重症COVID-19患者病死率不平等:患者、医院与地区相关因素——法国全国性研究
该横断面研究利用法国全国医院出院数据库,纳入2020年3月1日至5月31日ICU收治的14513例成人COVID-19患者,按患者、医院、地区三层因素分析病死率。总病死率29.3%,地区间从17.6%至33.5%不等。调整后,高龄、多病共存、SAPS II高、医院基线ICU经验少(2019年ICU住院<1000例)及地区ICU床位占用率高均与病死率升高独立相关;占用率最高地区校正OR为2.2(1.9-2.6)。提示ICU负荷与重症患者结局相关,需提前扩容与规划。
要点
- 14513例ICU COVID-19患者总病死率29.3%,地区间差异大(17.6%-33.5%),提示非单纯患者因素影响结局。
- 地区ICU床位占用率呈暴露-反应关系:高占用10-19天、20-29天、≥30天校正OR分别为1.2(1.0-1.5)、1.5(1.2-1.7)、2.2(1.9-2.6)。
- 年龄≥80岁校正OR 10.2(8.7-12.0),65-79岁OR 2.5(2.3-2.8),SAPS II与多病共存亦独立关联病死率。
- 医院2019年ICU住院<1000例与病死率升高独立相关,提示基线ICU经验是保护因素。
- 地区≥75%ICU床位被COVID-19占用持续>10天即出现超额死亡,作者认为该阈值是滞后指标,应提前预判扩容。
适用人群与场景
- 法国2020年3月1日至5月31日期间,≥18岁、至少在一家ICU(含降级病房)住至少1晚、住院记录中至少有1个ICD-10 COVID-19诊断代码的成人患者。
- 数据来自法国全国医院出院数据库(PMSI),涵盖公立与私立医院;转运患者以ICU停留时间最长的地区为准。
- 排除:年龄<18岁;未在ICU住至少1晚;无COVID-19 ICD-10诊断代码者。
诊断标准与关键阈值
- 地区ICU占用负荷指标:以疫情前基线ICU床位数为分母,统计每日COVID-19患者占用≥75% ICU床位的天数,按<10天、10-19天、20-29天、≥30天分层。
- 病情严重度用SAPS II评估(首次入ICU时,评分<5记为缺失,n=281)。
- 医院基线ICU经验以2019年成人ICU住院次数近似,<1000次/年定义为经验较少。
处置流程与药物剂量
- 原文为观察性研究,未给出具体治疗流程或药物剂量推荐。
- 原文提及的ICU干预包括:有创或无创机械通气(伴或不伴俯卧位)、肾脏替代治疗、体外膜氧合、血管活性药物,但未给出具体方案与剂量。
- 作者建议:鉴于机械通气中位时长13(8-18)天、ICU停留中位21(13-36)天,应提前预判并扩容ICU资源,避免达到≥75%床位占用持续>10天的短缺水平。
红旗征与不能漏的情况
- 地区ICU床位被COVID-19患者占用≥75%持续超过10天,即出现超额病死率,且作者指出该阈值是滞后指标,不能作为操作标记,需提前干预。
- 医院2019年ICU住院<1000例(基线ICU经验较少)与患者病死率升高独立相关。
- SAPS II升高与多病共存均独立增加病死率。
研究设计与关键结果
- 研究类型:基于法国全国医院出院数据库的横断面研究,纳入14513例ICU COVID-19成人患者(占同期法国ICU住院患者58,033例的25%),死亡4256例,病死率29.3%。
- 地区间病死率从17.6%至33.5%不等;按入院时段从20.0%至38.1%不等。
- 患者特征:男性78%(性别比2.5),平均年龄63±13岁,80.9%至少有一种合并症,最常见为高血压、慢性心脏病和糖尿病;初始SAPS II 39.5±17;有创机械通气68.1%,血管活性药物58.8%。
- 地区ICU占用率与病死率呈暴露-反应关系:以<10天高占用为参照,10-19天校正OR 1.2(1.0-1.5),20-29天OR 1.5(1.2-1.7),≥30天OR 2.2(1.9-2.6)。
- 年龄65-79岁校正OR 2.5(2.3-2.8),≥80岁OR 10.2(8.7-12.0);医院2019年ICU住院<1000例与病死率升高独立相关。
证据类型、等级与局限
