基于J-point登记数据开发并验证用于预测意外性低体温院内死亡风险的「5A」严重度量表
本研究利用日本J-point登记数据,纳入急诊就诊的意外性低体温成人患者532例,按地理区域分为开发队列(288例,院内死亡率22.0%)和验证队列(244例,院内死亡率27.0%)。基于年龄、日常生活活动能力、濒临心脏骤停、酸血症和血清白蛋白构建「5A」评分,并完成内部(自助法)和外部验证。验证队列中评分C指数0.731,高于瑞士分级系统0.558,差异有统计学意义。作者认为该评分有助于急诊医生快速评估预后并据此决策。
要点
- 「5A」评分项目:年龄60–69岁+1分、70–79岁+2分、≥80岁+3分;日常生活活动能力受限+1分;濒临心脏骤停+2分;pH 7.35–7.2 +1分、<7.2 +2分;血清白蛋白≤3 mg/dL +1分。
- 风险分层:≤3分为低危,4分为轻度风险,5分为中度风险,≥6分为重度风险。
- 验证队列低危组(≤3分)敏感度0.89(95%CI 0.82–0.97)、阴性似然比0.33(95%CI 0.16–0.68),适合排除;重度风险组(≥6分)特异度0.91(95%CI 0.87–0.95)、阳性似然比3.37(95%CI 1.86–6.10),稍适合纳入。
- 验证队列各风险组预测死亡率与观察死亡率:低危7.1%(95%CI 5.8–8.4%)与12.6%;轻度风险20.5%(95%CI 18.7–22.3%)与26.3%;中度风险35.4%(95%CI 33.3–37.6%)与42.5%;重度风险67.4%(95%CI 65.1–69.6%)与55.6%。
- 作者认为,对低危组(≤3分)患者即使高龄,积极治疗可能是合理的;对重度风险组(≥6分)可与家属讨论后决定治疗指征。
适用人群与场景
- 纳入标准:成人(≥16岁)且急诊入院时核心体温≤35°C的意外性低体温患者。
- 排除标准:非意外性低体温(核心体温>35°C或未知)、年龄<16岁、年龄/性别/死亡数据缺失者。
- 研究场景:日本京都、大阪、滋贺城市地区的急诊科,包括危重监护医疗中心(CCMC)和非CCMC综合医院;作者指出该模型基于城市室内老年人群,不明确是否适用于滑雪、登山等户外活动相关场景(该场景多为健康年轻运动员)。
诊断标准与关键阈值
- 意外性低体温定义:核心体温非意愿性降至≤35°C。
- 濒临心脏骤停定义:收缩压≤60 mmHg、无法测出或确认心脏骤停。
- 意识水平分级:轻度(GCS 13–15或JCS 0–3)、中度(GCS 9–12或JCS 10–30)、重度(GCS<9或JCS 100–300)。
- 「5A」评分:年龄60–69岁+1分、70–79岁+2分、≥80岁+3分;日常生活活动能力受限+1分;濒临心脏骤停+2分;pH 7.35–7.2 +1分、<7.2 +2分;血清白蛋白≤3 mg/dL +1分。
- 风险分层:低危≤3分、轻度风险4分、中度风险5分、重度风险≥6分。
红旗征与不能漏的情况
- 濒临心脏骤停(收缩压≤60 mmHg、无法测出或确认心脏骤停)计+2分。
- 重度风险组(≥6分)在验证队列中观察死亡率55.6%,特异度0.91(95%CI 0.87–0.95)、阳性似然比3.37(95%CI 1.86–6.10)。
研究设计与关键结果
- 研究设计:多中心回顾性队列研究,数据来自J-point登记,共572例注册,最终纳入532例,总体院内死亡率24.4%。
- 队列划分:按机构地理位置分为开发队列(N=288,六家医院,院内死亡率22.0%)和验证队列(N=244,六家医院,院内死亡率27.0%)。
- 模型构建:采用逐步后退法基于最小赤池信息准则筛选预测变量,建立多变量logistic回归模型,并基于各变量系数β构建整数风险评分。
- 预测性能:评分C指数在开发队列为0.776、验证队列为0.731;验证队列中高于瑞士分级系统的0.558,差异有统计学意义。
- 校准:两个队列校准图显示校准相对良好,但偏倚校正线显示对死亡风险有轻度高估;重度人群存在高估,作者认为主要与重度病例数少有关。
- 诊断能力:低危组(≤3分)敏感度0.89(95%CI 0.82–0.97)、阴性似然比0.33(95%CI 0.16–0.68);重度风险组(≥6分)特异度0.91(95%CI 0.87–0.95)、阳性似然比3.37(95%CI 1.86–6.10)。
