文献速递创伤与烧伤重症综合管理与镇静镇痛

简易创伤评分TRIAGES的推导与验证:改善成人创伤患者院内死亡预测

Derivation and validation of an easy-to-compute trauma score that improves prognostication of mortality or the Trauma Rating Index in Age, Glasgow Coma Scale, Respiratory rate and Systolic blood pressure (TRIAGES) score.
PubMed 文献 · Crit Care · 2019-11-21
一句话结论TRIAGES评分(0–14分)在JTDB验证队列预测院内死亡AUROC 0.932,优于RTS(0.907)和MGAP(0.918);作者认为仍需进一步研究临床适用性。

本研究为回顾性预后研究,利用日本创伤数据库(JTDB)2004–2015年成人创伤患者数据推导并验证一种简易创伤评分TRIAGES,并在CRASH-2试验(2005–2010年)人群中做外部验证。TRIAGES总分0–14分,由年龄(0–2分)、GCS(0–6分)、收缩压(0–4分)和呼吸频率(0–2分)组成。在JTDB验证队列(n=76,762,死亡率10.1%)中AUROC为0.932,优于RTS(0.907)和MGAP(0.918);在CRASH-2队列(n=19,740,死亡率14.6%)中AUROC为0.814,亦优于RTS(0.808)和MGAP(0.774)。作者结论认为该评分易于计算且预测能力优于RTS和MGAP,但需进一步研究其临床适用性。

要点

  • TRIAGES评分总分0–14分,由年龄0–2分、GCS 0–6分、收缩压0–4分、呼吸频率0–2分组成,无需加权系数。
  • JTDB验证队列(n=76,762,死亡率10.1%)AUROC:TRIAGES 0.932 vs RTS 0.907 vs MGAP 0.918。
  • CRASH-2验证队列(n=19,740,死亡率14.6%)AUROC:TRIAGES 0.814 vs RTS 0.808 vs MGAP 0.774。
  • 在敏感度限制>0.9的部分AUROC分析中TRIAGES表现最佳;重分类改善分析显示TRIAGES优于RTS(CRASH-2队列)及MGAP(两个验证队列)。
  • 作者结论:TRIAGES易于计算且预测能力优于RTS和MGAP,但需进一步研究临床适用性。

适用人群与场景

  • 纳入有明确钝性或穿透性创伤记录、非烧伤的成人创伤患者;排除年龄<16岁或年龄未报告者。
  • 推导队列来自JTDB 107家医院(n=99,867,死亡率12.5%),验证队列来自JTDB 114家医院(n=110,885)及CRASH-2试验(n=20,197)。
  • CRASH-2队列患者较JTDB队列更年轻、穿透伤比例更高、血流动力学更不稳定(收缩压更低、心率更高)。

诊断标准与关键阈值

  • TRIAGES评分总分0–14分:年龄0–2分、GCS 0–6分、收缩压0–4分、呼吸频率0–2分。
  • 预测终点为全因院内死亡,采用AUROC评估判别能力。

研究设计与关键结果

  • 研究类型为回顾性预后研究,推导队列来自JTDB(n=99,867,死亡率12.5%),验证队列为JTDB验证队列(n=76,762,死亡率10.1%)和CRASH-2队列(n=19,740,死亡率14.6%)。
  • JTDB验证队列AUROC:TRIAGES 0.932 vs RTS 0.907 vs MGAP 0.918。
  • CRASH-2队列AUROC:TRIAGES 0.814 vs RTS 0.808 vs MGAP 0.774。
  • 部分AUROC分析(敏感度限制>0.9)中TRIAGES表现最佳;重分类改善分析显示TRIAGES较RTS(CRASH-2队列)和MGAP(两个验证队列)改善重分类。
  • 按年龄分层亚组分析中,JTDB验证队列老年患者各评分预测准确性相对较差,以RTS最明显。

证据类型、等级与局限

  • 证据类型:回顾性预后研究(推导与验证),遵循TRIPOD报告规范。
  • 局限:使用回顾性招募的非连续创伤患者数据库(JTDB)开发预测模型不理想。
  • 局限:TRIAGES评分在灾难或军事环境中的理论优势未在本研究中检验。
  • 局限:以院内死亡为研究结局,不适合预测创伤患者长期死亡。
  • 局限:CRASH-2为随机对照试验,仅纳入血流动力学不稳定的创伤患者,未包括危重或较轻创伤患者。
  • 局限:作者指出需进一步研究检验该新评分的临床适用性。

