文献速递重症综合管理与镇静镇痛

新冠疫情中ICU平均住院日的有偏与无偏估计

Biased and unbiased estimation of the average length of stay in intensive care units in the Covid-19 pandemic.
PubMed 文献 · Ann Intensive Care · 2020-10-16
一句话结论基于已出院患者的ICU平均住院日估计有偏且偏低,纳入删失数据的参数法估计更高,提示疫情模型应采用更高的ICU床位占用负担参数化。

该研究在单一收治COVID-19患者的ICU中,对连续入院的59例患者比较两种ICU平均住院日估计方法:仅用估计日已出院患者的平均住院日(DPE),以及拟合分布并纳入仍在ICU患者的删失住院日的标准参数法(CPE)。首次入院后2个月,38例(64%)已出院,DPE估计为13.0天(95%CI 10.4-15.6),CPE估计为23.1天(95%CI 18.1-29.7),系列真实ICU平均住院日大于21天,远高于迄今报告的估计值。作者认为,疫情期间短住院更早被观察到,谨慎的无偏估计提示COVID-19预测模型应采用比迄今更高的ICU床位占用负担参数化。

要点

  • 在收治COVID-19患者的ICU中,首次入院后2个月64%(38/59)患者已出院,仅用已出院者估计的平均住院日为13.0天(95%CI 10.4-15.6)。
  • 纳入仍在ICU患者删失数据的参数法估计平均住院日为23.1天(95%CI 18.1-29.7),明显高于仅用已出院者的估计。
  • 该系列真实ICU平均住院日大于21天,远高于迄今报告的估计值。
  • 59例中24%(14/59)住院日≥30天,包括21例死亡中的8例。
  • 疫情期间短住院更可能被早期观察到,仅用已出院患者估计平均住院日会有偏且偏低。

适用人群与场景

  • 单一ICU连续收治的COVID-19患者,共59例。
  • 末次随访为首次入院后99天,除1例外所有患者均已出院。

研究设计与关键结果

  • 研究比较两种ICU平均住院日估计方法:估计日已出院患者的平均住院日(DPE),以及拟合分布并纳入仍在ICU患者删失住院日的标准参数法(CPE)。
  • 在单中心连续59例COVID-19患者中,首次入院后2个月38例(64%)已出院,DPE估计ICU平均住院日为13.0天(95%CI 10.4-15.6),CPE估计为23.1天(95%CI 18.1-29.7)。
  • 59例中14例(24%)住院日≥30天,包括21例死亡中的8例。
  • 该系列真实ICU平均住院日大于21天,远高于迄今报告的估计值。
  • 模拟研究考察了两种方法模式的普遍性。

证据类型、等级与局限

  • 证据类型:单中心连续病例的方法学比较研究,附模拟研究。
  • 局限:原文未报告局限性。

对床旁实践的改变

  • 作者认为,疫情期间短住院更可能被早期观察到,仅用已出院患者估计ICU平均住院日会有偏。
  • 作者认为,谨慎的无偏ICU平均住院日估计提示COVID-19预测模型应采用比迄今更高的ICU床位占用负担参数化。

提炼说明

  • 本条依据论文摘要整理;摘要未涉及「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;全文请点「阅读原文」。
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:Ann Intensive Care. 2020 Oct 16;10:135. doi: 10.1186/s13613-020-00749-6

引言

一种新型冠状病毒(SARS-CoV-2)的传播引发了被称为COVID-19大流行的大流行病[1]。这场大流行导致了全球性危机,地方、区域或国家层面做出了前所未有的限制性非药物缓解干预决策。这些措施的一个主要目标是尽可能减少每日需要入住重症监护病房(ICU)的新增人数,以便能够在医疗系统中对其进行适当管理,并维持对其他人群的适当管理[2]。ICU新增入院的快速增长会在短时间内产生严重后果。例如,2020年3月19日至4月2日期间在法国,COVID-19感染者占用的ICU床位数量从1002张急剧增加到6305张[3],相当于平均每日增加14%的床位。这种情况需要大规模且快速地增加ICU设施,法国卫生部长于3月28日宣布全国重症床位容量已从5000张增加到10000张[4]。其基本数学很简单:14天内平均15%的不平衡增长意味着在第14天,由此产生的占用率将是第0天乘以7.08倍,因为1.15(14天)= 7.08。该系统对持续的不平衡高度敏感:即使两周内平均增长率低至2%——疫情高峰后可能出现的情况——仍将需要在第14天将占用率增加32%。

