文献速递复苏、休克与脓毒症心脑血管急症重症综合管理与镇静镇痛

预测体外心肺复苏后神经功能结局的临床评分开发与验证

Development and Validation of a Clinical Score to Predict Neurological Outcomes in Patients With Out-of-Hospital Cardiac Arrest Treated With Extracorporeal Cardiopulmonary Resuscitation.
PubMed 文献 · JAMA Netw Open · 2020-11-02
一句话结论TiPS65评分(年龄≤65岁、到院时间≤25分钟、到院可除颤心律、pH≥7.0各1分)可预测可除颤心律OHCA接受ECPR后1月良好神经结局概率。

本研究基于日本JAAM-OHCA全国多中心注册数据库(87家急诊科),纳入2014年6月至2017年12月期间接受ECPR的成人可除颤心律OHCA患者916例,随机按机构分为开发队列和验证队列各458例。开发队列中建立TiPS65评分(年龄<65岁、呼叫至到院时间≤25分钟、到院时初始心律为可除颤心律、初始pH≥7.0各计1分),按评分0、1、2、3-4分对应良好神经结局预测概率分别为1.6%、4.4%、12.5%、30.8%。验证队列C统计量为0.724(95%CI 0.652-0.786),校准良好。该评分有助于ECPR患者筛选决策。

要点

  • TiPS65评分四项各1分:年龄<65岁、呼叫至到院≤25分钟、到院时可除颤心律、初始pH≥7.0,总分0-4分。
  • 验证队列中评分0、1、2、3-4分对应的1月良好神经结局预测概率分别为1.6%、4.4%、12.5%、30.8%。
  • 评分3-4分者预测良好神经结局概率约30.8%(95%CI 29.1%-32.5%),原文认为该概率高到足以尝试ECPR。
  • 评分0分者预测良好神经结局概率约1.6%(95%CI 1.6%-1.6%),原文认为应仔细考虑ECPR指征。
  • 验证队列C统计量0.724(95%CI 0.652-0.786),校准图显示预测概率与观察结局校准良好。

适用人群与场景

  • 成人(≥18岁)院外心脏骤停患者,从倒地至到院期间为可除颤心律(心室颤动或无脉性室性心动过速),且到院时仍处于心脏骤停并接受ECPR(静脉-动脉体外膜氧合紧急插管)。
  • 排除:院内未接受复苏者(如尸僵或已获不复苏医嘱)、在其他医院接受过任何治疗后转运至参与机构者、创伤性心脏骤停、无院前数据、到院时已ROSC(可触及脉搏>30秒)、选择退出研究者。

诊断标准与关键阈值

  • TiPS65评分:年龄<65岁计1分;呼叫至到院时间≤25分钟计1分;到院时初始心律为可除颤心律计1分;初始pH≥7.0计1分;总分0-4分。
  • 按评分分组:0分为极低概率组,1分为低概率组,2分为中概率组,3-4分为高概率组。
  • 主要结局为1月生存且神经功能良好,定义为脑功能分级(CPC)1或2级。

处置流程与药物剂量

  • 原文未提及具体ECPR实施流程或药物剂量。

红旗征与不能漏的情况

  • 原文未提及

研究设计与关键结果

  • 研究类型:回顾性预后研究,基于日本JAAM-OHCA全国多中心注册数据库(87家急诊科),按机构随机分为开发队列和验证队列。
  • 样本量:共纳入916例,开发队列458例(来自35家医院,中位年龄61岁,82.3%男性),验证队列458例(来自33家医院,中位年龄60岁,85.8%男性)。
  • 两队列良好神经结局比例均为12.4%(各57例)。
  • 开发队列模型C统计量0.753(95%CI 0.687-0.809),Bootstrap校正C统计量0.738(95%CI 0.672-0.802);评分C统计量0.741(95%CI 0.682-0.792)。
  • 验证队列模型C统计量0.731(95%CI 0.653-0.797),评分C统计量0.724(95%CI 0.652-0.786)。
  • 验证队列中各评分组预测良好神经结局概率:0分1.6%(95%CI 1.6%-1.6%),1分4.4%(95%CI 4.2%-4.6%),2分12.5%(95%CI 12.1%-12.8%),3-4分30.8%(95%CI 29.1%-32.5%)。
  • 决策曲线分析显示使用该评分的净获益大于对所有患者实施ECPR的策略。