- 证据类型:基于全国行政数据库的横断面研究(非RCT),采用多因素logistic回归,纳入双变量分析中p<0.2及临床相关变量,再以逐步回归(p<0.05)筛选最终模型。
- 局限:横断面设计使暴露与结局同时评估,无法确立真正因果;行政数据库存在编码不准确与漏分类可能(如肥胖率可能被低估);护士/床位比因数据不一致未纳入;未使用倾向性评分匹配。
- 优势:全国 exhaustive 数据库,无初始选择偏倚,覆盖所有地区与医疗机构;患者特征与同期前瞻性COVID-ICU队列(138家医院、4643例)大体一致。
对床旁实践的改变
- 该研究提示:ICU床位占用率≥75%持续>10天与重症COVID-19患者病死率升高相关,提示在疫情高峰期应提前扩容ICU资源而非等到床位紧张后再临时扩展。
- 医院基线ICU经验(2019年ICU住院次数<1000例/年)与病死率升高相关,提示经验较少的机构收治重症COVID-19患者时需加强支持与转诊评估。
- 作者指出75%占用率是滞后指标,不能作为操作触发阈值,临床应结合机械通气与ICU停留中位时长(13天与21天)提前规划。
- 不适用:该研究为观察性设计,不能推断扩容ICU床位或转诊可直接降低病死率;结论仅适用于COVID-19重症患者及类似大规模呼吸系统传染病ICU负荷场景。
指南或共识出处
- 原文未提及具体指南或共识名称;研究数据来自法国全国医院出院数据库(PMSI)与Statistique Annuelle des Etablissements(SAE)。
全文中译8 节 · 点击展开
引言
COVID-19近期被称为一种共疫(syndemic)[1, 2]。这一概念旨在描述COVID-19如何与既存疾病共同传播,以及它如何受到更广泛的政治、经济和社会因素的驱动[1, 3]。为重新理解COVID-19死亡率的传统认识,我们应当整合其发生的医疗背景。在法国,2020年3月至5月期间,COVID-19疫情大规模影响了该国,但各地区发病率范围存在显著差异。法国本土(即欧洲大陆部分)划分为13个行政区,共享同一全民医疗体系。法国医疗体系是为每位公民提供的普遍服务,不论财富、年龄或社会地位,由公立和私立医院及其他医疗服务提供者组成的完全整合网络构成。
SARS-CoV2病毒在这13个地区的内在毒力相同,呈现相似的临床表现,提示法国每位危重患者在理论上具有相同的存活或死亡风险。然而,需要更为细致的分析方法,因为这一威胁在人力和后勤资源重组方面带来了不同的挑战,尤其是在重症监护病房(ICU)住院进行高级监测和生命支持方面。法国在应对恐怖袭击时已观察到医疗体系的高负荷,但持续时间短且局限于特定区域[4]。而此次史无前例地,医疗体系在某些法国地区不堪重负,重症监护床位数量和专职医护人员成为关键因素[5]。ICU床位占用率,定义为危重COVID-19患者数除以ICU床位数,已成为评估ICU负荷的动态工作量指标。然而,ICU床位数难以确定,因为ICU reorganization(即ICU床位扩展、医院内新设ICU位置或方舱医院)持续变化。因此,ICU占用率基于疫情前已有的ICU床位资源来定义[6]。危重患者的结局是否受ICU占用率影响尚不清楚。巴黎和东北部地区ICU的死亡率较高,但后勤和组织因素以及发病率对患者结局的直接影响尚未得到证实[5]。我们需要采取更整体的方法,纳入医院结构和地区相关因素等环境因素,以提高对危重COVID-19患者结局的理解。本研究目的是评估ICU床位占用率对危重COVID-19患者病死率的影响。
方法
研究设计与数据收集
本研究利用法国医院出院数据库(HDD)(信息系统医疗化计划——PMSI)的医疗行政数据开展了一项横断面研究,数据获取自法国国家专用安全平台(医院信息技术局——ATIH)。在法国,所有公立和私立医院的住院数据均须上报。所有上报的住院信息以医疗编码[国际疾病分类第十版(ICD-10)]的形式存储在HDD中。所有患者均被分配一个唯一识别编号,从而可以对同一个体进行随时间追踪。加密的匿名患者编号可基于其2年既往史(PMSI 2018-19)估算既存合并症[7–9]。