ICU的平均住院时间(ALOS)是一项重要估计指标,关系到医疗系统在ICU床位占用方面的稳定性。例如,假设感染新出现病原体的患者ICU ALOS为10天,则每日床位出院概率为1/ALOS = 1/10 = 0.10。这意味着每当所需入院率超过依赖ALOS的10%阈值时,占用或所需的床位总数将会增加,并可能超出容量。

这个例子表明,估算由新发病毒感染人群的ICU平均住院日(ALOS)对于建模者和决策者而言是一项极其关键的信息,可用于指导疫情暴发背景下当地能力的适应性调整。此类估算预期应尽快提供。然而,在疫情开始后短时间内考察情况时,可能只有少数病例已从ICU出院。仍在ICU的患者被称为删失病例,在任何与住院时间(LOS)相关的无偏估计中都必须予以考虑。在本研究中,我们对武汉大学中南医院(ZHWU)一个专门ICU连续收治的COVID-19患者整个队列的时间线进行了详细考察,其中我们使用两种估计方法研究了ALOS估算随病例累积的演变。我们的结果表明,即使考虑对应于三分之二入院患者已出院日期的最后随访日期,有偏方法估算的ICU ALOS也接近无偏方法所得结果的一半。鉴于这些研究,迄今为止已报道的COVID-19病例ICU LOS相关估算[5–8]可能低估了真实值。此类估算也被用于预测模型[9–13],本研究对改进预测情景以指导公共决策具有实际意义。

方法

伦理

本研究经武汉大学中南医院医学伦理委员会批准(临床伦理批准号2020005)。医学伦理委员会因新发传染病豁免了知情同意。

设置

与许多地方一样,武汉大学中南医院(中华人民共和国湖北省)在COVID-19疫情期间管理COVID-19患者的组织经历了多次变化。首先,2019年12月30日,在疫情明显暴发之时,两个初始ICU——一个隶属急诊、另一个隶属外科——被重组为一个31张床位的单一单元,专门用于管理需要重症监护的COVID-19患者。其次,2020年3月12日,在疫情已下降之时,所有COVID-19 ICU患者被转移至雷神山医院另一个ICU,雷神山医院是新建的最大的COVID-19患者收治设施,拥有1600张床位,同时武汉大学中南医院的ICU收治被重组用于非COVID-19的其他疾病。第三,4月15日,雷神山医院最终关闭,最初在武汉大学中南医院收治的患者被重新转回该院。

患者

研究纳入2019年12月30日至2020年3月12日期间,经PCR确诊COVID-19并初次收治于上述ZHWU 31张床位ICU的所有连续患者(n = 57)。该期间收治于该ICU的患者还包括10例连续患者,其影像学有病毒性肺炎证据[14],而咽拭子RT-PCR检测多次仍为阴性,这些患者也被认为符合研究条件。患者末次随访时间为2020年4月8日,分别为首次和末次入院后91天和34天。对每例患者住院全过程的病历进行了仔细审查,包括患者转至其他医院时的情况。为每例患者收集以下数据:年龄、性别、入院和出院日期及出院时生命状态(死亡或存活)、ICU入院和出院日期及出院时生命状态(死亡或存活)、有创或无创机械通气程序的开始和结束日期。当患者从某医院的ICU转至另一医院的ICU时,我们认为 such 连续过程构成一次ICU住院。

由于本研究的目标是评估COVID-19患者ICU的ALOS,上述67次住院中有8次被排除在分析之外:首先,57例RT-PCR检测确诊阳性患者中有1例是在因肾移植后并发症住院期间于医院感染COVID-19,且病历记录高度提示其ICU住院与这些并发症的关系大于与COVID-19感染的关系。相反,10例有病毒性肺炎影像学证据的患者中仅3例纳入分析:7例患者的临床特征提示其ICU住院可能主要与COVID-19无关(例如肝脏病变、大面积脑梗死……),因此被排除在研究之外。

