病情恶化病房患者转入ICU获益分析:以患者为中心的临床评估方法
该研究为前瞻性队列分析,纳入英国49家NHS医院9192例评估ICU转移的病情恶化病房患者(4596对匹配)。以ICU床位可用性为工具变量,采用以患者为中心的治疗效应方法评估ICU转移对28天死亡率的异质性效应。总体28天死亡率估计为全部转移23.2% vs 全部不转移28.1%,风险差-4.9%(95%CI -26.4%至16.6%)。效应随年龄和NEWS评分变化,NEWS 19时风险差-25.4%(95%CI -50.6%至-0.2%),≥75岁高NEWS(>6)患者风险差-11.6%(95%CI -39.0%至15.8%)。作者认为ICU获益可能在基线生理严重程度高的患者中增加,尤其是老年患者。
要点
- 总体28天死亡率:全部匹配患者转移23.2% vs 不转移28.1%,风险差-4.9%(95%CI -26.4%至16.6%),未达统计学显著。
- NEWS 19时ICU转移的28天死亡率绝对风险差为-25.4%(95%CI -50.6%至-0.2%),NEWS 0时为3.7%(95%CI -12.1%至19.5%)。
- ≥75岁高NEWS(>6)患者风险差-11.6%(95%CI -39.0%至15.8%),<75岁对应亚组为-8.4%(95%CI -31.0%至14.1%)。
- 预测28天绝对风险降低>10%的患者为评估时NEWS>7且年龄≥60岁者;风险降低0%-10%者为NEWS 3-7且年龄≥50岁者。
- 预测ICU转移后28天死亡率更高的组为年轻患者(<60岁)且评估时NEWS<4者。
适用人群与场景
- 病情恶化病房患者,评估是否转入ICU者;来自英国49家NHS医院的前瞻性队列(2010年11月1日至2011年12月31日)。
- 排除:重复就诊、再入院、评估期间死亡、术后入院(入院可能按方案执行)以及已有治疗限制的患者。
诊断标准与关键阈值
- 生理严重程度采用国家早期预警评分(NEWS)分层:低危<5分,中危5-6分,高危>6分;NEWS范围0(最轻)至20(最重)。
- 年龄亚组:≥75岁与<75岁;另有按年龄18-23岁至72-77岁等分层报告。
研究设计与关键结果
- 研究类型:前瞻性队列分析(SPOTlight研究),纳入13011例 eligible 患者,其中4994例(38.4%)转入ICU;近远匹配后4596对(N=9192)。
- 主要终点28天死亡率:全部转移估计23.2%(2090例预测死亡)vs 全部不转移28.1%(2534例预测死亡),风险差-4.9%(95%CI -26.4%至16.6%)。
- 按NEWS的28天死亡率绝对风险差:NEWS 0为3.7%(95%CI -12.1%至19.5%),NEWS 19为-25.4%(95%CI -50.6%至-0.2%)。
- 按年龄的28天死亡率绝对风险差:18-23岁为7.7%(95%CI -5.5%至21.0%),72-77岁为-5.0%(95%CI -26.5%至16.6%)。
- ≥75岁患者:高NEWS(>6)风险差-11.6%(95%CI -39.0%至15.8%),中NEWS(5-6)-4.8%(95%CI -30.5%至20.9%),低NEWS(<5)-1.0%(95%CI -24.8%至22.8%)。
- <75岁患者:高NEWS(>6)风险差-8.4%(95%CI -31.0%至14.1%),中NEWS(5-6)-2.1%(95%CI -21.1%至16.9%),低NEWS(<5)1.4%(95%CI -14.5%至17.4%)。
- 90天死亡率结果与28天相似,获益最大的患者为评估时年龄更大且病情更重者。
证据类型、等级与局限
- 证据类型:前瞻性队列研究分析,采用工具变量(ICU床位可用性)和以患者为中心的治疗效应方法;工具变量强度F统计量为71。
- 局限:工具变量分析统计效率低;亚组分析存在虚假统计显著性担忧;风险预测算法需在其他情境中测试后才能考虑用于常规临床实践;作者指出进一步研究验证这些发现会有用。
对床旁实践的改变
- 作者认为,ICU转移的获益可能在基线生理严重程度高的患者中增加,尤其是老年患者;生理评分低的患者似乎未从ICU转移中获益。
- 作者指出,这些发现有助于识别从ICU转移中获益最多的患者,并可为未来分诊政策提供信息,以在当前ICU容量内提供额外临床获益。