对床旁实践的改变

  • TRIAGES评分仅需年龄、GCS、收缩压和呼吸频率四项指标,无需加权系数,便于床旁快速计算。
  • 在JTDB和CRASH-2两个验证队列中,TRIAGES对院内死亡的判别能力均优于RTS和MGAP。
  • 作者认为该评分在灾难、大规模伤亡事件或军事场景中的分诊用途尚需进一步研究验证,本研究未检验这些场景。

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12 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. 2019 Nov 21;23:365. doi: 10.1186/s13054-019-2636-x

背景

预后评分旨在为特定医疗状况提供标准化的严重程度指标,并根据预后概率将患者分层分组[1]。创伤评分可用于提高医疗质量并协助患者群体的预后判断[2]。在此背景下,通过创伤评分进行分层可将患者分为预后低风险、中风险或高风险[3],并可作为一种分诊工具应用于灾难、大规模伤亡事件或军事环境中[4]。

随着时间的推移,多种创伤评分已被开发。这些包括基于早期创伤救治中获得的患者信息的创伤评分、基于损伤分布和解剖严重程度的解剖性创伤评分,以及基于早期、解剖和实验室信息的联合创伤评分[2]。早期创伤救治中的创伤评分通常包括若干预测因子,如年龄、损伤机制和生理状态;此类评分包括修订创伤评分(RTS)[5, 6]和机制、格拉斯哥昏迷评分(GCS)、年龄及动脉压(MGAP)评分[7]。计算RTS时,GCS、收缩压和呼吸频率分别被赋予0至4分五个类别之一;该评分乘以加权系数,GCS为0.9368,收缩压为0.7326,呼吸频率为0.2908。然后计算这三项的总和[6]。尽管在早期创伤救治中使用RTS可对创伤死亡率提供可接受的预测[6, 8, 9],但其计算复杂,且据报道其加权系数已过时[10–12]。因此,MGAP评分被开发为不使用加权系数的分类值的简单加和[7]。尽管MGAP评分易于计算,但其对创伤死亡率的预后能力并不优于RTS[9]。

本研究旨在开发并验证一种新型、易于计算的创伤评分,与RTS和MGAP评分相比,其对创伤死亡率的预后能力有所改善。

方法

研究设计与设置

本回顾性预后研究旨在开发并验证成人创伤患者院内死亡率的预后模型。本研究的报告遵循个体预后或诊断多变量预测模型的透明报告(TRIPOD)指南[13],并获得东京医科齿科大学医学伦理委员会批准(参考编号2192)。

数据来自2004年至2015年日本全国创伤登记数据库(日本创伤数据库[JTDB])中患者的所有可用数据,以及2005年至2010年氨甲环酸治疗显著出血的临床随机试验-2(CRASH-2)试验的数据[14–16]。JTDB成立于2004年,至2015年涉及日本256家医院[14, 17]。参与JTDB的医院自愿登记损伤严重度评分(ISS)≥ 9的创伤患者和烧伤患者,并包括人口统计学、损伤情况和机制、到达急诊室(ER)前后的生理状态、到达ER前后的操作、ER和/或手术室的手术、简明损伤定级(AIS)值、ISS、死亡和住院时间等信息[14, 17]。

CRASH-2是一项随机对照试验,旨在评估氨甲环酸在40个国家(主要为发展中国家)的出血创伤患者中的效果[15, 16]。CRASH-2还从创伤患者中收集了以下数据:人口学特征、到达急诊室后的生理状态、住院期间死亡以及住院时间[15, 16]。

参与者选择

本研究纳入有记录的钝性或穿透性创伤患者,但不包括烧伤患者。研究排除标准定义为排除年龄<16岁或年龄未报告的患者。该排除标准基于异常值去除和多重插补之前可获得的信息确定,并在异常值去除和多重插补后应用于多重插补数据集。