统计分析

数据以均值(95%置信区间(CI))或中位数[四分位距(IQR)]表示,并根据Kaplan–Meier估计量[15]进行展示。此外,我们考察了随着疫情进程中可用住院次数的累积增加,由两种估计方法得出的COVID-19患者ICU ALOS估计值如何演变和比较。所有分析均使用R统计软件3.6.1版完成,删失数据使用flexsurv包进行拟合。比较的两种方法如下。

出院患者估计法(DPE)

第一种方法采用直接计算:考虑系列中出院日期早于或等于某一给定感兴趣随访日期的所有ICU住院(且仅考虑此类住院)。报告的ALOS估计值为这些已出院患者的平均LOS。报告的LOS中位数和四分位数基于同一批患者计算。

删失患者估计法(CPE)

第二种方法考虑了纵向数据固有的删失特征:在给定的估计随访日期,所有此前入院的患者均被纳入考虑,无论其是否已经出院。对整个患者集合拟合参数分布(如指数分布、伽马分布或威布尔分布)。这种用于恰当分析时间-事件删失数据的方法属于生存分析方法的标准框架[15, 16]。报告的ALOS估计值以及LOS中位数和四分位数均基于该参数模型进行预测。

补充比较

为了证明结果的普适性,还通过两项模拟研究对这两种方法进行了比较。两项研究均考虑一个30张床位的ICU,第0天入住尽可能多的患者,且一旦前一位患者出院即收入新患者。在第一项研究中,模拟LOS从ZHWU观察到的59例LOS中有放回抽样。这种模拟使研究不受实际观察排班的影响,包括观察到的住院时长发生顺序。该模拟强制ICU在已饱和运转且正在收治COVID-19患者的状态下启动。末次随访日期时仍在ICU的患者的LOS被填补。在第二项研究中,LOS从参数伽马分布中抽样,以探索在真实分布已知的情况下估计值如何随时间演变。

结果

患者的中位年龄为62岁[IQR 52–70],其中38例(64%)为男性。59例COVID-19患者的ICU住院时间进程见图1a。在末次随访日期4月16日,1例患者仍在ICU,21例(36%)在ICU内死亡,从ICU存活出院的37例患者也均从医院存活出院。

有创机械通气操作涉及40例(68%)患者:仅涉及无创通气的住院涉及11例患者,仅涉及有创机械通气的住院涉及12例患者,17例患者在其住院过程中从一种通气方式转换为另一种。有创机械通气时长的均值和中位数估计分别为21.6天(95% CI 15.4–28.7)和12.0天[IQR 8.5–31天]。无创通气的相应估计分别为5.6天(95% CI 3.9–7.8)和3.5[IQR 1.9–3.0]。

图1b显示了按时间划分的累计入院和出院人数。在最后随访日期,距离首次入院日期1月8日已过去3个多月(99天)。图1c显示了随着时间推移可获得的数据不断积累,基于DPE和CPE的ALOS估计值的演变。指数分布、Weibull分布和伽马分布对数据的拟合相似——其中指数分布的收敛有所延迟——我们保留伽马分布用于报告CPE。2月8日,即首次入院日期后1个月,11例(19%)患者已从ICU出院,相应的DPE法ALOS估计值为18.0天(95% CI 12.2–27.0),几乎是DPE估计值10.0天(95% CI 6.9–13.1)的两倍。3月8日,即首次入院日期后2个月,38例(64%)患者已出院,该日期基于DPE和CPE得出的ALOS估计值分别为13.0天(95% CI 10.4–15.6)和23.1天(95% CI 18.1–29.7)。在CPE所使用的参数分布与数据拟合良好的假设下,当不再存在删失数据时,即当队列中所有患者均已出院时,两种方法应趋近于相似的估计值:虽然在最后随访日期4月16日仅剩1例患者仍在ICU,但CPE和DPE的ALOS分别为21.1天(95% CI 17.5–25.3)(该值构成研究数据集上最准确的估计)和20.2天(95% CI 16.2–24.3)。CPE估计的住院ALOS为30.6天(95% CI 26.2–35.3),住院LOS的中位持续时间为27.0天[IQR 16.5–39.0]。当队列中部分患者在随访日期仍在ICU接受治疗时,DPE会产生ALOS的偏倚性低估:早期观察到的出院更可能涉及LOS较短的患者,反之,在过程末期发生的出院更可能涉及LOS较长的患者。图1b中沿出院曲线标注了每例出院患者对应的LOS,说明了这一模式:前10例出院中有9例LOS < 15天,而后10例出院中有8例LOS > 30天。最后,附加文件1:附录S1中展示的模拟证明了DPE偏倚模式的普遍性以及CPE无偏模式的普遍性。

