急性因素与既往患者特征对ICU入院期间1年死亡率预测性能的比较:一项全国队列研究
这项回顾性观察性队列研究纳入荷兰NICE登记库2013年1月1日至2018年1月1日期间400,248例ICU患者,比较急性疾病因素、既往患者特征及ICU住院时长对1年死亡率和院内死亡率的预测价值。入院时联合模型预测1年死亡率的AUC为0.84(95%CI 0.84-0.84)。ICU住院≥3天时,既往患者特征预测1年死亡率的AUC为0.68(95%CI 0.68-0.69),显著优于急性因素的0.67(95%CI 0.67-0.68)(P<0.001)。院内死亡率方面,住院≥7天时既往特征AUC 0.66(95%CI 0.65-0.66)优于急性因素的0.64(95%CI 0.63-0.65)(P<0.001)。入住ICU第一周后,住院时长本身对院内及1年死亡率均无预测价值(住院≥7天时AUC分别为0.54和0.52)。
要点
- 在400,248例ICU患者中,院内死亡率为11.8%,1年死亡率为21.8%;住院>7天患者分别为26.8%和40.3%。
- ICU住院≥3天时,既往患者特征对1年死亡率的预测AUC为0.68(95%CI 0.68-0.69),显著优于急性因素的0.67(95%CI 0.67-0.68)(P<0.001)。
- 院内死亡率方面,住院≥7天时既往特征AUC 0.66(95%CI 0.65-0.66)显著优于急性因素的0.64(95%CI 0.63-0.65)(P<0.001),该组占7.8%患者和52.4%床位日。
- 入住ICU第一周后,住院时长本身对院内死亡率(住院≥7天AUC 0.54,95%CI 0.53-0.55)和1年死亡率(AUC 0.52,95%CI 0.51-0.53)均无预测价值。
- 作者认为,应在ICU治疗早期收集患者背景信息,尤其对原发病恢复延迟者,病前健康状况可能对生存机会至关重要。
适用人群与场景
- 荷兰全国重症监护评估(NICE)登记库中2013年1月1日至2018年1月1日收治的全部ICU患者,共400,248例次 admission。
- 排除住院时长缺失的患者(n=7603,1.9%);同一住院期间的再入ICU仅纳入首次ICU入住,出院后再入ICU作为新入住纳入。
- 入院类型:内科48.5%、择期手术38.9%、急诊手术12.7%;男性59.5%;入院时40.3%接受机械通气。
研究设计与关键结果
- 研究类型:回顾性观察性队列研究,基于荷兰全国NICE登记库,纳入400,248例ICU患者。
- 主要终点1年死亡率:入院时联合模型AUC 0.84(95%CI 0.84-0.84);住院≥3天时联合模型AUC 0.74(95%CI 0.74-0.74),急性因素AUC 0.67(95%CI 0.67-0.68),既往特征AUC 0.68(95%CI 0.68-0.69),既往特征显著优于急性因素(P<0.001);住院≥7天时联合模型AUC 0.70(95%CI 0.69-0.70),急性因素AUC 0.62(95%CI 0.61-0.63),既往特征AUC 0.68(95%CI 0.67-0.68)。
- 住院≥11天时,联合模型与仅用既往特征的预测能力相当(AUC 0.68,95%CI 0.67-0.69 vs AUC 0.67,95%CI 0.67-0.68,P=0.17)。
- 次要终点院内死亡率:入院时联合模型AUC 0.89(95%CI 0.89-0.90),急性因素AUC 0.88(95%CI 0.87-0.88),既往特征AUC 0.71(95%CI 0.71-0.72);住院≥7天时既往特征AUC 0.66(95%CI 0.65-0.66)显著优于急性因素AUC 0.64(95%CI 0.63-0.65)(P<0.001),该组占7.8%患者、52.4%床位日和18.1%的院内死亡;住院≥10天时既往特征与联合模型AUC均为0.66(P=0.20)。
- 住院时长对1年死亡率的预测:入院时AUC 0.66(95%CI 0.66-0.66),住院≥3天AUC 0.56(95%CI 0.55-0.56),住院≥7天AUC 0.52(95%CI 0.51-0.53);对院内死亡率:第1天AUC 0.63(95%CI 0.63-0.64),住院≥7天AUC 0.54(95%CI 0.53-0.55)。