患者按照以下纳入标准入选:成年人(≥ 18岁),于2020年3月1日至5月31日期间入住法国一家重症监护病房(ICU)(公立或私立机构),在ICU至少停留一晚(包括ICU和降级病房),且至少有一个ICD-10 COVID-19诊断编码,无论该编码在住院摘要中的位置如何(附加文件1、2:补充数据)。
与这些患者相关的社会人口学和临床数据从法国HDD中提取。医院和区域数据从HDD的行政部分中选取,来源于通过ATIH安全平台获取的机构年度统计(SAE)[6]。如发生转院,分析所采用的区域为ICU停留时间最长的那个区域。
关注变量
法国ICU收治的COVID-19患者的结局按照三个层面的变量进行分析:
层面1——患者特征:住院结束时的生命状态(主要结局)、社会人口学特征(年龄、性别)、合并症情况(附加文件1、2)、首次入住ICU时的SAPS II(简化急性生理评分II)(评分< 5时视为缺失数据,n = 281),以及特定护理支持:机械通气(有创或无创,伴/不伴俯卧位)、肾脏替代治疗、体外膜氧合、血管活性药物治疗。
层面2——医院特征:医院类型(教学医院或区域医院、地方或私立或混合机构)、基线ICU经验(以2019年——疫情前——该医院成人ICU住院次数近似表示),以及每家医疗机构的重症监护医师数量(表示为2019年ICU医师数与医院ICU床位数之比)。
层面3——区域特征:基于法国ICU负担指标的工作量指标,定义为区域内基线(COVID危机前)ICU床位中75%及以上被COVID-19患者占用的天数,按研究期间每日估算。
统计方法
连续变量以均值 ± 标准差(SD)描述,而定性变量以有效数和百分比描述。对关注变量在总体人群中进行了描述,然后按以下方式分层:(i)COVID-19 ICU停留时间最长的区域,以及(ii)研究期间最后一次COVID-19 ICU停留结束时的生命状态。
为确定与ICU病死率相关的危险因素,首先,对上述感兴趣的变量进行双变量分析。其次,建立逻辑回归模型,纳入双变量分析中p < 0.2的变量,以及被认为具有临床相关性的变量。第三,采用降阶逐步法选择逻辑回归的最终模型,纳入所有在p < 0.05阈值下具有统计学意义的变量。所有变量,包括与患者、医院和地区相关的变量,均纳入同一模型。分析使用SAS Enterprise Guide 71 64位(SAS Institute Inc., Cary, NC, USA)进行,该版本在分析时可在ATIH网站上获取。
伦理批准
未收集患者的任何记名、敏感或个人数据。我们的研究涉及对已记录和匿名化数据的再利用。该研究属于法国参考方法学MR-005的范围(声明编号2205437 v 0,2018年8月22日,由图尔教学医院签署),该方法学既不要求告知也不要求纳入个体的同意。因此,本研究已在法国数据保护委员会注册(CNIL MR-005编号#2018160620)。
结果
我们在2020年3月1日至5月31日期间共58,033名ICU患者中,识别出14,513名至少有一次因COVID-19入住ICU的成年患者。在此期间,危重症COVID-19患者占法国所有ICU住院患者的25%。然而,在地区层面观察到了重要差异(表1):位于该国西部的法国行政大区(布列塔尼、卢瓦尔河地区、新阿基坦)ICU收治的COVID-19患者比例为10%至12%,而东北部地区(大东部大区)和巴黎及周边地区(法兰西岛大区)该比例达到39%至42%。此外,COVID-19患者对ICU床位的占用随时间变化很大(图1)。所有地区均在4月1日前后出现同步高峰,但高峰强度和持续时间地区间差异很大,而患者特征在全国范围内大体相似(表1)。患者主要为男性(78%;性别比2.5),平均年龄63 ± 13岁,80.9%至少有一种合并症,最常见的是高血压、慢性心脏病和糖尿病(表1)。法国初始SAPS II为39.5(± 17),地区间变异性较小(最低值36.0 ± 15.3;最高值41.5 ± 17.4)。特异性生命支持措施为有创机械通气占68.1%,血管加压药占58.8%(表1)。最终,4,256名COVID-19患者在住院期间死亡,病死率为29.3%,按行政大区从17.6%至33.5%不等(图2A),按时间段从20.0%至38.1%不等(图2B)。