证据类型、等级与局限

  • 证据类型:回顾性多中心队列研究,开发并验证临床预测评分。
  • 局限:ECPR选择非基于统一标准而是各临床医生判断,存在选择偏倚;急性复苏场景下可能存在测量偏倚和缺失数据;结局事件数有限,模型可能过拟合;C统计量和Brier评分提示整体区分能力一般;数据库缺乏入院后临床病程和ECPR操作细节;该评分在实际临床环境中的效用尚不明确;ECPR本身尚未经随机临床试验评估。

对床旁实践的改变

  • 对到院时可除颤心律的OHCA并考虑ECPR的患者,可立即用TiPS65评分(年龄、呼叫至到院时间、到院心律、初始pH)快速估算1月良好神经结局概率,辅助ECPR筛选决策。
  • 评分3-4分者预测良好神经结局概率约30.8%,原文认为该概率足以尝试ECPR;评分0分者概率约1.6%,原文认为应仔细考虑ECPR指征。
  • 原文强调临床医生不应仅凭该评分判断ECPR指征,还应结合其他临床因素。
  • 该评分可用于未来ECPR疗效随机临床试验的入选标准制定(如排除0分患者)。

指南或共识出处

  • 原文未提及
全文中译19 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:JAMA Netw Open. 2020 Nov 24;3(11):e2022920. doi: 10.1001/jamanetworkopen.2020.22920

引言

体外心肺复苏(ECPR)对于院外心脏骤停(OHCA)且难治性心室颤动(VF)患者可能是一种有利的选择。1,2,3,4,5 然而,该方法具有侵入性、费用高昂且需要大量人力资源。1,2,3,6,7 因此,必须在患者到达医院后立即评估合适的候选者。

在既往的一项系统综述中,8 已报道若干因素与OHCA后的结局相关,例如复苏期间初始可电击心律(比值比[OR],2.29;95% CI,1.53-3.42);然而,相对效应测量指标(如比值比)无法直接解读并用于临床实践中决定治疗策略。相反,结局的实际概率或预测准确性(例如似然比)是支持决策所必需的。因此,临床预测规则,如用于心房颤动的CHADS2(充血性心力衰竭、高血压、年龄≥75岁、糖尿病和卒中[双倍积分])9 评分和用于肺炎的CURB-65(意识障碍、尿素、呼吸频率、血压和年龄≥65岁)10,已被用于简单快速地估计结局概率。同样,临床预测规则对于估计接受ECPR治疗的OHCA患者的神经功能结局也是必要的。本研究旨在开发并验证一个用于接受ECPR治疗的OCHA且为可电击心律患者神经功能结局的预测规则。

方法

本研究的方法已按照多变量预测模型个体预后或诊断透明报告(TRIPOD)报告指南进行报告。11 京都大学伦理委员会批准了本研究并豁免知情同意,因为该分析具有回顾性性质且对患者的风险极小。

数据来源

我们对日本急性医学会院外心脏骤停(JAAM-OHCA)登记数据库进行了回顾性分析。12 该登记数据库是由JAAM-OHCA登记委员会建立的前瞻性、多中心、全国性数据库,该登记数据库的详细信息此前已有描述。12,13 简言之,该登记数据库收录了运送至日本87家机构(66家大学医院和/或三级重症监护中心)急诊科的OHCA患者的院前信息、院内信息和结局。三级重症监护中心由日本厚生劳动省认证,要求每天24小时提供高度专业化治疗,如ECPR、经皮冠状动脉介入治疗和目标温度管理。其余21家医院虽未获重症监护中心认证,但为社区提供急诊医疗服务,其中部分医院能够提供ECPR和重症监护。2014年6月至2017年12月期间,JAAM-OHCA登记数据库共登记了34 754例OHCA患者。

院前信息由急救人员依据标准化的Utstein格式收集,14 并由日本消防与灾害管理局核实。院内信息,如急诊科治疗及入住重症监护病房(ICU)后的治疗,由各机构的临床医生或临床数据管理员使用标准化报告表通过电子数据采集进行登记。12,13 JAAM-OHCA登记委员会对院内和院前数据进行了逻辑质量核查。最后,去标识化数据由委员会提供给研究人员。

参与者

我们纳入了2014年6月至2017年12月期间所有成年(年龄≥18岁)院外心脏骤停(OHCA)且从倒地至到院期间存在可电击心律并接受体外心肺复苏(ECPR)治疗的患者。可电击心律定义为心室颤动(VF)或无脉性室性心动过速。从倒地至到院期间的可电击心律定义为由现场旁观者除颤或由急救人员或临床医生在到院时确认。ECPR定义为对到院时仍处于心脏骤停的OHCA患者紧急置管建立静脉-动脉体外膜氧合。