- 死亡分布:1年内死亡者中63.0%发生在ICU出院后,46.8%发生在医院出院后;住院>7天患者1年死亡率维持在约40%左右,不随住院时长增加而继续升高。
证据类型、等级与局限
- 证据类型:回顾性观察性全国队列研究。
- 优势:样本量极大(400,248例),缺失值比例0.9%,置信区间窄。
- 局限:作者指出,因各国出院和入院政策不同,既往特征预测价值超过急性因素的时间点可能因设置而异;未获知出院地点,少数患者可能出院至临终关怀机构且死亡可预期;模型协变量可能影响预测价值,仅使用NICE登记库中可得的合并症作为既往特征,未纳入衰弱和功能依赖等额外背景信息;急性疾病模型元素对1年死亡率预测价值有限,加入血管活性药物使用或机械通气等元素可能改善模型并影响结果;仅有死亡率信息,无功能能力、认知或精神障碍信息;死亡率可能是治疗限制的结果,引入偏倚风险。
- 作者指出所有组分AUC相对较低,不应被解释为预测模型;目前缺乏可靠模型预测出院后生存。
对床旁实践的改变
- 作者认为,鉴于既往患者特征与入院诊断和生理紊乱的重要性随时间变化,应在ICU治疗早期收集患者背景信息。
- 作者认为,尤其对原发病恢复延迟的患者,病前健康状况可能对其生存机会至关重要。
- 作者指出,入住ICU第一周后住院时长本身不能预测死亡率,尽管延长ICU住院时长看似违反直觉,但不应立即导致对生存的悲观态度。
- 作者指出,目前缺乏可靠模型预测出院后生存,应认识到既往患者特征相对于入院诊断和生理紊乱的重要性随时间变化。
提炼说明
- 原文未涉及「诊断标准与关键阈值」「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14 节 · 点击展开
背景
每年有数百万人接受重症监护病房(ICU)治疗。大多数患者仅在ICU住院数天。然而,部分患者虽从初始急性疾病中存活,但随后出现持续性器官衰竭,需要延长ICU住院时间[1–4]。
ICU的延长治疗可能导致痛苦增加和医疗资源消耗增高[5, 6]。此外,已知持续性危重症患者的住院死亡率和1年死亡率均升高,其中出院后最初数月观察到的死亡率最高[3, 7–14]。
ICU中使用的大多数预测模型预测住院死亡率[15–18]。由于大多数患者在确定治疗目标时强调长期结局,因此认识长期预后对于做出与目标一致的治疗决策十分重要[10, 19]。
多种因素共同影响ICU后的死亡风险,例如危重症类型、入院时的生理紊乱、较高年龄和衰弱[11, 20–22]。因此,当前的预测模型同时使用急性疾病变量和既往患者特征。然而,尚不清楚这些因素各自在ICU住院过程中对预后的贡献如何。
近期研究描述,对于住院死亡率,既往患者特征(如合并症、人口学特征)和急性特征(入院诊断和首日生理紊乱)的预测价值在ICU住院期间发生变化[3, 4]。在ICU住院约10天后,既往患者特征在预测住院死亡率方面开始优于急性特征[3, 4]。越来越多的证据表明,1年死亡率和发病率也主要受ICU入院前即存在的因素影响,如衰弱、合并症和医疗资源利用[8, 22–24]。ICU住院时间(LOS)对长期结局的预测价值并非没有争议,研究显示结果不一致[15, 25–27]。
本研究旨在比较急性特征与既往患者特征在ICU LOS逐渐延长的患者中对住院死亡率和1年死亡率的预测价值。我们假设急性成分的预测价值随ICU LOS延长而下降,而既往患者特征随时间的影响更为恒定。此外,我们旨在量化ICU LOS本身对住院死亡率和1年死亡率的预测价值。
方法
目的
本研究的目的是在ICU LOS逐渐延长的患者中,比较以下各项对住院死亡率和1年死亡率的预测价值:(a)急性入院特征与既往患者特征联合(视为当前实践),(b)仅急性成分,(c)仅既往患者特征,以及(d)ICU住院时间本身。
研究设计、场所和数据来源
本研究为回顾性观察性队列研究,纳入2013年1月1日至2018年1月1日期间荷兰国家重症监护评估(NICE)登记库中的所有ICU患者。NICE登记库常规收集所有荷兰ICU患者直至出院的数据,以通过基准比对监测ICU质量[28]。