测量指标

我们根据提供给每个参与机构的唯一识别号,将JTDB病例随机二分为推导队列和验证队列。来自唯一识别号为偶数的机构的患者被分配至JTDB推导队列,其余患者被分配至JTDB验证队列。所有CRASH-2患者被分配至另一验证队列。JTDB推导队列用于评分开发,JTDB和CRASH-2验证队列用于验证所开发的评分系统。

研究预测变量包括作为名义变量的损伤机制(钝性或穿透性)以及作为连续变量的年龄(岁)、呼吸频率(1/min)、收缩压(mmHg)和GCS。这些变量分别在急诊室首次接触创伤患者时以及根据JTDB和CRASH-2定义进入研究时获得。其他变量(如院前生命体征或ISS)也被纳入,并用于多重插补、敏感性分析和/或解释性亚组分析。

为保持统计效能并适当评估预测变量与结局之间的关联,同时尽量减少选择偏倚,JTDB推导队列数据集在统计分析前进行了两步数据准备。验证数据集未经过此过程,以模拟“真实世界”条件。第一步包括使用稳健线性回归分析检测并去除数值变量中的异常值[18],随后进行20次迭代的链式方程多重插补(MICE),生成25个包含插补缺失值的数据集[19]。在插补前使用Box-Cox变换方法将所有数值变量的分布转换为正态分布,并在插补后将其转换回原始分布。对于GCS,MICE分别将GCS的3个不同要素(睁眼、语言和运动反应)作为有序变量进行插补。语言GCS子评分按患者已插管记录。插补后总GCS重新计算为GCS 3个不同要素之和。任何部分中AIS编码为9被视为缺失值并进行多重插补。

结局

我们将研究参考标准定义为任何原因导致的院内死亡。

分析

采用逻辑回归分析,以年龄和生理状态(包括到达急诊室时的格拉斯哥昏迷评分(GCS)、收缩压和呼吸频率)作为解释变量,预测院内死亡率。若干预测变量与结局之间的关系并不保证线性和单调函数。因此,除有序逻辑回归分析外,还使用多变量广义相加模型对预测变量与研究结局之间的非线性和非单调函数进行可视化评估[20]。参照逻辑回归分析中回归系数的大小及广义相加模型的结果,对所有预测变量的范围进行分区,赋予简单整数,并纳入预测模型,随后将其开发为一种新型创伤评分。文中提供了将数值数据分区为整数化评分点的详细方法(附加文件1)。

主要分析和次要分析均在JTDB验证队列和CRASH-2队列中比较了新型评分与RTS或MGAP评分对院内死亡率的预测能力。主要分析采用受试者工作特征(ROC)分析,以ROC曲线下面积(AUROC)评价各评分的预后准确性。采用Hosmer-Lemeshow图评估在JTDB验证队列和CRASH-2队列中估计的预测院内死亡率与实际观察院内死亡率的校准度。在JTDB推导队列中,使用约登指数和灵敏度>0.9估计所测试评分预测院内死亡率的两个最佳阈值。这些阈值进一步用于在验证队列主要分析的ROC曲线中确定各评分预测院内死亡的灵敏度、特异度以及阳性和阴性预测值。研究主要分析所需样本量基于从JTDB推导队列中比较新型评分与RTS或MGAP评分的ROC分析所获得的参数进行估计,采用把握度0.8和P值0.025(经多重比较Bonferroni校正后)[21]。次要分析包括限制灵敏度≥0.9的部分AUROC分析和重分类改善分析。在ROC、部分ROC和重分类改善分析中,多个插补数据集间点估计和方差的整合基于20,000次自举法;在所有其他分析中则基于Rubin规则[19]。

为检验主要分析的稳健性,在去除离群值并进行多重插补后的验证数据集上,以及在将创伤机制和生理变量分别插补为“钝性”和正常值的验证数据集上,进行了重新评估主要分析的敏感性分析。为检验评分在院前环境中的适用性,使用院前变量代替入院变量进行了单独的敏感性分析。此外,解释性亚组分析评估了各评分在按年龄分层的亚组中对院内死亡率的预测能力。

所有统计分析均使用“R 3.5.1”统计计算软件(R Foundation for Statistical Computing,奥地利维也纳)及若干附加软件包完成。