是否实施ECPR由负责每位患者的个体医生决定。我们排除了院内未接受复苏的患者,如已出现尸僵者或已获得不尝试复苏医嘱者。此外,以下患者也被排除在研究之外:在其他医院接受任何治疗后转运至参与机构的OHCA患者;创伤性心脏骤停患者;无院前数据的患者;到院时已恢复自主循环(ROSC)的患者;以及选择退出研究的患者。ROSC定义为可触及脉搏持续超过30秒。15

开发队列与验证队列

纳入的机构根据结局被随机分为2个队列。一个队列用于开发预测模型(开发队列),另一个用于验证和评估该模型的诊断能力(验证队列)。16,17

结局

我们研究的主要结局是1个月生存且神经功能结局良好,定义为脑功能分类(CPC)1或2。14 详见补充材料中的eAppendix 1。

预测因素

基于既往研究8,18,19,20,21,22,23,24,25,26 以及我们研究组急诊医学专家(Y.O.、T. Kiguchi、T.I.、T.Y.、T.M.、T.N.、M.K.、N.N.、S.Y.、S.K.、S.O.、T. Kitamura和T.I.)的意见,我们选择以下变量作为院内死亡的潜在预测因素:年龄、旁观者目击、旁观者心肺复苏(CPR)、到院时可电击心律、从急救呼叫到到院的时间以及初始血清pH值。为确保模型易于使用,尤其是适用于急诊环境,我们根据其取整值或常用范围对潜在预测因素进行了分类。

样本量估算

目前尚无普遍接受的方法来估计风险预测模型衍生所需的样本量。尽管我们理解这一问题存在争议,但有人建议模型衍生时每个候选变量至少应有10个事件,该方法已被广泛采用。27我们基于这一规则选择了预测因子。

数据测量、收集与缺失数据处理

我们从数据库中获取临床信息,并按以下分类:性别、年龄(18-65岁、65-74岁、≥75岁)、目击者目击、旁观者实施心肺复苏(CPR)、院前初始心律(可电击或不可电击及其他)、到院时心律(可电击或不可电击)、到院后首次测量的血气评估pH值、复苏时间进程及结局。年龄分类依据政府参考标准定义。28复苏时间进程定义为从呼叫救护车的急救电话至到院、采血进行血气评估以及院内开始体外心肺复苏(ECPR)的时间。缺失值显示为缺失或未知,并进行完整病例分析。

统计分析

患者与医院特征

患者特征已在前面描述。此外,我们增加了医院的基本信息,包括类型(是否为三级医疗中心)和床位数。三级中心定义为大学医院和/或经政府认证的三级重症监护中心,如前所述。数据以中位数和四分位间距(IQR)表示连续变量,以数量和百分比表示分类变量。

预测模型的开发与评价

在开发队列中,我们使用单因素逻辑回归分析计算了预测候选变量与结局的粗比值比(OR)及95%置信区间(CI)。基于单因素分析结果(P < .05)和专家意见,我们选择了预测因子以开发简约模型。27随后,我们应用多因素逻辑回归模型生成每个变量的β系数及其标准误(SE)。模型性能基于Somers Dxy秩相关、C指数、Nagelkerke R2值、校准截距和斜率以及Brier评分进行评价。27此外,我们进行了Hosmer-Lemeshow拟合优度检验以评估开发队列中的校准度。16使用局部加权散点图平滑创建校准图,以图形方式显示预测结局与观察结局之间的关联。16我们使用自举法(从原始样本中有放回地抽取200个样本)评估模型的内部验证。16

评分与分组

随后,我们基于开发队列中每个变量的β系数,使用简单整数开发了一个预测结局的评分系统。16计算了各评分的诊断能力(即灵敏度、特异度、阳性似然比和阴性似然比)。为纳入和排除策略设定了适当的截断值以辅助决策,并将患者分为4组。

预测模型、评分与分组的验证与评价

为了进行外部验证,将所开发的模型应用于验证队列,并描述其区分度和校准性能。校准方面展示了各组预测结局与实际结局之间的关系。此外,我们进行了决策曲线分析,以表明该评分的净获益和临床实用性。29 净获益和决策曲线分析详见补充材料中的eAppendix 2。双侧P < .05的结果被认为具有统计学显著性。统计分析于2019年11月至2020年8月间使用JMP Pro version 14软件(SAS Institute Inc)和R version 1.1.456(R Project for Statistical Computing)及rms和rmda软件包进行。30