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9 节 · 点击展开
引言
重症监护病房(ICU)患者中老年人的比例正在增加。1 美国的ICU费用占国内生产总值的1%,且可能难以持续。2,3 此前的观察性研究4,5,6报道,转入ICU与死亡率增加相关,但这些研究依赖于风险调整方法,未处理适应证混杂,也未认识到ICU治疗效果可能因患者预后不同而存在异质性。对于病情恶化的病房患者,开展随机临床试验以评估转入ICU的效果面临重大实践和伦理挑战。近期一项整群随机临床试验7报道,一项增加老年患者ICU收治的项目并未降低住院死亡率。这些发现可能阻碍老年患者转入ICU8,9,10或强化治疗限制,尽管有人担忧该随机临床试验7的结论不适用于常规临床实践。2
精准医学或个体化医学旨在为正确的患者在正确的时间提供正确的干预措施,可根据个体患者预后的任何指标来启动,而不限于其遗传或生物标志物特征。11,12,13 特别是,转入ICU的获益可能取决于预后因素,如年龄,年龄可能单独修饰转入ICU的效果,并与患者生理状态等措施产生协同作用。14,15 生成支持临床决策的证据所面临的一大挑战是,ICU治疗的获益可能因未测量的特征(如衰弱)而异,而这些特征也可能决定患者是否转入ICU。此前的研究14,15未认识到ICU治疗的效果可能因未测量的患者层面因素而异。
一种全面检验异质性并处理适应证混杂的新方法报告了以人为中心的治疗(PeT)效应。16,17,18 该方法利用临床医生如何根据每位患者的预期健康获益来选择干预措施的洞见,提供个体层面的治疗效果估计,然后汇总至主要关注的亚组。16,17,18,19 我们重新审视了一项自然实验,该实验使用ICU床位可用性作为转入ICU的工具变量(IV),以估计病情恶化病房患者子样本中转入ICU的效果。20 与先前侧重于4小时内转入的研究不同,我们估计了所有被评估患者转入ICU本身的效果。我们在所有符合条件的病情恶化病房患者中,全面评估了转入ICU效果根据观察到的和未观察到的特征所存在的异质性。据我们所知,本文首次认识到ICU治疗的效果可能因未测量和已测量的患者特征而被修饰。17,20,21,22 我们分别及联合根据患者年龄和疾病严重程度估计了转入ICU的效果。
方法
数据来源、参与者和定义
这项前瞻性队列研究于2010年11月1日至2011年12月31日进行。本次分析的日期为2017年6月1日至2018年6月30日。我们使用了(SPOT)light研究的数据,20该研究是一项前瞻性队列研究,纳入英国49家国家卫生服务体系医院中病情恶化、接受重症监护病房转入评估的病房患者。本研究遵循流行病学观察性研究报告强化规范(STROBE)报告指南。20,23 我们排除了重复就诊、再入院、评估期间死亡、术后入院(入院可能按方案规范化)以及既往存在治疗限制的患者。重症监护病房入住和生存分别通过 linkage 至重症监护国家审计与研究中心(ICNARC)病例组合项目数据库和国家卫生服务体系信息服务数据库来定义。该研究注册于国家卫生研究所研究项目组合(编号9139)和ClinicalTrials.gov(NCT0101099813)。国家卫生服务体系国家研究伦理委员会(剑桥郡3)于2010年9月2日对研究方案版本1.1提供了伦理批准。未获取知情同意,但处理患者数据的许可由国家信息治理委员会伦理与保密委员会批准。完整研究方案可在ICNARC网站上获取。24
治疗变量为从病房转入重症监护病房,主要结局为重症监护病房评估后28天内的死亡率。工具变量为重症监护病房床位可用性,定义为实际空置的重症监护病房床位加上重症监护病房患者准备出院所占床位的总和。20,21,25,26 该指标此前已被用作患者入院或转入的工具变量。20,21,25,26 参照这些研究,我们假设重症监护病房的空余容量会促进转入,但不会以其他方式影响接受评估患者的死亡率。
基线协变量均由床边临床医生在转入评估时记录,包括年龄、脓毒症诊断、围心脏骤停(对即将发生的心肺骤停的临床判断),以及计算以下3项急性生理学评分所需的生理学指标:国家卫生服务体系国家早期预警评分(NEWS)、27 ICNARC生理学评分28和序贯器官衰竭评估(SOFA)。29 患者在病房评估时已有的依赖程度和评估后推荐的治疗级别依据英国重症监护最低数据集治疗级别定义,分别相当于普通病房治疗(0级和1级)、高依赖治疗(2级)和重症监护病房(3级)。30 数据包括重症监护病房容量不足的指标,包括病房评估是否在周末(周六或周日)、非正常工作时间(晚7点至早7点)或冬季月份(4月至11月)之外进行。
