院前疑似感染患者脓毒症筛查工具比较:NEWS2、RETTS、临床判断与Predict Sepsis的前瞻性队列研究
本研究为前瞻性队列研究,纳入323例院前疑似感染成人,脓毒症患病率44.6%。比较NEWS2、RETTS、临床判断及Predict Sepsis工具识别脓毒症的性能。NEWS2≥5与RETTS≥橙的AUC无显著差异;NEWS2≥7的AUC显著高于RETTS红。Predict Sepsis工具敏感性最高(0.87-0.91)但特异性最低(0.39-0.49),AUC与NEWS2相似。结论提示NEWS2可能是院前脓毒症识别优于RETTS的选择,但Predict Sepsis工具需外部验证。
要点
- 在323例院前疑似感染成人中,NEWS2≥7识别脓毒症的AUC显著高于RETTS红(P<0.001)。
- NEWS2≥5与RETTS≥橙识别脓毒症的AUC无显著差异,但NEWS2≥5识别了3/4脓毒症患者和9/10脓毒症休克患者。
- Predict Sepsis工具敏感性最高(0.87-0.91),但特异性最低(0.39-0.49),AUC与NEWS2相似(0.75-0.77 vs 0.73)。
- RETTS红敏感性仅0.23,显著低于除临床判断外的所有模型,特异性0.92高于所有其他模型。
- Predict Sepsis工具3(仅生命体征)和RETTS≥橙均识别了17/17(100%)进展为脓毒症休克的患者。
适用人群与场景
- 成人(≥18岁)非创伤、院前救护车患者,由急救人员临床判断为新发感染,需具备确定脓毒症/非脓毒症结局所需数据者。
- 排除标准:缺乏完成各筛查模型所需数据的参与者。
- 研究场景为救护车转运至斯德哥尔摩7家主要医院急诊科,不适用于普通救护车人群(因仅纳入疑似感染患者)。
诊断标准与关键阈值
- 脓毒症定义采用Sepsis-3标准:感染合并SOFA评分较基线增加≥2分,在急诊到达后36小时内;无基线数据者预先评分设为0。
- 脓毒症休克定义:脓毒症合并需血管升压药治疗指征且血清乳酸>2 mmol/L,在急诊到达后36小时内。
- NEWS2≥5提示潜在严重急性临床恶化需紧急响应;NEWS2≥7提示危重患者需包括重症监护能力人员的紧急响应。
- RETTS为五级颜色分诊系统,红色为最高分诊级别(威胁生命),橙色为潜在威胁生命,基于生命体征和急诊症状与体征(ESS)中最显著异常决定分诊级别。
处置流程与药物剂量
- 原文未提及
红旗征与不能漏的情况
- RETTS红识别脓毒症敏感性低(0.23),且仅识别8/17(47.1%)进展为脓毒症休克的患者,不能仅凭RETTS红排除脓毒症或脓毒症休克。
- 临床判断识别脓毒症敏感性有限(0.4),单独依靠临床判断可能漏诊脓毒症。
- 低特异性筛查工具(Predict Sepsis工具特异性0.39-0.49)可产生假阳性脓毒症警报,导致资源过度使用,需由经验丰富的临床医生在初筛后评估以减少假警报。
研究设计与关键结果
- 前瞻性队列研究,纳入323例院前疑似感染成人,来自斯德哥尔摩7家医院急诊科,2017/2018年;脓毒症患病率44.6%(144/323)。
- NEWS2≥5与RETTS≥橙的AUC无显著差异;NEWS2≥7的AUC显著高于RETTS红(P<0.001)。
- Predict Sepsis工具敏感性范围0.87-0.91,RETTS≥橙敏感性0.83,但Predict Sepsis工具特异性最低(0.39-0.49)。
- NEWS2的AUC为0.73,Predict Sepsis工具AUC范围0.75-0.77,两者相似。
- RETTS红敏感性0.23显著低于除临床判断外的所有其他筛查模型;特异性0.92高于所有其他模型。
- Predict Sepsis工具3(仅生命体征)和RETTS≥橙均识别17/17(100%)脓毒症休克患者;RETTS红仅识别8/17(47.1%),临床判断识别13/17(76%)。