证据类型、等级与局限
- 证据类型:多中心回顾性队列研究,按TRIPOD声明报告;完成内部验证(自助法200次重抽样)和基于地理位置的 external validation。
- 局限:模型基于城市人群开发,不明确能否应用于户外活动(如滑雪、登山)相关场景,该场景患者多为健康年轻运动员,与城市室内老年人群完全不同。
- 局限:样本量相对较小,可能增加过拟合和乐观偏倚风险。
- 局限:J-point登记缺乏关于低体温事件、入院后临床过程、治疗、神经学结局和死亡原因的完整详细数据。
- 局限:未与SOFA或APACHE2等危重症通用风险评估工具比较有用性或诊断能力。
- 局限:作者指出需进一步研究以确定该模型在其他队列中的效度、可推广性和临床实用性。
对床旁实践的改变
- 作者认为该评分可帮助急诊医生快速评估意外性低体温患者的严重度、向患者及家属提供预后信息,并通过更恰当地筛选需要高级复苏和重症监护的重度病例来改善预后。
- 作者认为对低危组(≤3分)患者积极治疗可能是合理的,即使为老年患者。
- 作者认为对重度风险组(≥6分)医生可识别需要重症监护的情况,并基于预后可能性与家属讨论后决定治疗指征。
- 作者指出城市地区意外性低体温多为老年人,既往缺乏风险评估工具可能导致对濒死老年患者过度侵入性治疗而未与家属讨论预后,或对生存前景良好者过早撤除治疗。
指南或共识出处
- J-point registry(日本多中心意外性低体温登记数据库)
提炼说明
- 原文未涉及「处置流程与药物剂量」,故未列出这些栏目。
全文中译17 节 · 点击展开
背景
意外性低体温(AH)是指核心体温非意愿性降至≤ 35 °C [1]。该情况与血流动力学崩溃和高死亡率(24–40%)的高风险相关[2–4],因为心脏降温导致心输出量下降和电传导异常,进而引发危及生命的心律失常,如心动过缓性心房颤动或心室颤动[1]。因此,必须立即对AH患者进行评估,以确定其严重程度并选择适当的进阶复苏和重症监护技术。
尽管AH患者需要立即评估严重程度并给予重症监护,但目前尚无专门针对AH患者建立的风险评估工具。这可能因缺乏准确的预后信息而导致不恰当的决策。AH的严重程度传统上采用瑞士分级系统[1]进行评估,该系统基于核心体温和简单的临床发现。然而,其他研究表明,在城市环境中核心体温与院内死亡率无关[2, 4, 5]。此外,已知死亡率与多种其他因素相关,如年龄、日常生活活动能力(ADL)、血流动力学不稳定、高钾血症和酸血症[1, 2, 4–9]。遗憾的是,很难理解这些因素如何影响死亡率,尤其是在急诊环境中。因此,需要一种简单且易于使用的严重程度量表来估计城市环境中AH后的死亡率。本研究旨在利用日本城市环境中发生AH的患者数据,开发并验证一种用于预测院内死亡率的严重程度评分系统。
方法
本多中心回顾性队列研究在方法和结果的报告方面遵循了TRIPOD声明(个体预后或诊断的多变量预测模型的透明报告)[10]。
数据来源
我们从J-point登记数据库获取了流行病学和临床信息,该数据库从治疗AH患者的日本中心网络收集数据[2]。八个中心被指定为重症监护医疗中心(CCMC),四个站点为日本京都、大阪和滋贺县城市地区非CCMC综合医院的急诊科(ED)。每年,各中心的中位急诊就诊量为19,651人次(四分位距13,281–27,554人次)。在日本,CCMC由厚生劳动省根据急诊科治疗休克、创伤、复苏和重症监护患者的能力进行认证,每个区域服务约500,000名居民;在这些CCMC中,通常可提供体外膜肺氧合(ECMO)等进阶治疗[11]。非CCMC中心为覆盖较小区域社区的公立或私立综合医院,通常无法提供ECMO等进阶治疗。
J点登记处纳入的患者是在各中心通过国际疾病分类第十版(ICD-10)低体温编码(T68)回顾性识别的。这些患者在2011年4月1日至2016年3月31日期间因低体温接受治疗,且体温未知或≤35.0°C。如果患者或其家属明确拒绝纳入登记处,则将这些患者排除。临床数据由急诊医师使用预定义的数据提取表提取。收集的数据由J-Point登记处工作组成员重新核查,并对数据有效性的疑虑予以确认或与相应机构核实。基于这些因素,572例患者被登记于J-point登记处。各中心的伦理委员会批准了登记处方案及对去标识化数据的回顾性分析。
研究人群