统计分析
近远匹配
我们将基线特征相似的患者配对,并匹配在重症监护病房床位可用性“多”与“少”时接受评估的患者,排除可用重症监护病房床位差异小于3张的匹配对(补充材料中的eAppendix 1)。31 该近远匹配算法试图确保已测量的混杂因素均衡,且工具变量(重症监护病房床位可用性)强度足够(即能预测重症监护病房转入)。32,33,34,35 为评估匹配质量,我们根据标准化均数差报告了协变量平衡情况。
我们评估了工具变量(IV)设计是否符合有效性的基本标准。首先,我们计算了偏F统计量以指示IV强度36,发现可用床位数与ICU转运高度相关(F统计量,71)。其次,我们发现根据可用ICU床位数,测得的基线危险因素是均衡的(补充材料中的eFigure 1)。
使用IV设计估计PeT效应的方法
我们估计了平均PeT效应,以充分考虑异质性和混杂因素(补充材料中的eAppendix 2、3和4)。17,18,19,37,38 这种IV方法认识到转运决策反映了未测量和已测量的患者及情境因素。我们识别出“边际”患者,即根据其已测量特征(如可用ICU床位和生理评分)和未测量特征(如衰弱),医生对转运决策处于均衡状态的患者(补充材料中的eFigure 2)。对于这些患者,可用ICU床位数(即IV)的微小变化(或助推)“打破平衡”,促使决定将患者转运至ICU,但不改变其危险因素的分布。比较根据可用ICU床位微小差异定义的患者结局,可提供相似患者ICU转运效应的估计值。通过在不同可用床位数(即IV)上重复这一对比,我们估计了具有不同混杂因素组合(如年龄和NEWS)的边际患者组的治疗效应。对于每个个体,PeT效应是通过对具有相同已观测和未观测特征、并根据其观测治疗选择确定的边际患者的治疗效应取平均而获得的。PeT效应可以对任何样本特征取平均,以形成亚组水平的平均效应。
作为示例,图1显示了3名接受ICU转运评估的患者(P、Q和R)。在做出转运决策时,医生考虑每名患者的预期结局,并知晓ICU床位容量。医生做出该决策所使用的信息中只有部分被测量并可用于研究(如年龄和NEWS);其他混杂因素(如衰弱)无法获得。在此,患者Q根据未观测特征具有较低的转运倾向,未被转运;而患者R具有较高的总体转运倾向,被转运。在仅有2张可用床位时(图1A),患者P被定义为边际患者,即医生对是否转运该患者持无所谓态度,该患者留在普通病房。
在有3张重症监护室(ICU)床位可用的情况下(图1B),医生被轻推以建议患者P′转运。我们利用这一关于转运决策的信息来推断,对于患者P和P′,已观察和未观察到的混杂因素必须完全平衡。我们利用这一洞见来推导不可观察特征分布,并根据可用床位数量,对比被轻推向(如患者P′)或远离(如患者P)ICU转运的边缘患者集合之间的结局。通过根据不同的床位可用水平对比替代边缘患者集合的结局,我们在考虑未观察混杂和异质性的情况下估计每位患者的PeT效应。我们将每位患者的这些个体PeT效应在感兴趣的已观察混杂因素上进行平均,以得出ICU转运有效性异质性的最小偏倚估计。
个体水平工具变量(IV)方法的实施如下。首先,我们根据每位患者观察到的特征和可用ICU床位数量,估计其ICU转运的倾向性。其次,我们使用这些ICU转运倾向性与观察到的转运状态的估计值,根据每位边缘患者的未观察特征估计其“残差”转运倾向性(图1C)。第三,我们使用这种根据未观察因素估计的转运倾向性,在预测ICU转运与普通病房护理后的结局时允许未观察混杂的存在(补充材料eAppendix 5)。
在匹配数据中,每位患者的PeT效应定义为其在ICU转运与未转运情况下预测的28天死亡率之差。这些个体水平的估计治疗效应被汇总,以报告ICU转运在整个匹配样本中以及每个预设感兴趣亚组(年龄、NEWS、ICNARC生理学评分和SOFA评分)以及每种生理学指标结合年龄的估计效应。ICU转运的有效性按以下方式报告:75岁及以上或75岁以下患者21,根据NEWS27的基线风险低(<5)、中等(5或6)或高(>6)水平,以及90天死亡率的次要终点。由于暴露和结局均为二分类变量,使用概率单位回归模型估计PeT效应。ICU转运的有效性以绝对死亡风险的均值(95% CI)差异报告。