NICE登记处的患者记录包含所有连续收治的ICU患者的人口学、生理学和诊断数据,包括急性生理与慢性健康评价(APACHE)评分、慢性合并症、ICU入住原因以及住院期间死亡时的死亡日期[29]。出院后死亡日期通过将患者数据链接至健康保险公司国家行政数据库(Vektis,https://www.vektis.nl)为每位患者推导获得。同一住院期内的再入院仅纳入其首次ICU入住。出院后再次入住ICU作为新的入住纳入。ICU入住时长缺失的患者被排除。其他纳入协变量的缺失数据采用可比患者组的中位数进行插补。
变量
主要结局指标为1年死亡率。次要结局指标为住院死亡率。我们评估了四组变量以预测1年死亡率:急性成分与既往特征联合(见b和c)
急性成分:ICU入住时诊断和急性期(前24小时)生理指标[即APACHE III急性生理评分、APACHE IV ICU入住原因分为10组(心血管、胃肠、泌尿生殖、血液、代谢、肌肉骨骼、神经、呼吸、移植、创伤)、入住类型(内科、择期手术、急诊手术)、提前时间(日历天数,连续变量)以及ICU入住来源分为四组(急诊室、手术室、普通病房、其他)][17]。
既往患者特征:人口学与慢性健康成分[即性别、年龄、肝硬化、肿瘤、血液系统恶性肿瘤、免疫功能低下、糖尿病、慢性呼吸功能不全和肾功能不全]。
ICU入住时长按24小时时段划分
偏倚
由于所有荷兰ICU患者的数据既在NICE登记处中,也由Vektis登记,选择偏倚、信息偏倚和失访偏倚的风险可忽略不计。
统计方法
开发了四种不同的广义混合效应模型。在所有模型中,我们通过将“入住医院”作为随机截距来校正同一医院患者比不同医院患者更相似这一事实。所有连续协变量均以样条形式纳入。次要结局住院死亡率采用相同的混合效应模型进行评估。
为评估模型在ICU入住期间的预测性能,对所有ICU住院时间(LOS)为0天或更长的患者、LOS为1天或更长的患者,直至LOS为30天或更长的患者分别进行评估,以受试者工作特征曲线下面积(AUC)表示的区分度。这些患者组并非互斥,即LOS为4天的患者同时也属于LOS为1、2和3天的患者组。AUC和95%置信区间(CI)采用bootstrap方法计算[30]。在该方法中,每个广义混合效应模型的AUC在每个LOS患者组的500个bootstrap样本中进行评估。三种模型间的显著差异采用DeLong方法检验,p值<0.05定义为差异有统计学意义[31]。所有统计分析均使用R(Statistical Environment Package)3.6.0版本完成。
结果
2013年1月1日至2018年1月1日期间,NICE登记系统共登记407,851例入院记录。排除住院时间缺失的患者(n = 7603,1.9%)后,共纳入400,248例入院记录。年龄缺失的记录有656例(0.2%),提前时间(lead time)缺失的记录有3510例(0.9%)。年龄缺失以同性别患者的中位年龄进行插补;提前时间缺失以相同ICU入住来源患者的中位值进行插补。ICU入住原因为内科的占48.5%,择期手术占38.9%,急诊手术占12.7%。患者以男性居多(59.5%),40.3%在入住时接受机械通气。基线特征见表1,详细特征如合并症见附加文件1表E1。
在全部400,248例患者中,21.7%的患者LOS>2天,7.8%>7天,1.1%的患者入住时间超过28天。所有在ICU接受治疗的患者其ICU死亡率、住院死亡率和1年死亡率分别为8.0%、11.5%和21.7%。对于ICU住院时间>7天的患者,这些值分别为19.6%、26.8%和40.3%。
在ICU入住后第一年内死亡的所有患者中,63.0%死于ICU出院后,46.8%死于医院出院后。ICU入住时间延长与第一周内的1年死亡率相关。对于LOS>7天的患者,1年死亡率在约40%左右保持恒定,且不随LOS增加而变化(图1,附加图E1)。
主要结局:1年死亡率