结果

纳入研究患者的特征

本研究从JTDB的225,616例创伤患者中选取了210,752例(JTDB推导队列,107家医院,n = 99,867;JTDB验证队列,114家医院,n = 110,885;图1)。同样,CRASH-2的20,207例患者中有20,197例被分配至CRASH-2验证队列(图1)。JTDB推导队列与验证队列的患者特征相似,而CRASH-2队列的患者较JTDB队列更年轻、穿透伤比例更高、血流动力学更不稳定,就诊时收缩压更低、心率更高(表1,详见附加文件2:表S1)。

图1 研究参与者筛选树状图。在JTDB推导队列中筛选创伤受试者后,对数值变量进行异常值剔除并采用多重插补。JTDB推导队列的排除标准基于异常值剔除和多重插补前的患者背景特征确定,并在异常值剔除和多重插补后应用。JTDB,日本创伤数据库;CRASH-2,重大出血中抗纤溶药物的临床随机化研究-2 查看原图 ↗
表1 研究人群的基线特征 查看原表 ↗

主要结果

评分开发

在JTDB推导队列中,12,473/99,867(12.5%)例患者院内死亡。用于预测JTDB推导队列院内死亡率的逻辑回归广义相加模型显示,年龄和GCS分别呈近似单调的正相关和负相关,呼吸频率和收缩压呈曲线U型相关(图2)。基于预测院内死亡率的逻辑回归分析,在对预测变量值的分类区间赋予简单整数后,我们定义了一种新的评分,将这些4位整数相加(年龄、格拉斯哥昏迷评分、呼吸频率和收缩压创伤评级指数[TIAGES]评分,附加文件1)。TIAGES评分范围为0至14分:年龄0–2分,GCS 0–6分,呼吸频率0–2分,收缩压0–4分(表2,附加文件3:表S2)。检验验证所需样本量估计为8237例(TIAGES评分与RTS比较)或13,623例(TIAGES评分与MGAP评分比较)。

图2 多变量广义相加模型中生理状态变量与院内死亡率的非线性关联。多变量广义相加模型(GAM)以JTDB推导队列急诊科就诊时的年龄、收缩压、格拉斯哥昏迷评分和呼吸频率为解释变量,以院内死亡率为响应变量,采用logit链接函数估计非线性回归曲线。GAM图在多重插补数据集上估计并整合,节点数为10;实线,点估计值;虚线,95%置信区间的上下界 查看原图 ↗
表2 日本创伤数据库推导队列中与院内死亡相关的就诊时预测因素 查看原表 ↗

评分验证

在JTDB验证队列和CRASH-2队列中,分别有9877/97,428(10.1%)和3085/20,197(15.3%)例患者在医院内死亡。根据AUROC分析,TRIAGES评分在JTDB验证队列和CRASH-2队列中均显示出对院内死亡的最佳预测能力(表3,附加文件4:图S1)。就JTDB验证队列和CRASH-2队列估计的Pearson卡方统计量而言,TRIAGES评分在预测院内死亡率与实际观察院内死亡率的校准方面也表现最佳(附加文件5:图S2)。对于验证队列中测试的各个评分,还评估了所选阈值下的灵敏度、特异度以及阳性和阴性预测值(附加文件6:表S3)。在二次分析中,部分ROC分析表明,如果将给定灵敏度限制为> 0.9,TRIAGES评分具有最佳的部分AUROC(表3)。另一项二次分析或重分类改善分析表明,与CRASH-2队列的RTS以及JTDB验证队列和CRASH-2队列的MGAP评分相比,TRIAGES评分改善了重分类(表3)。在多重插补或按最佳值单一插补的数据集中重新评估主要分析的敏感性分析结果与主要分析结果一致(表3)。使用院前变量评估结局预测的敏感性分析也与主要分析一致(表3)。在按年龄组分层的解释性子组分析中,JTDB验证队列中老年患者所测试评分的预后准确性相对较差(附加文件7:表S4)。这一关联对于RTS最为明显。