最后,我们开发了一个简单的预测模型(逻辑回归)来检验哪些基线特征可预测28天死亡率估计绝对风险差异的幅度(补充材料eAppendix 6)。我们将临床获益幅度定义为28天死亡率10%的差异。20所有标准误均通过非参数自举法计算,并允许个体在医院内聚类,推断以匹配数据为条件。数据分析在R(版本3.4.3;R Foundation for Statistical Computing)和Stata(版本14.1;StataCorp LP)中进行。
敏感性分析
为检验研究结果对替代选择是否稳健,我们考虑了替代统计模型,包括治疗方程和结局方程的不同函数形式(probit vs logit)、连续基线测量高阶项的纳入与排除,以及各生理学评分之间的交互项。我们将这些估计值与传统的工具变量(IV)方法——两阶段最小二乘法——进行了对比,后者报告的是病情恶化病房患者亚群中的估计有效性,22并与假设无未测量混杂因素的回归方法进行了对比(补充材料中的eAppendix 7)。
结果
共有13 011名符合条件的患者接受了ICU转运评估,其中4994名(38.4%)被转运。在匹配之前,ICU转运患者平均更年轻、更常被诊断为脓毒症、病情更严重(更高的NEWS、ICNARC生理学评分和SOFA评分)(补充材料中的eTable 1)。
在接受ICU转运评估的病情恶化病房患者中,远近匹配算法识别出4596对匹配对。在匹配样本(N = 9192)中,多ICU床位组(中位数,7张)中52.8%为男性,平均(SD)年龄为65.2(17.7)岁;少ICU床位组(中位数,2张)中53.3%为男性,平均(SD)年龄为65.0(17.3)岁。其他基线特征在比较组之间也均衡良好(表1),且匹配样本与未匹配样本相似(补充材料中的eTable 2)。
总体28天死亡率估计为:如果所有匹配患者均被转运,为23.2%(2090例预测死亡);如果所有匹配患者均未被转运,为28.1%(2534例预测死亡),估计风险差为−4.9%(95% CI,−26.4%至16.6%)(表2)。两阶段最小二乘法方法也显示ICU转运后28天死亡率较低(补充材料中的eTable 3),而未考虑未观察混杂因素的回归方法和未调整方法则显示ICU转运与28天死亡率增加相关(表2)。
根据生理严重程度,PeT估计的风险差异从NEWS为0时的3.7%(95% CI,−12.1%至19.5%)到NEWS为19时的−25.4%(95% CI,−50.6%至−0.2%)不等,根据基线ICNARC生理评分或SOFA评分观察到的模式相似(图2和补充材料中的eTable 4)。按年龄估计的风险差异从18至23岁时的7.7%(95% CI,−5.5%至21.0%)到72至77岁时的−5.0%(95% CI,−26.5%至16.6%)不等(图2和补充材料中的eTable 4)。ICU转运后的预测风险差异在实际转运者为−10.1%(95% CI,−33.2%至13.0%),未转运者为3.3%(95% CI,−15.2%至21.8%)(补充材料中的eTable 4和eFigure 3)。
老年患者(≥75岁)ICU转运后28天死亡率的绝对风险差异为:高NEWS(>6)者为−11.6%(95% CI,−39.0%至15.8%),中等NEWS(5-6)者为−4.8%(95% CI,−30.5%至20.9%),低NEWS(<5)者为−1.0%(95% CI,−24.8%至22.8%)。较年轻患者(<75岁)相应亚组的估计值分别为−8.4%(95% CI,−31.0%至14.1%)、−2.1%(95% CI,−21.1%至16.9%)和1.4%(95% CI,−14.5%至17.4%)(补充材料中的eTable 5)。
图3显示,预测28天死亡率绝对风险降低大于10%的患者为评估时NEWS较高(>7)且年龄60岁及以上者。预测风险降低在0%至10%之间的患者NEWS为3至7且年龄50岁及以上。预测ICU转运后28天死亡率较高的组为较年轻患者(<60岁),其评估时NEWS较低(<4)(补充材料中的eFigure 4)。
评估了与ICU转运后28天死亡率绝对风险降低大于10%相关的基线特征。这些特征包括年龄;男性;评估时护理级别较高;围心脏骤停;较高的NEWS、ICNARC生理评分和SOFA评分;以及在核心工作时间内(周一至周五,上午9点至下午5点)且非冬季入院(补充材料中的eTable 6和eTable 7)。