- 144例脓毒症患者中15例(10.4%)院内死亡;RETTS红患者院内死亡率14.6%(7/48),NEWS2≥7患者12.2%(15/123)。
证据类型、等级与局限
- 证据类型:前瞻性队列研究(诊断准确性研究),按STARD标准报告。
- 局限:Predict Sepsis工具在同一推导人群中比较,存在过拟合风险,需外部验证;RETTS的AUC无法基于总分计算(缺少ESS数据);结果仅基于疑似感染人群,不能推广至普通救护车人群;研究把握度未针对本比较专门计算;脓毒症休克结局样本量小,结果需谨慎解读并在更大研究中重复。
对床旁实践的改变
- 院前疑似感染成人中,NEWS2≥7较RETTS红能更好识别脓毒症,可考虑作为院前脓毒症筛查的优先工具。
- NEWS2≥5可识别约3/4脓毒症患者和9/10脓毒症休克患者,适合作为启动紧急响应的阈值。
- RETTS红敏感性低,不宜单独用于排除脓毒症或脓毒症休克;如需使用RETTS,≥橙可能更适合脓毒症筛查。
- Predict Sepsis工具敏感性高但特异性低,假阳性警报多,需在初筛后由经验丰富的临床医生评估以减少假警报。
- 临床判断单独识别脓毒症敏感性有限,应用筛查工具可提高脓毒症识别率。
- 本研究仅纳入疑似感染患者,结果不适用于普通救护车人群或非感染患者。
指南或共识出处
- 原文未提及具体指南或共识名称作为出处。
全文中译20 节 · 点击展开
背景
脓毒症是最常见的医疗急症之一,死亡率很高[1–3]。然而,尽管已知治疗时间与患者预后相关[7–10],脓毒症往往未能被及时识别[4–6]。研究表明,当在救护车上识别出脓毒症时,治疗时间可缩短一半[11]。因此,在这种情况下识别可能发展为脓毒症的患者非常重要,因为超过半数的脓毒症患者是通过救护车到达医院的[12]。
筛查工具已被证明相较于临床判断能提高脓毒症的识别率[5, 6],但专门为在救护车上识别脓毒症而开发的筛查工具很少[13–19]。国家早期预警评分(NEWS2)[20]和快速急诊分诊与治疗系统(RETTS)[21, 22]——分别为早期预警评分和分诊系统[20]——最初均非为识别脓毒症而设计。NEWS2的使用在全球范围内日益增加[20]。它已在大多数医院病房以及部分急诊科(EDs)中实施,并且在瑞典部分救护服务机构中正引起关注。RETTS是最初在瑞典开发的分诊系统[23],目前是救护车和急诊科中使用最多的分诊系统。NEWS2和RETTS均被提议用于在疑似感染患者中识别脓毒症[20, 24, 25],而NEWS2已被证明在急诊科环境中优于RETTS[22]。NEWS2和RETTS此前均未在救护车环境中就脓毒症识别进行过验证。
NEWS2和RETTS主要基于生命体征。然而,超过三分之一的严重感染患者表现为正常生命体征[26]。这表明脓毒症筛查需要纳入生命体征以外的变量,这也是开发Predict Sepsis筛查工具的原理[27]。这些工具的独特之处在于它们专门为在救护车上识别脓毒症而开发,并且是采用前瞻性、逐步法研究的结果,该方法对救护车上测量的每个变量(也包括症状)计算了与脓毒症的关联。
本研究的主要目的是比较NEWS2和RETTS在临床疑似感染的救护车患者中识别脓毒症的性能。次要目的是比较新型Predict Sepsis筛查工具与NEWS2、RETTS及临床判断的性能。
方法
研究设计与环境
本研究是一项前瞻性队列研究,纳入323名临床疑似感染、非创伤、经救护车转运至斯德哥尔摩医院的成年患者。我们比较了NEWS2和RETTS识别脓毒症的性能。此外,还将新近开发的Predict Sepsis筛查工具的性能与NEWS2、RETTS及临床判断进行了比较。本研究是Predict Sepsis研究[27]的一部分(临床试验标识号NCT03249597)。
参与者选择
纳入标准为成年(≥ 18岁)非创伤救护车患者,经救护人员临床判断认为患有新发感染,且具备确定结局(脓毒症/非脓毒症)所需的数据。详情见Predict Sepsis研究[27]。