本研究纳入急诊科(ED)入院时核心体温≤35°C的成年患者(≥16岁),排除非意外性低体温(non-AH)核心体温(>35°C或未知)以及年龄、性别和死亡率数据缺失的患者。该模型计划进行内部和外部验证[12, 13]。因此,开发队列基于京都市的中心(4个CCMC和2个非CCMC)建立,而验证队列基于滋贺县和大阪府以及除京都市以外的京都府的中心的(4个CCMC和2个非CCMC)建立。选择该方法是因为对于相对较小的队列不建议随机样本拆分(以避免数据过拟合),而应基于时间段或地理位置进行细分[12, 14]。验证队列被认为足以进行外部验证,因为样本拆分基于地理位置而非随机分配[12, 14]。
数据收集和患者结局
各机构被分类为CCMC或非CCMC,并收集了年度ED就诊次数、平均医院床位数以及患者特征,包括性别、年龄、日常生活活动能力(ADL)独立或受损以及合并症(附加文件1)。患者的临床特征定义为到达医院时的生命体征(核心体温、收缩压[SBP]以及格拉斯哥昏迷量表[GCS]和日本昏迷量表[JCS]评分)和生物学数据(血清pH、钾[K+][mEq/L]和白蛋白[g/dL])。患者临床特征的详细信息见附加文件1。治疗特征定义为体外和微创复温方法(加温静脉输液、强制暖空气、保温毯等)和主动体内复温(灌洗、血管内复温装置以及静脉-静脉和静脉-动脉体外膜肺氧合(ECMO))(附加文件1:表S1)。关注的结局定义为院内死亡率,该数据也为回顾性确定。
预后变量选择、数据准备和缺失数据处理
基于既往研究和专家意见,我们选择入院时的年龄、ADL、体温、意识水平、血流动力学状态、血清pH、白蛋白和K+作为院内死亡率的潜在预测候选变量[1, 2, 4–9]。为确保模型易于使用,尤其是适用于急诊环境,我们根据潜在协变量的正常上限或常用范围对其进行分类。意识水平分为轻度(GCS 13–15或JCS 0–3)、中度(GCS 9–12或JCS 10–30)和重度(GCS < 9或JCS 100–300)。JCS的详细信息见附加文件1。“接近骤停”状态定义为收缩压≤ 60 mmHg、无法测量值和心脏骤停。关于缺失值,缺失数据< 3%的变量基于完整病例分析进行分析,因为此类分析可能是可行的[15]。如果缺失值> 3%,则将缺失数据归类为“未知”,因为未测量的值在临床环境中可能具有信息价值(例如,在轻微病例中,血气分析往往被省略)。表1和表2显示了各队列协变量类别的分布。
我们未计算所需样本量,因为J-point注册研究在现有文献中包含最多的AH病例,我们旨在经验性地纳入所有可用数据,以最大化模型的效能和泛化能力[14]。关于充足样本量的重要性已有共识;然而,在开发和验证风险预测模型时,对于估算所需样本量尚无普遍接受的方法[14]。
预测模型的开发与评价
在开发队列中,基于上述潜在预测候选变量中最低的赤池信息准则,采用逐步后退法选择预测变量。这使我们能够开发一个简约的变量保留预测模型,随后应用多变量logistic回归。后退消除法通常被首选为自动选择程序,因为在建模过程中考虑了预测变量之间的所有相关性[14]。每个变量的系数β和比值比以95%置信区间(CI)报告。模型性能基于Somers' Dxy、C指数、R2值、校准截距和斜率以及Brier评分进行评价。还创建了校准图,以基于局部加权散点图平滑以图形方式描绘预测和观察到的院内死亡率之间的关联[13]。内部验证涉及使用从原始样本中有放回抽取的200个样本的 bootstrap 程序[13]。
将固定模型应用于验证队列进行外部验证,并将其区分度和校准度表现与开发队列进行比较。最后,我们基于各变量的系数β[13]构建了一个简单的整数风险评分,建立了临床实用的简化风险分层。为评估区分度表现,我们将风险评分系统的c指数与入院时核心体温的c指数进行比较,后者采用瑞士分级系统进行分类,常用于评估AH的严重程度[1]。计算了各评分的诊断能力[敏感度、特异度、阳性似然比(LR+)和阴性似然比(LR−)]。以预测院内死亡率与实际观察院内死亡率之间的关系为依据,对风险分层的校准度表现进行了图形化评估。所有统计结果以双侧P值<0.05为差异有统计学意义。统计分析使用JMP Pro® 14软件(SAS Institute Inc., Cary, NC)和R软件(版本1.1.456;R Studio Inc.)及“rms”包[15]完成。
结果
患者特征