校正分析中与病死率显著相关的因素见表2(最初测试的所有变量见附加文件2:表S1;最终模型中纳入的所有变量见表2)。
在患者层面,死亡风险随年龄增长而增加(比值比[OR]:65至79岁患者为2.5 [2.3–2.8],80岁以上患者为OR:10.2 [8.7–12.0])、SAPS II和合并症(表2)。
在医院层面,既往医疗结构的经验(通过2019年ICU住院人数评估)在调整分析中与病死率显著相关。2019年ICU住院人数少于1000的医疗机构,其因COVID-19入住ICU的患者死亡风险更高(表2)。
在区域层面,我们观察到ICU床位占用率与病死率之间存在暴露-反应关系:与ICU床位高占用率持续时间少于10天的地区相比,在高占用率持续10-19天直至≥30天的地区住院的患者,其调整OR分别为1.2 [1.0-1.5]、1.5 [1.2-1.7]、2.2 [1.9-2.6](表2)。
讨论
在本研究中,我们发现法国首次疫情暴发期间ICU住院COVID-19患者的总体死亡率为29.3%,但这掩盖了区域层面存在的巨大不平等。我们证明,区域层面的COVID-19危机负担(通过ICU床位占用率评估)与更高的COVID-19死亡率相关。我们还证明,医院结构的经验(例如,前一年ICU住院人数)与COVID-19死亡率在统计学上相关。我们的方法不同于基于患者特征和就诊时严重程度的传统疾病认知;相反,我们研究了医疗组织结构和即时后勤资源如何影响危重COVID-19患者的死亡率。我们的研究结果表明,被COVID-19卫生危机压垮的法国地区,其调整病死率增加了两倍。
所有层级因素(患者、医院和地区)均与死亡率独立相关。在患者层面,观察到了预期结果:年龄与致死性结局的关联最强[7, 8, 10];多病共存和就诊时的严重程度(SAPS II)也与死亡率相关[11]。在地区层面,ICU床位占用率被用作卫生危机严重程度特别是ICU负担的替代指标。法国大多数地区经历了超过原有床位容量100%的占用率,表明通过在院内或流动医院中设立新的ICU点位实现了ICU床位的极大扩展。例如在大东部地区,重症COVID-19患者数量在3周内就超过了该地区原有的ICU床位容量。疫情期间重症监护能力的扩展并非没有代价。事实上,我们观察到死亡风险随地区层面ICU占用率的升高而逐渐增加。ICU床位被COVID-19患者占用达75%及以上持续超过10天的地区,经历了超额死亡,且独立于其他参数。重症医学是一门高度依赖技能和经验的医学专科。可以认为,临时ICU结构的部署是限制ICU床位严重短缺所带来灾难性后果的巨大努力,但在这些条件下提供的医疗质量难以保证最高标准的照护。与这一假设一致,我们观察到医院结构的经验程度(以疫情前每年收治的ICU患者数量评估)也是一个独立的保护因素。最后,ICU床位被COVID-19患者占用75%及以上的截断阈值很难被视为操作性标志物,而更像是一个滞后指标。鉴于机械通气中位持续时间和ICU住院时间分别为13(8–18)天和21(13–36)天[12],应进行重要的前瞻性准备以避免达到这一ICU短缺水平。
将医院管理数据库用于流行病学目的有时会受到质疑或批评。该方法的优势与不足此前已有讨论[7, 8, 13–17]。在此,存在一个前所未有的机会,可将前瞻性队列研究所得结果与医院出院数据库(HDD)回顾性分析所得结果(本研究或[12])进行比较。事实上,COVID-ICU研究[12]是一项多中心前瞻性队列研究,在138家医院(135家在法国,3家在比利时和瑞士)开展,研究了同一研究期间入住ICU的4,643例COVID-19患者[12]。因此,预计其与我们从法国HDD生成的14,513例全国性队列之间会有很大比例的患者重叠。无论采用何种方法,COVID-ICU研究或本研究中患者入院时的特征相当:性别比(女性26% vs 28%)、平均年龄(两项研究均为63岁)、高血压比例(48% vs 49%)和糖尿病(28% vs 31%),而肥胖不同(41% vs 24.5%)。两项研究的通气支持特征分别为:ICU住院期间有创机械通气80% vs 68.1%,体外膜肺氧合(ECMO)8% vs 4%,分别为COVID-ICU研究或本研究。观察到的少数差异可能由一定程度的不准确性解释,这是管理性医院数据库的固有偏倚。