所有患者均由急救人员在2017年4月3日至2018年8月30日期间纳入,并由急救服务提供方Samariten Ambulans AB [28]转运至斯德哥尔摩市县七家主要医院急诊科之一 [27]。所有救护车均配备至少一名专科护士和一名急救医疗技术员 [29]。
排除标准为缺乏完成各筛查模型所需数据的参与者。
结局定义
脓毒症
脓毒症依据Sepsis-3标准定义 [30],即感染 [6, 27] 合并从到达急诊科起36小时内SOFA评分增加≥2分 [27]。对于既往无基线数据记录的患者,原有评分设为零 [27, 30]。脓毒性休克定义为脓毒症合并从到达急诊科起36小时内有血管加压药治疗指征且血清乳酸水平大于2 mmol/L [27, 30]。
无脓毒症
“无脓毒症”定义为不符合上述脓毒症标准。
脓毒症筛查模型
NEWS2(见表1所述)是NEWS的2017年更新版本,最初由英国皇家内科医师学会于2012年设计,基于六项生命体征 [20]。NEWS2评分≥5分用于提示可能存在严重的急性临床恶化并需要紧急响应 [20]。NEWS2评分≥7分被认为提示患者病情严重,需要包括具备重症监护能力人员在内的紧急响应 [20, 31]。
RETTS [21] 是由Predicare AB [23]开发并授权的分诊系统。它是一种五级颜色量表,基于生命体征(VS,描述见表1)和反映就诊表现及症状的紧急症状与体征(ESS)。最显著的生命的体征或ESS偏差将决定分诊级别。红色为最高分诊级别(定义为危及生命),其次为橙色(可能危及生命)、黄色、绿色和蓝色 [23]。
根据临床判断的脓毒症定义为救护车记录中记录的主要评估病情为脓毒症(代码C05)。
Predict Sepsis筛查工具 [27] 见表1。Predict Sepsis筛查工具1基于症状、生命体征和乳酸。Predict Sepsis筛查工具2基于四个变量,其中两个为生命体征,两个为基于症状的变量。Predict Sepsis筛查工具3仅基于生命体征,但采用了经计算与结局脓毒症关联最强的新型截断值。
测量;数据收集与处理
通过救护车中使用的病例报告表(CRF)收集了与病史相关的八个关键词(“发热或疑似发热”、“疼痛”、“急性精神状态改变”、“下肢无力”、“呼吸困难”、“精力丧失”、“胃肠道症状”和“脓毒症危险因素”)以及六个生命体征(呼吸频率、氧饱和度、心率、收缩压、格拉斯哥昏迷量表(GCS)和体温),作为Predict脓毒症研究的一部分[27]。根据RETTS的优先级、CRF中未记录的生命体征和初步评估状况从救护车记录(amPHI®院前救护车记录,Amphi Systems A/S,丹麦奥尔堡,通过医院病历TakeCare®,v. 18.3.10,CompuGroup Medical,瑞典斯德哥尔摩)和斯德哥尔摩当地院前护理数字IT支持系统FRAPP®(Framtida IT-plattform för prehospital vård i Stockholms läns landsting)中提取。
与急诊科到达时间、年龄、性别、Sepsis-3脓毒症定义中包含的新发感染疑似标准、院内生命体征/实验室检查/死亡率和出院国际疾病分类(ICD)编码相关的数据从医院病历中提取[27]。
统计分析
统计分析使用SPSS(社会科学统计软件包)27.0版(SPSS Inc.,芝加哥,伊利诺伊州,美国)和临床研究计算器;计算器1,Vassarstats.net [32]进行。
NEWS2、RETTS、临床判断和三种Predict Sepsis筛查工具的敏感性、特异性、阳性预测值(PPV)、阴性预测值(NPV)和似然比(阳性及阴性LR)由Vassarstat.net临床计算器1 [32]针对结局脓毒症和结局脓毒性休克进行计算。受试者工作特征曲线下面积(AUC)使用SPSS对无截断值(基于评分总和)和特定截断值的模型进行计算。各模型对结局脓毒症和脓毒性休克的敏感性和特异性使用McNemar检验进行比较。结局脓毒症和脓毒性休克的AUC使用DeLong检验进行比较。P值<0.05被认为具有统计学意义。
伦理批准
