险因素的权重——认知障碍(3分)、年龄80岁及以上(1分)、钠水平(1分)和感染(1分)——是基于平均准确率下降指标选择的(表2)。一个关键观察结果是综合NICE模型中人群重叠减少,以及谵妄患者中位综合NICE评分的巨大差异(图2)。综合NICE评分能够区分有无现患谵妄的患者(低风险,252例[1.1%];中等风险,990例[29.4%];高风险,1101例[50.9%];AUROC曲线,0.91;95% CI,0.90-0.92;P < .001)(补充材料中的eTable 2)。将我们的综合NICE评分与eNICE和Pendlebury NICE评分的ROC曲线进行比较,揭示了随机森林预测规则相较于现有方法在区分能力上的改善(补充材料中的eFigure)。
对于确认队列,3条NICE规则均与入院时谵妄相关(表3)。表3突出了每个模型的判别功能。在每个模型中,谵妄风险评分增加与谵妄风险增加相关。补充材料中的eTable 3提供了额外统计数据,证明联合NICE评分在正确分类百分比和阳性预测值方面的改善。所有评分均具有较高的阴性预测值:0.96(联合NICE评分)、0.98(eNICE评分)和0.96(Pendlebury NICE评分)。在两个队列中,联合NICE模型相比其他模型具有显著更高的预测能力(补充材料中的eTable 3)。在推导队列中,联合NICE评分正确分类了25 332例患者(91.7%),AUROC曲线为0.91(95% CI,0.91-0.92;P < .001),eNICE正确分类了18 896例患者(68.4%),AUROC曲线为0.81(95% CI,0.80-0.82;P < .001),Pendlebury NICE评分正确分类了24 697例患者(89.4%),AUROC曲线为0.87(95% CI,0.86-0.88;P < .001)。在确认队列中,联合NICE评分正确分类了10 882例患者(92.6%),AUROC曲线为0.91(95% CI,0.90-0.92;P < .001),eNICE正确分类了8332例患者(70.9%),AUROC曲线为0.83(95% CI,0.81-0.84;P < .001),Pendlebury NICE评分正确分类了10 647例患者(90.6%),AUROC曲线为0.87(95% CI,0.86-0.88;P < .001)。
讨论
本分析通过针对4项标准并与其他算法相比提高准确性,可能优于现有的入院时谵妄筛查方法。此外,它揭示了既往研究中发现的NICE谵妄因素的一致性。16,17,21 通过使用随机森林方法,我们能够识别认知障碍、年龄、钠水平和感染作为入院时主要与谵妄相关的变量。此外,使用独立但非前瞻性队列来推导随机森林算法并进行确认,增强了这一整合NICE谵妄预测规则在未来研究和实施中的实用性。这一整合预测规则在用于识别需要额外认知评估和监测的患者时可能具有临床效用。
在入院时识别谵妄可能具有一些临床优势。首先,近期研究发现,在急诊和急性护理环境中,常规临床护理可能漏诊很大比例的高谵妄风险患者。8,9,10 重要的是,在既往研究中,被漏诊谵妄的患者结局不良。11,12,13 入院时谵妄占谵妄病例的高达三分之一。28 其次,既往谵妄预防策略研究在入组前排除了已有谵妄的患者。29,30,31 第三,临床指南倾向于常规筛查谵妄,特别是为了早期识别和治疗谵妄。20,32,33 由于谵妄识别率低且未识别谵妄与不良结局相关,基于电子病历(EMR)的谵妄预测工具在获得外部确认后可能具有一些优势。
任何谵妄预测规则的价值在于其应用于临床实践。由于许多谵妄病例在常规临床护理中被漏诊,使用电子工具聚焦临床评估可能有效地指导临床工作。例如,如果将整合NICE规则嵌入EMR,并且电子标记将患者识别为高风险,经过培训的一线护士可以执行超简短的认知功能评估,如改良Richmond躁动镇静量表(15秒)或倒背月份(2分钟),34,35 并启动非药物预防策略或要求对谵妄诊断和可治疗原因进行更全面的评估。这一简短的2步流程可能有助于快速识别高谵妄风险且需要更深入评估和干预的患者。此外,高谵妄风险传达了对执业者有价值的预后信息。例如,eNICE确认研究16发现,入院时高和极高谵妄风险的患者与低风险患者相比,住院时间延长、出院至康复机构和再入院增加。因此,系统使用谵妄预测规则,特别是电子测量工具,可能有效识别将从额外临床评估中获益的患者。
优势与局限性
本分析的优点在于使用了来自美国各地中心的大型推导和确认队列、随机森林方法以及与入院时谵妄的关联。数据从VA EPRP系统系统中收集,已被证明具有高度可靠性。使用NICE荟萃分析作为随机森林方法的核心增强了有效性和可推广性。
尽管这项工作具有优势,但仍存在显著局限性,结果必须在这些局限范围内解读。首先,可推广性受到使用VA医疗中心的影响,这些中心男性比例较高。其次,VA系统包含150个医疗中心,谵妄的评估、诊断和治疗存在固有变异性。本研究中没有外部确认;需要在其他医疗保健系统,特别是那些拥有EMR系统的机构中进行额外的前瞻性确认。此外,基于EMR的提取可能因可用性、编码或诊断延迟而限制额外变量的选择。由于我们的分析仅限于已收集的变量,可能存在与谵妄相关的变量(如药物、既往居住安排)未被纳入我们的随机森林方法。这一因素可能因某些患者特征(如视力或听力数据)不可用而影响了通过构建随机森林所选择的特征。另一个局限性是使用回顾性队列EMR术语来定义谵妄,这低估了谵妄的患病率。36这些术语 also 倾向于高活动型谵妄而非低活动型谵妄,这是一种固有偏倚。另一个局限性是入院仅限4个入院组,未包括谵妄高风险组,如骨折患者。
推进整合NICE算法下一步是在外部前瞻性队列中通过标准化评估进行确认,以提高入院时谵妄及入院后发生谵妄的有效性。在具有参考标准谵妄诊断的此类前瞻性队列中出现类似发现可能表明本回顾性研究的内部有效性未受损。
结论
执业医师经常漏诊入院时的谵妄。使用先进的随机森林方法进行变量选择,本分析发现4个要素对入院时谵妄具有良好的判别功能:认知障碍、年龄、钠水平和感染。需要对整合NICE筛查算法进行进一步前瞻性检验。未来将此类筛查算法构建到EMR系统中可能有助于提醒执业医师关注那些将从标准化认知评估和适当干预中获益的个体。
参考来源
- Halladay CW, Sillner AY, Rudolph JL, et al. Performance of Electronic Prediction Rules for Prevalent Delirium at Hospital Admission. JAMA Netw Open. 2018. PMID: 30646122. doi:10.1001/jamanetworkopen.2018.1405
- 全文:PMC6324279(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6324279/
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。