在图2中,分别展示了急性特征和既往特征单独及联合应用以及LOS对住院时间逐渐延长的患者1年死亡率的预测价值。将急性成分与既往特征相结合的模型在入院时的AUC为0.84(95% CI 0.84–0.84)。随着时间推移,AUC逐渐下降,对于住院时间至少3天的患者,AUC为0.74(95% CI 0.74–0.74),对于住院时间至少7天的患者,AUC为0.70(95% CI 0.69–0.70)。急性成分在入院时的AUC为0.80(95% CI 0.79–0.80),对于住院时间更长的患者逐渐下降,住院时间至少3天的患者AUC为0.67(95% CI 0.67–0.68),住院时间至少7天的患者AUC为0.62(95% CI 0.61–0.63)。仅使用既往患者特征的模型的预测价值在入院时AUC为0.74(95% CI 0.73–0.74)。该值下降后趋于稳定,住院时间至少3天时AUC为0.68(95% CI 0.68–0.69),住院时间至少7天时AUC为0.68(95% CI 0.67–0.68)。ICU住院时间在入院时AUC为0.66(95% CI 0.66–0.66),对于住院时间至少3天的患者降至AUC 0.56(95% CI 0.55–0.56),对于至少7天的患者降至0.52(95% CI 0.51–0.53)。
将急性成分与既往患者特征分开比较显示,对于住院时间至少3天的患者,既往特征对1年死亡率的预测价值显著超过急性成分,AUC为0.68(95% CI 0.68–0.69)对AUC 0.67(95% CI 0.67–0.68),p值< 0.001。从ICU住院时间11天及以上开始,联合模型与既往患者特征的预测能力相当(AUC 0.68(95% CI 0.67–0.69)对AUC 0.67(95% CI 0.67–0.68),p值0.17。
次要结局:住院死亡率
图3显示了既往因素和急性因素单独或联合应用以及LOS对住院时间逐渐延长的患者住院死亡率的预测价值。将急性成分与既往患者特征相结合的模型在入院时AUC为0.89(95% CI 0.89–0.90),而急性成分的AUC为0.88(95% CI 0.87–0.88),既往患者特征的AUC为0.71(95% CI 0.71–0.72)。
使用ICU住院时间预测住院死亡率的模型在入院后第一天AUC为0.63(95% CI 0.63–0.64),对于住院时间至少7天的患者降至0.54(95% CI 0.53–0.55)。
将急性因素与既往患者特征分开并进行比较显示,对于住院时间(LOS)至少为7天的患者,使用既往患者特征的模型对医院死亡率的预测价值显著超过急性因素的预测能力(AUC 0.66(95% CI 0.65–0.66)对0.64(95% CI 0.63–0.65)(p值 < 0.001)。这涉及所有ICU患者的7.8%,占全部床日的52.4%和总医院死亡率的18.1%。
对于在ICU入住至少10天的患者,仅使用既往患者特征的预测价值与联合模型相比无显著差异(两模型的AUC均为0.66,p值 = 0.20),意味着急性因素对医院死亡率没有影响。
讨论
在这项纳入超过400,000例ICU患者的全国性队列研究中,我们探讨了急性疾病特征、既往患者特征以及ICU住院时间对1年死亡率的预测价值。我们发现,对于LOS至少为3天的患者,既往患者特征在预测1年死亡率方面优于急性因素。在ICU入住第一周之后,ICU住院时间本身对长期结局没有预测价值。
时机
既往特征在预测医院死亡率方面优于急性疾病特征的时刻被称为持续性危重病的起病[3, 4]。在我们的大型队列中,我们发现这一时刻在第7天,这与早期研究相当。然而,对于1年死亡率的预测,这一时刻要早得多,即入住3天后。这一时机差异可能反映了既往患者特征相比急性疾病特征对出院后生存的更显著影响。既往研究报道,急性疾病影响短期生存,而3个月以后的死亡率由年龄、合并症和衰弱决定[8, 13, 20, 26, 32]。对于出院后资源使用和持续性躯体症状也有类似发现,这些在很大程度上由ICU入住前存在的因素决定,而很少取决于ICU疾病严重程度[23, 24]。
在我们的研究中,既往患者特征在ICU入住最初几天存活后对死亡率显示出相对恒定的预测价值。无论是医院死亡率还是1年死亡率,基于既往患者特征的模型随时间推移均具有稳定的AUC。这一效应也已在衰弱中有所描述,衰弱以类似方式影响短期和长期死亡率[33, 34]。