该研究获得斯德哥尔摩地区伦理审查委员会批准(参考编号2016/2001-31/2、2018/2202和2020-03894)。所有参与者均获得书面知情同意。
本研究遵守《赫尔辛基宣言》[33],手稿按照诊断准确性研究报告标准(STARD)准则[34]起草。
结果
特征
551例临床疑似感染患者被纳入Predict Sepsis研究[27]。其中323例拥有完成各筛查模型所需数据的患者被纳入本研究。在这些患者中,144例(44.6%)患有脓毒症。
研究参与者的特征见表2。144例脓毒症患者中有15例(10.4%)在住院期间死亡。最高院内死亡率见于RETTS红色患者(7/48例,14.6%)或NEWS2 ≥ 7患者(15/123例,12.2%),见附加文件1。
筛查模型的性能
关于 NEWS2、RETTS、临床判断和 Predict Sepsis 工具在脓毒症识别方面的性能,见 Table 3;关于敏感性和特异性比较的 McNemar 检验,见 Additional file 2–3;关于有和无特定截断值的模型 AUC 比较的 DeLong 检验,见 Additional file 4–5;关于受试者工作特征(ROC)曲线,见 Figs. 1 和 2。
NEWS2 与 RETTS 比较
当比较 NEWS2 ≥ 5 和 RETTS ≥ 橙色时,未显示出性能上的显著差异(Table 3 和 Additional file 5)。
NEWS2 ≥ 7 显示出显著高于 RETTS 红色的 AUC(P 值 < 0.001,见 Table 3 和 Additional file 5)。
Predict Sepsis 筛查工具与 NEWS2、RETTS 和临床判断在结局脓毒症方面的比较
与 NEWS2(≥ 5 和 ≥ 7)、RETTS 红色和临床判断相比,Predict Sepsis 筛查工具显示出显著更高的敏感性(范围在 0.87 至 0.91 之间)和更低的特异性(范围在 0.39 至 0.49 之间)(见 Table 3、Additional file 2、3)。
Predict Sepsis 筛查工具的 AUC(基于评分总和)(工具 1:0.77,工具 2:0.75,工具 3:0.77)与 NEWS2 的 AUC(0.73)相似(见 Table 3、Additional file 4)。
RETTS 红色显示出显著低于所有其他筛查模型的敏感性(0.23),临床判断除外(Table 3 和 Additional file 2)。
RETTS 红色的特异性(0.92)高于所有其他模型(Table 3、Additional file 3)。
附加发现;筛查模型在脓毒性休克识别方面性能的比较
关于 NEWS2、RETTS、临床判断和 Predict Sepsis 工具在脓毒性休克识别方面的性能,见 Additional file 6–12。
仅基于生命体征的 Predict Sepsis 筛查工具(工具 3)和 RETTS ≥ 橙色识别出 17/17 名(100.0%)发生脓毒性休克的患者(Additional file 6)。与所有筛查模型相比,RETTS 红色识别出发生脓毒性休克的患者比例显著更低(8/17 名患者,47.1%),临床判断除外,其识别出 13/17 名患者,76%,见 Additional file 6–7。
讨论
这是第一项在救护车环境中比较NEWS2和RETTS识别脓毒症性能的前瞻性研究。本研究结果表明,基于RETTS橙色、NEWS2(NEWS2 ≥ 5和NEWS2 ≥ 7)及Predict Sepsis筛查工具的AUC比较,在脓毒症识别方面无重大差异。然而,与其他模型相比,RETTS红色和临床判断在脓毒症方面的AUC显著较低。Predict Sepsis筛查工具显示出高敏感性但相反低特异性的有前景的结果。
筛查模型的性能
NEWS2评分≥5可识别四分之三的脓毒症患者和十分之九的脓毒性休克患者。英国皇家内科医师学会建议,对于临床怀疑感染的患者,NEWS2评分≥5应被视为疑似脓毒症,并建议对此类患者除紧急治疗外还应快速升级临床护理[20]。目前正在进行讨论[35],即应用NEWS2截止值≥7来识别病情最严重的脓毒症患者。该截止值得到本研究结果的支持,研究显示十分之八的脓毒性休克患者被识别。