在J点登记注册的572例患者中,我们排除了31例体温不符合AH标准(>35°C或未知)的患者、8例非成人患者(<16岁)和1例数据缺失的患者。最终共纳入532例患者,总院内死亡率为24.4%。随后将患者分为开发队列(N=288,六家医院[四家CCMC和两家非CCMC],院内死亡率22.0%)和验证队列(N=244,六家医院[四家CCMC和两家非CCMC],院内死亡率27.0%)(图1)。各机构和患者的特征见表1和表2,两队列间的特征和分布总体相似。pH和白蛋白的缺失值在各变量中均>3%;因此,将这些缺失值归类为“未知”,并进行了完整病例分析。
模型的性能及内部和外部验证
筛选出5个“A”预测因子(年龄、ADL、濒死状态、酸血症和白蛋白)。各变量的系数β、校正比值比及95%CI以及预测院内死亡率的公式见附加文件1:表S2和公式。开发队列和验证队列中模型的评估及校准图分别见附加文件1中的表S3和图S1。尽管偏差校正线显示对死亡风险略有高估,但两队列的校准图均显示校准度相对良好。
风险评分及其性能
根据每个预测变量的系数β,创建了一个严重程度评分量表(图2,附加文件1:表S4)。该评分系统基于年龄(60–69岁,+1分;70–79岁,+2分;≥80岁,+3分)、ADL状态(受干扰,+1分)、血流动力学状态(濒临骤停,+2分)、pH(7.35–7.2,+1分;<7.2,+2分)和血清白蛋白水平(≤3 mg/dL,+1分)。我们的评分系统在开发队列和验证队列中的c指数分别为0.776和0.731。在验证队列中,其c指数高于瑞士分级系统(0.731 vs 0.558),差异具有统计学意义(附加文件1:表S5)。用于预测院内死亡率的严重程度量表定义为低风险(≤3分)、轻度风险(4分)、中度风险(5分)和重度风险(≥6分)(图2)。在验证队列中,各组平均预测死亡率和观察死亡率分别为:低风险组7.1%(95% CI,5.8–8.4%)和12.6%;轻度风险组20.5%(95% CI,18.7–22.3%)和26.3%;中度风险组35.4%(95% CI,33.3–37.6%)和42.5%;重度风险组67.4%(95% CI,65.1–69.6%)和55.6%(图2和图3)。低风险组(≤3分)院内死亡率预测的诊断能力为灵敏度0.89(95% CI,0.82–0.97)和阴性似然比(LR−)0.33(95% CI,0.16–0.68),适合用于排除;重度风险组(≥6分)为特异度0.91(95% CI,0.87–0.95)和阳性似然比(LR+)3.37(95% CI,1.86–6.10),略适合用于纳入(表3)。严重程度评分系统的图形评估显示,在验证队列中与实际结果校准良好,且与开发队列相同(图3)。
讨论
本研究显示,基于年龄、日常生活活动能力(ADL)、濒临心脏骤停、酸血症和白蛋白的“5A”严重程度评分量表在预测急性中毒(AH)后死亡率方面优于基于核心体温的瑞士分期系统,基于内部和外部验证具有良好的区分度和校准值。此外,该严重程度评分系统将有助于急诊医师快速预测患者的预后并做出管理决策。据我们所知,这是首个在城市地区AH患者中经过内部和外部验证用于预测预后的量表。
既往文献及本研究的优势
已有两篇报告描述了预测AH所致心脏骤停后预后的方法[16, 17]。ICE生存评分(基于性别、窒息和血清钾离子)和HOPE评分(基于性别、窒息、年龄、钾离子、心肺复苏持续时间和体温)可预测AH心脏骤停使用体外生命支持治疗后的预后。然而,这些评分是基于文献综述开发的,其中包含观察性队列和病例报告,可能受到发表偏倚和选择偏倚的影响。此外,这些评分未使用自举法进行内部验证,也未使用独立数据集进行外部验证,这可能增加了过拟合的风险;因此,这些评分在其他人群中的适用性存在疑问。
相比之下,本研究具有多项优势。首先,据我们所知,我们的队列是最大的AH患者队列,这使我们能够基于地理位置创建两个队列并对模型进行外部验证。其次,我们采用自举法评估内部验证过程中的过拟合和过度乐观。第三,大多数患者为老年人,这与最近的一份报告一致,该报告指出日本大多数AH病例涉及老年人[2, 3, 9]。人口老龄化是全球工业化国家常见的公共卫生问题,据推测发达国家大多数AH受害者也将为老年人。大多数既往关于AH的研究集中于较年轻的患者[6–8, 16–19],ICE评分研究中平均年龄为35岁,HOPE评分研究中为36岁[16, 17];因此,这些评分不适用于一般人群。因此,我们认为我们的模型对城市地区发生AH的患者更具推广性。