图2a呈现了Kaplan–Meier估计曲线,表明ICU LOS中位数约为16天。CPE得出的相应估计值略高,为17.4天,因为相应的参数拟合受到极长住院时间较高频率的影响:图2b显示了LOS分布,59例患者中有14例(24%)的住院时间≥ 30天。此类极长LOS患者的相对较高频率解释了为什么图1c所示的ALOS期望估计值需要相当长的延迟才能趋于稳定。值得注意的是,在14例LOS ≥ 30天的患者中,有8例已死亡,而队列中观察到的死亡总数为21例。观察到的死亡中有38%(8/21)发生在ICU住院时间≥ 30天的患者中,这一事实也表明,要获得ICU入院患者死亡率的可靠估计,以及获得在ICU死亡个体的可靠ALOS,同样需要在疫情开始后等待相当长的时间。

图1 重症监护病房(ICU)治疗的59例COVID-19病例时间线。a 每个病例绘制了入出院日期、通气时段及出院时生命状态。b 按时间累计的入院和出院人数,并标注出院患者的住院时长(LOS)。c 根据所选估计日期,两种估计方法得出的ICU平均LOS估计值的演变。图中展示了预期估计值及相应的95%置信区间。CPE,包含删失病例的方法;DPE,仅考虑在估计日期时患者已从ICU出院的住院时段的方法。当队列中部分患者在随访日期时仍在ICU治疗时,c表明DPE对ALOS产生有偏低估:早期观察到的出院更可能涉及LOS较短的患者,反之,过程末期发生的出院更可能涉及LOS较长的患者。b展示了后一种模式:前10例出院中有9例LOS<15天,而后10例出院中有8例LOS>30天。 查看原图 ↗
图2 按ICU入住以来时间显示的出院数据。a 按ICU住院时长(LOS)的出院概率Kaplan–Meier图。b 观察到的ICU LOS分布。 查看原图 ↗

讨论

以COVID-19暴发作为由新型传染性病原体引起的威胁性大流行首次暴发的标志性例子,本研究证明了在此类情况下获得可靠的ICU ALOS估计值的重要性。该研究还回顾指出,适当的估计方法要求将删失病例纳入分析,我们也证明了仅基于已出院患者住院时长进行计算所伴随的重要偏倚。重要的是,后一种方法固有的偏倚完全不受样本量或考虑可能与ICU ALOS值相关因素(例如,不同中心之间的变异性)的影响。例如,无论患者数量多少,也无论Guan等[17]基于中国国家数据的研究和Grasselli等[5]基于表1中提到的伦巴第72家医院的研究所涉及的众多中心的变异性如何,所提供的估计值都是有偏的。最后,当ICU治疗人群中LOS较长的患者以相当高的频率被观察到时——如本报告系列中所观察到的——与不适当方法相关的偏倚可能尤为重要。