表3 基于所测试评分的预后准确性和重分类改善的比较 查看原表 ↗

讨论

我们的新型创伤评分易于计算,并且基于AUROC分析、部分AUROC分析和重分类改善分析,在JTDB验证队列和CRASH-2队列中均较RTS和MGAP评分提高了预测准确性。

创伤损伤严重度评分(TRISS)和修订版损伤严重度分类第二版(RISC-II)整合了来自放射学图像和/或实验室检查的早期信息和延迟信息,以实现最准确的预后预测[22, 23]。然而,延迟信息的收集需要对创伤患者在这一关键时期内造成相当大的延误。此外,关于放射学图像的延迟信息通常涉及CT扫描;因此,如果缺乏CT扫描,联合创伤评分往往会被遗漏或计算错误。早期创伤救治中的创伤评分是根据患者的年龄、损伤机制和生理状态计算的,这些信息在早期创伤救治期间以及患者首次接触后的数分钟内易于收集,且缺失较少[5–7, 9]。这便于医疗专业人员使用该评分,并有望在灾难、大规模伤亡事件和军事环境中用于检伤分类[4]。此外,计算评分的简便性是创伤评分不可或缺的特征[10, 12]。使用加权系数计算复杂方程通常需要电子设备,这限制了其在各种情况下的适用性。相反,简化评分设计可能会降低结局预测的准确性。

RTS由于分类困难且相对复杂,在床旁或院前环境中不易使用[5, 6]。计算RTS所需参数的分类需要区分收缩压0与1–49 mmHg之间以及呼吸频率0与1–5次/分之间,这在床旁数秒内可能难以完成。此外,许多现代预测评分不再使用带小数点的加权系数,因为在没有技术辅助的情况下,这会使得评分计算复杂化。TRIAGES和MGAP评分均避免了对接近0的收缩压和呼吸频率值进行区分,也避免了使用带小数点的加权系数。

一般来说,在创伤救治中,创伤评分可以根据创伤严重程度进行调整,用于结局研究和国际或机构基准比较[2]。提高创伤评分的准确性和可用性也可以提高观察性研究的质量。在特定情况下,如灾难医学或军事医学中,良好的创伤检伤分类工具应能够筛选出需要紧急治疗的较轻创伤患者,以及不再需要治疗的濒死创伤患者。满足这些要求有助于开发良好的检伤分类创伤评分,能够筛选出预后可改变的目标人群中的较小部分,从而节省医疗资源。

本研究存在若干局限性。第一,使用由回顾性招募的非连续创伤患者组成的创伤数据库(JTDB)对于开发预测模型并不理想。第二,TRIAGES评分具有简便性和良好预后准确性的优势,理论上适用于灾难或军事环境,但本研究未对其进行验证。第三,使用院内死亡率作为研究结局不适合预测创伤患者的长期死亡率。第四,CRASH-2数据集由日本以外的参与者组成,作为该模型的外部验证数据集,用于检验创伤评分的外部效度。然而,CRASH-2是一项纳入血流动力学不稳定创伤患者的随机对照试验;因此,该研究未纳入危重或较轻创伤患者。为弥补CRASH-2队列作为外部验证队列的缺陷,我们还使用了JTDB验证队列。

结论

开发并验证了一种易于计算且能改善预后判断的新型创伤评分。

补充信息

附加文件1. 将数值数据划分为整数化评分点的详细方法。

附加文件2:表S1. 纳入离群值剔除和多重插补的研究变量。

附加文件3:表S2. 纳入所测试创伤评分的生理参数赋值评分值划分。

附加文件4:图S1. 所研究创伤评分对院内死亡率预后准确性的比较。

附加文件5:图S2. 所研究创伤评分的校准图。

附加文件6:表S3. 各验证队列间诊断指标的比较。

附加文件7:表S4. 按年龄分层比较所测试评分的诊断准确性。

参考来源

  1. Shiraishi A, Otomo Y, Yoshikawa S, et al. Derivation and validation of an easy-to-compute trauma score that improves prognostication of mortality or the Trauma Rating Index in Age, Glasgow Coma Scale, Respiratory rate and Systolic blood pressure (TRIAGES) score. Crit Care. 2019. PMID: 31752938. doi:10.1186/s13054-019-2636-x
  2. 全文:PMC6868841(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6868841/

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。