结果

研究参与者

在JAAM-OHCA数据库的34 754例患者中,我们纳入了916例符合纳入标准的患者;开发队列458例(来自35家医院;中位[IQR]年龄,61[47-69]岁;377例[82.3%]男性)和验证队列458例(来自33家医院;中位[IQR]年龄,60[49-68]岁;393例[85.8%]男性)(图1)。其他患者特征和院内数据见Table 1和补充材料中的eTable 1。大多数患者的倒地目击者为旁观者(开发队列:344例[75.1%];验证队列:367例[80.1%])并接受了急救人员的除颤(开发队列:429例[94.7%];验证队列:434例[95.6%])。近半数患者接受了旁观者心肺复苏(开发队列:223例[48.7%];验证队列:226例[49.3%])。开发队列和验证队列的良好神经功能结局分别为12.4%(57例)和12.4%(57例)。

图1. 研究流程图ECPR指示体外心肺复苏;JAAM-OHCA,日本急性医学会院外心脏骤停;ROSC,自主循环恢复。 查看原图 ↗
表1. 患者特征 查看原表 ↗

模型开发与性能

在开发队列中,我们计算了候选预测变量的粗OR及95%CI(补充材料中的eTable 2),并选择以下预测变量纳入模型:年龄小于65岁;pH至少7.0;从急救呼叫到医院到达时间25分钟或更短;以及到医院到达时的可除颤心律。我们使用logistic回归分析计算了β系数和SE(Table 2)。模型的C统计量为0.753(95%CI,0.687-0.809)。通过 bootstrap 偏差校正的C统计量为0.738(95%CI,0.672-0.802)。计算结局概率的预测模型方程、其他性能及校准图见补充材料中的eTable 3和eFigure 1。校准图和Hosmer-Lemeshow检验结果(χ28 = 5.57;P = .70)显示预测与观察校准良好;然而,bootstrapping提示在高概率组存在轻度高估。

我们基于β系数创建了一个简单的评分系统(表3)。该评分系统通过助记符TiPS65进行总结(表3):Ti,从呼叫到医院到达的时间,25分钟或更短;P,pH值,≥7.0;S,到医院到达时可电击心律;65,年龄65岁或以下。该评分的C统计量为0.741(95% CI,0.682-0.792)。诊断能力(敏感性、特异性、阴性似然比和阳性似然比)在补充材料的e表3和e表4中描述。基于该评分,我们将患者分为4组,如下:良好神经功能结局极低概率(评分0)、低概率(评分1)、中等概率(评分2)和高概率(评分3-4)。

表2. 神经功能结局的多变量逻辑模型 查看原表 ↗
表3. TiPS65评分系统 查看原表 ↗

模型的外部验证

在验证队列中,预测模型的C统计量为0.731(95% CI,0.653-0.797),评分系统的C统计量为0.724(95% CI,0.652-0.786)。诊断能力(敏感性、特异性、阴性似然比和阳性似然比)在补充材料的e表5中描述。按TiPS65评分分层的各组平均预测概率如下:极低(评分0),1.6%(95% CI,1.6%-1.6%);低(评分1),4.4%(95% CI,4.2%-4.6%);中等(评分2),12.5%(95% CI,12.1%-12.8%);高(评分3-4),30.8%(95% CI,29.1%-32.5%)(图2)。开发队列和验证队列中带95% CI的平均预测概率及观察结局总结于图2。在两个队列中,预测概率与观察到的良好结局校准良好。此外,在验证队列中,我们计算了净获益并展示了决策曲线分析(补充材料e图2),其表明使用该评分的净获益大于所有ECPR策略或无ECPR策略的净获益。因此,我们的模型可能有助于选择适合的ECPR候选者。

图2. 开发队列和验证队列中预测概率与观察到的1个月良好神经功能结局观察类别表示每组中良好结局的实际数量除以总患者数,而预测类别为平均预测概率,95% CI由误差线表示。预测概率使用表2中描述的逻辑模型计算。 查看原图 ↗

讨论

在本研究中,使用日本全国性OHCA数据库,TiPS65评分系统有助于预测接受ECPR治疗的可电击OHCA患者后的良好神经功能结局。基于该评分系统,似乎合理的是对高概率组(评分3-4;预测良好结局,30.8%;95% CI,29.1%-32.5%)的OHCA患者给予ECPR,并在极低概率组(评分0;预测良好结局,1.6%;95% CI,1.6%-1.6%)中重新考虑ECPR。