尽管本研究表明ALOS是一个重要参数,但我们未能找到疫情早期发表的任何报告了ALOS的COVID-19病例观察性研究。然而,其中几项研究报告了ICU LOS的中位数估计值,这种选择完全可以理解:由于ICU LOS不服从正态分布,建议报告中位数和IQR而非均值。所报告的ICU LOS中位数[6–8, 17, 18](见表1)通常涉及特定亚人群(例如死亡患者、存活患者),范围从4天(基于ICU中6例死亡患者的估计值)到11天(同一研究中基于12例存活出院患者的估计值)[18],并引发了对其报告估计值潜在偏倚的担忧(见表1)。这些担忧随后可能延伸至建模研究[9, 10, 12, 13, 18],这些研究自然会根据所报告的观察数据对其预测进行参数化(表1)。本文报告的系列数据得出ICU ALOS估计值为21.1天(95% CI 17.5–25.3),ICU LOS中位数为17.4天[IQR 9.6–28.7]。这些估计值远高于疫情早期报告的估计值。它们具有若干优势。首先,整个研究时间跨度长达99天,已有足够时间允许设定一个末次随访日期,在该日期除一名患者外所有患者均已出院。据我们所知,在给定COVID-19病例系列中观察到的这种近乎完整的LOS分布(见图2b)迄今尚未见报告,此外,这样的数据集确实适合评估估计方法,因为估计的目标值几乎完全已知(仅有一例住院仍为删失)。其次,本文报告的高值基于合理的样本量(n = 59),我们的研究表明,在距疫情开始合理时间距离处获得的无偏估计本质上高于疫情开始后短时间内有偏计算所得的结果。然而,我们的研究也有一些局限性。该研究为单中心研究,因此将我们的估计值外推至其他环境存在疑问。基于伽马分布的CPE方法在疫情初期允许合理的ALOS估计,但其他分布可能更适合其他环境的数据。由于CPE方法是无偏的,仍应始终优先选用,并且当相应拟合相似时,应优先选择相关的简单参数分布而非更复杂的分布。来自武汉数据的估计值也本质上对许多可能影响ICU LOS的辅助因素进行了调整,这些因素可能因地点和/或时间而异。例如,人们可以想到疾病知识对分诊决策的影响,以及基于预后因素精细化(伦理问题)而决定早期撤除机械通气的影响,床位可用性和这一威胁性疫情对医疗系统组织造成的压力可能改变入院患者的特征以及各单元的各种具体特征(包括文化行为),随着时间推移积累的COVID-19患者经验可能改善管理流程。理想情况下,不同时空环境的估计值应基于直接在相应环境中收集的观察数据,以保证估计值经过辅助因素的适当调整。然而,这种与估计值随时空条件变异相关的可推广性问题也适用于迄今报告的大多数研究,而设计一个能够针对全球任何时空条件进行调整的通用验证模型是一项非常宏大的工作,远超本研究的目标。本研究的主要结果是提醒学界关注三个要素。第一,所有从事COVID-19工作的科学家必须认识到,在处理与LOS相关的数据时,他们必须使用专门用于删失数据分析的适当方法。这些方法并非原创,它们属于生存分析领域使用的标准工具,在任何统计软件中均可轻松获得。没有理由避免使用它们,读者可在附加文件2:附录S2中找到示例计算机代码。这些方法的另一个优势——在附加文件2:附录S2中展示——是它们能够通过多变量模型拟合患者的个体特征,以预测经模型公式中明确考虑的辅助因素调整后的LOS。例如,这种建模策略可用于记录不同招募环境之间的差异,或用于提供特定人群 stratum 的估计值。本研究所做分析的一个附带结果表明,ICU中COVID-19患者的病死率也可能被低估,在此问题上,本研究与Lipsitch等人关于病死率风险估计相关偏倚的工作[19]有许多共同观点。第二,在新发传染病首次暴发的背景下,一些关于时间-事件数据的估计值,如住院LOS、ICU LOS、通气持续时间、发病至入ICU时间等,构成了预测模型所需的关键“食粮”,而这些模型在许多问题上非常重要,例如探索和比较缓解策略,或优化应急准备。因此,提高上述估计值的质量是一个重要关切,我们的研究表明,在COVID-19疫情分析中仍有提升空间。第三,也是最后,如果本研究报告的估计值可推广至其他环境,那么这是个坏消息:本文报告的长ICU LOS意味着占用的床位在很长时间内无法使用,这给全球许多地方遇到的ICU床位激增增加了额外压力。

表1 文献中报告的LOS估计值 查看原表 ↗

结论

基于这一完整的连续病例系列以及模拟病例,本研究表明,迄今为止大多数模型所使用的ICU_ALOS估计值可能被严重低估。在这种新型传染病的背景下,本研究主张紧急应用广泛的生存分析工具,以正确估计ICU_ALOS以及其他依赖于删失时间-事件数据的关键参数。这些参数是预测模型所依赖的基础,其准确估计对于确保缓解和防范情景的一致性至关重要,当前COVID-19危机中全球对ICU床位占用的关注即证明了这一点。

补充信息

附加文件1:附录S1。模拟研究。

附加文件2:附录S2。无偏平均住院时间估计——一个说明性示例。

参考来源

  1. Lapidus N, Zhou X, Carrat F, et al. Biased and unbiased estimation of the average length of stay in intensive care units in the Covid-19 pandemic. Ann Intensive Care. 2020. PMID: 33063241. doi:10.1186/s13613-020-00749-6
  2. 全文:PMC7561433(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7561433/

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。