解读
本研究评估了可概括为“5A”(年龄、日常生活活动能力(ADL)、接近心脏骤停、酸血症和白蛋白)的临床相关变量。在此背景下,患者的年龄、ADL和血清白蛋白值可能反映脆弱的生理状态,这些变量在重症监护中常被用作预后因素[20–23]。血流动力学不稳定和pH也是主要重症监护严重程度评分量表的重要因素[24],因为它们反映重要器官低灌注的程度。因此,我们认为模型中的变量可以反映与低温相关的生理变化。与其他研究[4]类似,我们未将体温作为预测因子纳入,因为我们假设低温相关的器官氧耗降低可在存在低灌注的情况下保护器官,这将使体温与预后不能形成强关联。
在模型开发过程中,我们使用自举法来校正轻微的过度乐观(例如,将C统计量从0.794校正为0.746)。我们还在偏倚校正校准图中发现重症人群存在高估,这似乎主要与重症病例数量较少有关。验证过程也显示重症人群存在轻微高估。因此,我们应谨慎解读重症病例中的发现。
临床意义
我们认为,该严重程度评分量表使临床医生能够快速评估意外性低体温(AH)患者的严重程度,为患者及其家属提供准确信息,并通过更恰当地选择需要高级复苏和重症监护的重症病例来改善其预后。在户外活动(如滑雪、登山)相关环境中,大多数AH患者是健康的年轻运动员。在这种情况下,即使死亡概率超过60%,医生的积极治疗也是合理的。另一方面,在城市地区,大多数AH患者是老年人[3, 9]。由于尚无既定的风险评估工具可用于其治疗,我们对适当治疗感到担忧,因为缺乏足够的预后信息。例如,濒临死亡的老年患者可能在没有与亲属讨论预后的情况下接受过于侵入性的治疗,或者那些生存前景良好的患者可能过早停止治疗。基于易于获取数据(“5A”)的严重程度评分系统使医生能够轻松评估预后。对于被发现在低风险组(≤ 3分)的患者,即使他们是老年人,积极治疗也可能是合理的。医生可以轻松识别重症风险组(≥ 6分)中需要重症监护的病情,并根据预后的可能性,在与患者亲属讨论后决定适应证。因此,我们的风险评分系统可以基于预后证据的概率促成合理的决策。
局限性
本研究存在若干局限性。首先,尽管我们的模型对类似城市地区具有可推广性,但尚不清楚该模型是否可应用于其他环境,例如与户外活动(即滑雪、登山等)相关的环境,在此类环境中大多数患者是健康的年轻运动员。由于我们的模型来源于城市人群,其治疗重点为居家的老年人[2, 9],这些环境之间的人群和特征完全不同。第二个局限性是样本量相对较小,这可能增加过拟合和乐观偏倚的风险[14]。第三个局限性是J点登记处缺乏关于AH事件、入院后临床病程、治疗、神经学结局和死亡原因的完整详细数据。第四,我们未将其实用性或诊断能力与危重症患者的一般风险评估工具(如SOFA或APACHE2)进行比较。因此,需要进一步研究以确定我们的模型在其他队列中的有效性、可推广性和临床实用性,并评估其临床效用。
结论
本研究表明,基于内部和外部验证,5A严重程度量表对预测AH后院内死亡具有良好的区分度和校准度。我们相信该严重程度评分量表可用于快速评估AH患者的严重程度。
附加文件
附加文件1:患者特征和实验室数据的定义。表S1。到达急诊科时实验室数据的范围。表S2。系数β和调整比值比及95%置信区间。表S3。通过bootstrap评估的开发队列模型性能和验证队列中的模型性能。图S1。各队列的校准图。表S4。系数值到评分的转换。表S5。验证队列中区分性能的比较。(DOCX 353 kb)
参考来源
- Okada Y, Matsuyama T, Morita S, et al. The development and validation of a "5A" severity scale for predicting in-hospital mortality after accidental hypothermia from J-point registry data. J Intensive Care. 2019. PMID: 31073406. doi:10.1186/s40560-019-0384-2
- 全文:PMC6499959(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6499959/
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。