本研究具有若干优势和临床意义。首先,该评分可能有助于临床医生轻松预测良好神经功能结局的概率,并协助其做出体外心肺复苏(ECPR)的决策。如果评分大于3分,在接受ECPR治疗的院外心脏骤停(OHCA)且为可电击心律的患者中,良好神经功能结局的概率约为30%。我们认为这一概率足以尝试ECPR。相反,如果评分为0分,该概率约为1%。鉴于其侵入性和成本,在这些患者中仔细考虑ECPR的适应证是合理的。7其次,决策曲线分析表明,使用该评分的净获益高于对所有患者实施ECPR。这意味着该评分有可能帮助避免不适宜的ECPR实施。因此,它也可能有助于卫生政策中医疗资源的合理使用。第三,该评分系统可在患者到达急诊科时立即使用,因为年龄、时间和初始心律通常在患者到达医院后即可获得。此外,pH值在入院后也能很快获得。第四,该模型已通过自举法和验证队列进行了验证。因此,它可能适用于类似的环境。最后,该信息在考虑纳入评估ECPR疗效研究的合格患者时可能有用。例如,TiPS65评分为0分的患者获得1个月良好神经功能结局的概率极低,仅为1%,表明ECPR在该人群中可能无效。因此,在设计评估该方法疗效的随机临床试验时,排除这些患者是合理的。考虑到这些优势,该评分有助于实际临床环境中的患者选择、具有成本效益的医疗资源分配以及未来研究中ECPR疗效的评估。

已知年龄是与OHCA患者神经功能结局相关的最关键因素之一。31,32,33 据报道,到达医院时持续的可电击心律也与神经功能结局相关。24 在持续可电击心律的患者中,氧输送和心肌能量底物可能得以维持34;因此,通过ECPR对受损心肌进行充分灌注可能带来更高的自主循环恢复(ROSC)和器官恢复的机会。此外,pH值代表呼吸性和代谢性酸中毒,其受低血流时间持续时间和胸外按压质量的影响。8,19,20,21,22,23 院前时间也被认为与低血流时间长度相关。18,25 因此,本研究提出的评分系统可以通过这些因素来解释。

局限性

本研究存在若干局限性。第一,本研究存在选择偏倚的风险。我们研究的队列由接受ECPR治疗的可除颤心律OHCA患者组成。然而,ECPR的选择并非基于统一标准,而是由每位临床医生自行判断。尽管我们认为本研究中大多数患者根据其特征是ECPR的合理候选者,但不完善的纳入标准引发了对泛化性的担忧。第二,尽管注册数据由临床医生或数据管理人员以及JAAM-OHCA委员会成员进行了双重核查,但在急性救治环境中(如复苏期间),不准确的测量、不完整的记录和数据缺失仍时有发生。这可能导致测量偏倚。第三,关于结局,尽管本研究纳入了相对较大的样本量,但结局数量有限。因此,该模型可能增加过拟合的风险,过拟合是一种在建模过程中使用过多自由度拟合统计模型的建模误差。此外,尽管该模型通过校准图被认为校准良好,但基于C统计量和Brier评分,其整体性能和区分能力被认为一般,这可能降低该模型的适用性。16 第四,JAAM-OHCA数据库不包含完整的临床细节,如入院后的临床病程或ECPR操作的详细信息。第五,该预测模型在实际临床环境中的实用性尚不明确。因此,我们建议临床医生不仅使用该评分,还应基于其他临床因素来判断ECPR的适应证。第六,尽管ECPR作为挽救难治性VF患者的最后手段有望带来获益,但该方法尚未通过随机临床试验评估,仍存在争议。2,4,5,35,36,37 必须指出,该评分的实用性基于ECPR对难治性OHCA患者有效的假设。需要进一步的前瞻性研究来评估我们的评分系统在其他临床环境中的实用性和有效性。

结论

本研究发现,TiPS65评分系统可能有助于预测接受ECPR治疗的可除颤心律OHCA患者获得良好神经学结局。需要进一步研究以前瞻性地评估我们的评分系统并进行额外改进,在不同环境中验证其有效性,并阐明其临床实用性。

参考来源

  1. Okada Y, Kiguchi T, Irisawa T, et al. Development and Validation of a Clinical Score to Predict Neurological Outcomes in Patients With Out-of-Hospital Cardiac Arrest Treated With Extracorporeal Cardiopulmonary Resuscitation. JAMA Netw Open. 2020. PMID: 33231635. doi:10.1001/jamanetworkopen.2020.22920
  2. 全文:PMC7686862(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7686862/

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。