例如,我们的报告中肥胖率很可能被低估。然而,前瞻性数据库也可能产生选择偏倚。例如,COVID-ICU前瞻性研究中ECMO的使用是我们报告的两倍,但COVID-ICU中56%的患者招募自巴黎,那里有一个全球性的ECMO专家中心[12]。与其将基于回顾性管理数据的研究与基于前瞻性临床数据库的研究对立起来,未来的挑战可能是实施结合两者优势的新型互补策略。HDD的主要价值在于完整记录了研究期间所有住院患者,而无初始选择偏倚,可提供真实世界中医疗服务的可靠信息。纳入的患者来自所有地区和所有医疗机构,而不仅是参与临床研究的医疗机构。前瞻性临床数据库的主要价值在于提供必要的颗粒度,以进一步阐释这些观察结果。
本研究存在局限性。由于采用横断面研究设计,暴露与结局同时评估。因此,在没有纵向数据的情况下,我们无法建立真正的因果关系。我们假设出院不是死亡的竞争事件,因为我们及其他研究者观察到,COVID-19危重患者的死亡几乎全部发生在ICU或ICU出院后的病房中,而很少发生在出院后[9, 12]。关于统计方法的选择,在非随机研究中调整混杂因素时,难以明确判定多变量方法与倾向性评分之间哪种方法最佳[18]。标准多变量方法和倾向性评分均存在关键局限性,且两者都无法考虑未知混杂因素。关于倾向性评分相较于标准多变量方法(如逻辑回归)的真正实用性,争论持续存在[18, 19],但重要的是要记住,在许多情况下两种方法提供相似的结果[20, 21]。此处本可采用倾向性评分匹配,可能减少混杂因素对结局效应估计的误差。然而,当每个混杂因素对应八个或以上事件后,倾向性评分的经验覆盖概率下降[19],而当每个混杂因素至少有八个事件时,逻辑回归似乎是合适的选择。由于随访时间相似、无删失数据且每个协变量对应的事件数量较多,我们倾向于使用一种常用方法,便于非专业读者理解,并仔细报告所有可用信息(附加文件2:表S1为双变量分析,表2为逻辑回归模型)。其次,护士/床位比可能是需要考虑的重要因素,但在 declarative 数据中发现全职等效人数与人数之间存在不一致。我们选择不使用该信息。最后,国家卫生行政系统用于流行病学目的的可靠性可能因病例定义而异,并可能产生假阳性诊断,而假阴性率无论采用何种定义都相对较低[13, 15, 22]。然而,对COVID-19实施直接编码限制了信息偏倚的风险。另一个局限性是与漏检或错分相关的潜在偏倚,特别是对于合并症(如前文关于肥胖率的讨论)。然而,观察到同期前瞻性队列中患者特征之间良好的一致性[12]。对于某些变量,当住院期间对患者诊疗无直接影响时(如吸烟),信息未被记录。总体而言,严格认识HDD的优势和局限性对于提供流行病学数据至关重要。在COVID-19卫生危机的背景下,基于HDD的监测已被推广为一种具有成本效益的医疗保健服务研究方法,采用真实生活动态方法,如先前所证明的[5, 23, 24]。
总之,我们研究了法国首次疫情暴发期间的COVID-19危重患者,观察到法国各地区之间调整后病死率存在显著差异。ICU救治负担最重的地区与死亡率高达2.2倍的增加相关。
补充信息
附加文件1。ICD-10诊断代码。
附加文件2。2020年3月至5月法国ICU收治的COVID-19患者病死率的双变量分析。
参考来源
- Guillon A, Laurent E, Duclos A, et al. Case fatality inequalities of critically ill COVID-19 patients according to patient-, hospital- and region-related factors: a French nationwide study. Ann Intensive Care. 2021. PMID: 34410543. doi:10.1186/s13613-021-00915-4
- 全文:PMC8375279(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8375279/
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。