90天死亡率的总体PeT结果相似(补充材料中的eTable 8),且存在相同的异质性模式;预测从ICU转运中获益最大的患者在评估时年龄较大且病情较重(补充材料中的eTable 9和eFigure 5)。补充分析表明,结果对实施PeT方法的替代方式具有稳健性(补充材料中的eTable 10和eTable 11)。使用基线ICNARC生理评分或SOFA评分时结果相似(补充材料中的eFigure 4和eFigure 5),排除较晚转运(24小时后)或建议接受ICU(3级)护理的患者后结果亦相似(补充材料中的eTable 12、eTable 13、eFigure 6和eFigure 7)。
讨论
这种以患者为中心的工具变量方法解决了根据未观察因素的异质性和混杂问题,并发现ICU转入的获益随年龄和生理学评分增加而增加。评估时生理学评分低的患者似乎未从ICU转入中获益。研究结果有助于识别哪些患者从ICU转入中获益最大,并可为未来旨在在当前ICU容量内提供额外临床获益的分诊政策提供信息。这些发现对依赖ICU转入平均有效性估计的建议提出了质疑;这些估计可能鼓励不可持续地扩大重症监护20,21,或限制老年患者的准入而不考虑其生理状态。7
我们以患者为中心的方法表明,年龄和生理严重程度协同作用,可预测个体患者从ICU护理中可能获得的获益和危害。被建议转入者从ICU转入中获益更大的发现表明,医生已经在个性化其方法,并根据个体患者的可能获益进行分诊(补充材料中的e图3)。我们发现ICU转入对评估时生理学评分较高的患者有益,这扩展了先前使用传统工具变量设计评估ICU转入有效性的观察性研究20,21。这些先前研究的结果仅适用于患者的一个子样本,而我们的个体水平工具变量方法提供了适用于更广泛接受ICU护理评估患者的ICU护理效应的总体估计。
关于结果普适性的一个潜在担忧是,在英国,床位可用性水平较低可能意味着考虑收治的患者比其他国家的患者病情更严重。国际上关于疾病严重程度的比较很少,但一项关于早期目标导向治疗的患者水平荟萃分析39(PRISM研究者)报告,随机化时的急性生理学与慢性健康状况评价II生理学评分中位数在英国仅略高于美国(英国:12;四分位距,8-17;美国:10;四分位距,7-15)。此外,我们呈现了按常用病例严重程度指标分解的ICU护理有效性估计值,以帮助在不同背景下进行临床决策。
优势与局限性
本研究具有若干优势。第一,这种最初在计量经济学文献中开发的工具变量(IV)方法17,18能够识别哪些类型的患者从ICU转运中获益最多。第二,本文扩展了先前发表的采用相同IV设计的研究20,通过处理患者间异质性。第三,研究报告主要发现在一系列替代假设下均稳健,尤其是IV方法所依据的那些假设。
本研究存在潜在局限性。第一,IV分析在统计学上效率低下是众所周知的40,但本文所述的IV方法与传统IV方法相比,在绝对风险差异周围显示出更小的标准误。第二,任何亚组分析都会引发对虚假统计学显著性声明的担忧。因此,我们预先指定了关于哪些风险因素预期会修改ICU转运对死亡率影响的假设21,并利用了ICNARC病例组合项目数据库中可用的丰富基线测量数据。尽管如此,进一步研究以检验这些发现的重复性将是有用的41。第三,为帮助未来的临床决策者,我们开发了一种风险预测算法。虽然该算法根据预测ICU转运死亡率获益大于10%的变量具有表面效度,但在考虑用于常规临床实践之前,仍需在其他背景下进行检验。
结论
据我们所知,这是第一项使用IV方法评估ICU转运的研究,该方法同时识别患者异质性并处理适应证混杂。对于年龄较大的患者和评估时生理严重程度较高的患者,ICU转运的获益更大。这种方法可以通过为ICU护理分诊决策提供信息,帮助改善有限ICU容量下的临床结局,并可以为更广泛地推动个性化临床决策提供依据。
参考来源
- Grieve R, O'Neill S, Basu A, et al. Analysis of Benefit of Intensive Care Unit Transfer for Deteriorating Ward Patients: A Patient-Centered Approach to Clinical Evaluation. JAMA Netw Open. 2019. PMID: 30768190. doi:10.1001/jamanetworkopen.2018.7704
- 全文:PMC6484590(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6484590/
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。