我们发现,超过第一周后,延长的住院时间(LOS)不能用于预测死亡率。尽管在ICU第一周内1年死亡风险翻倍(从20%升至40%),但AUC曲线较低,且LOS达到9天后在ICU中额外的天数并未对死亡风险产生影响。我们的荷兰数据与澳大利亚一个大样本队列的数据一致,后者描述在未经选择的ICU患者中,超过第10天的治疗天数与结局无关[26]。尽管违反直觉,这些发现强调延长的ICU LOS不应立即导致对生存的悲观态度。
在临床实践中的应用
本研究旨在深入了解急性因素和既往患者特征在ICU入住期间对1年死亡率预测的具体贡献。在当前实践中,在做出结局估计时这两个因素被合并考虑。我们发现,对于LOS至少为3天的患者,既往特征优于急性疾病特征。此外,从LOS至少10–11天起,入院诊断和严重程度(无论高或低)对医院死亡率和1年死亡率的影响均减弱。然而,所有组成部分均显示出相对较低的AUC曲线,不应被解释为预测模型。由于我们目前缺乏能够预测出院后生存的可靠模型,认识到既往患者特征与入院诊断及生理紊乱的重要性随时间的变化是重要的。我们的发现应被视为一个强有力的论据,支持在ICU治疗早期收集患者的背景信息。特别是在原发疾病恢复延迟的患者中,病前健康状况可能对其生存机会至关重要。
我们研究的优势包括使用了非常大的未选择性ICU患者样本,缺失值数量为0.9%,将偏倚风险降至最低。这也反映在较小的置信区间上。然而,也有一些局限性需要提及。首先,我们预期关于既往特征相较于急性危重疾病的预测价值的研究结果具有可推广性。然而,由于各国出院和入院政策的差异,既往患者特征优于急性疾病特征的预测价值的时间点可能因环境而异。此外,我们未获知出院地点。少数患者可能被出院至预期死亡的临终关怀机构。其次,模型的协变量可能影响了预测价值。例如,仅将NICE登记库中可获得的合并症用作既往患者特征。尽管这是一种实用方法,但它类似于日常实践中的可用信息;额外的背景信息如衰弱和功能依赖可能会影响预测价值。此外,我们的急性疾病模型要素对1年死亡率显示出有限的预测价值,这可能通过添加血管加压药使用或机械通气等要素来改进模型而得到增强,从而影响我们的结果。第三,我们仅有ICU患者死亡率的信息,而没有(延长)ICU治疗后功能能力、认知或精神障碍的信息。延长LOS可能产生不良影响,而这些影响未被作为单一结局构念的死亡率所捕获。第四,死亡率可能是治疗限制的结果,这引入了偏倚风险。
未来研究可侧重于将既往患者模型与ICU治疗期间的动态信息相结合,如入院期间器官衰竭的发生和严重程度。这种动态模型可能能够增强对可能(或不太可能)获得长期生存的患者的识别。
结论
预测ICU结局的模型通常基于既往患者特征与入院诊断和疾病严重程度的组合。在比较这些因素对ICU LOS不断增加的患者1年死亡率的预测价值时,对于ICU LOS为3天或以上的患者,既往患者特征比急性成分更具预测性。对于医院死亡率,对于ICU LOS至少7天的患者,既往患者特征优于急性成分。在ICU入院第一周之后,LOS本身对医院死亡率或1年死亡率不具有预测性。
补充信息
附加文件1:表E1. 详细人口学特征。图E1. 不同ICU住院时长组的生存率随时间变化百分比。
参考来源
- Kerckhoffs MC, Brinkman S, de Keizer N, et al. The performance of acute versus antecedent patient characteristics for 1-year mortality prediction during intensive care unit admission: a national cohort study. Crit Care. 2020. PMID: 32527298. doi:10.1186/s13054-020-03017-y
- 全文:PMC7291572(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7291572/
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。