RETTS最高优先级水平(即“红色”)由于对脓毒症的敏感性低,似乎不足以用于脓毒症识别。低敏感性可能是因为呼吸频率的截止值较高,而GCS的截止值要求患者无意识,导致符合这些标准的患者比例较低。RETTS红色曾被建议用于识别严重脓毒症和脓毒性休克患者[36]。然而,在本研究中,它未能识别超过一半的脓毒性休克患者。更好的替代方案是使用第二分诊级别,即RETTS ≥ 橙色,其识别了五分之四的脓毒症患者和所有脓毒性休克患者。
十分之四的发生脓毒症的患者通过临床判断被识别,这高于先前展示的结果[5, 11]。对脓毒症的加强关注,包括瑞典救护车指南的临床更新[37],可能促成了这些结果。此外,救护车人员对脓毒症的认知可能受到Predict Sepsis研究本身的影响。尽管如此,当前结果支持应用筛查工具可提高脓毒症识别。
Predict Sepsis筛查工具中,前两个工具包括症状变量,显示出最高敏感性,与RETTS橙色相当,但特异性低,且AUC与NEWS2相似。这些工具的主要缺点是特异性低。然而,Predict Sepsis工具确实捕获了几乎所有发生脓毒性休克的患者。
筛查工具的选择:敏感性 versus 特异性
开发一种兼具高灵敏度和高特异度的筛查工具是一项公认的挑战。低特异度可能导致假性脓毒症警报,从而造成资源过度使用;而低灵敏度可能导致漏诊脓毒症患者,进而增加死亡率和发病率。我们主张筛查工具应具有高灵敏度,并且在初步筛查后由经验丰富的临床医生进行评估可以减少假性脓毒症警报,因为经验丰富的临床医生的特异度已被证明较高[6]。我们认为,筛查模型应被视为临床决策过程中通往正确诊断的第一步。
对无脓毒性休克的脓毒症患者进行识别和治疗的时机受到了质疑[38, 39]。尽管如此,我们认为所有脓毒症患者都能从早期识别中获益,因为这不仅允许早期治疗,还能从护理的早期阶段开始对患者进行监测。此外,国际指南,如“拯救脓毒症运动”,建议对所有脓毒症患者(而不仅是脓毒性休克患者)在识别后1小时内进行治疗[40]。
本研究的优势与局限性
这是第一项在院前急救环境中比较NEWS2和RETTS用于识别脓毒症性能的前瞻性研究,这被认为是本研究的优势之一。
本研究存在若干局限性。
第一,Predict Sepsis筛查工具是在开发该工具的同一个人群中与NEWS2、RETTS和临床判断进行比较的。这意味着新模型存在过度拟合其推导数据材料的风险。因此,Predict Sepsis筛查工具的判别性能在另一个人群中可能较低,故需要对Predict Sepsis筛查工具进行外部验证。
第二,由于RETTS记录了生命体征但未记录ESS数据,因此无法基于评分总和计算RETTS的AUC。然而,所有RETTS级别均包含ESS信息以决定记录的优先级,因此计算所得的灵敏度和特异度被认为是正确的。此外,还计算了RETTS在特定截断值下的AUC,并与其他模型在各自特定截断值下的AUC进行了比较。
第三,结果基于研究人群,即疑似感染的患者,因此不能推广至一般院前急救人群。理想情况下,为了使筛查工具适用于一般院前急救人群,应纳入能代表“所有”院前急救患者的样本。这将有助于研究那些不易被识别为感染的患者的识别情况,例如症状非特异性的老年人和无发热的患者。然而,在当时纳入一般院前急救患者样本不可行,但在未来的研究中将具有价值。
第四,本研究是更大规模的Predict Sepsis研究的第二部分[27]。原始样本量计算是为了纳入足够多的脓毒症结局患者,以便研究与脓毒症相关的变量,并开发Predict Sepsis筛查工具。因此,样本量计算并非专门为本研究而进行。然而,我们认为,在这项前瞻性纳入的救护车患者研究中,比较筛查模型(包括临床使用的模型)性能的结果具有意义。
最后,Predict Sepsis研究并非以脓毒性休克为结局而设计,发生脓毒性休克的患者数量较少。因此,有关识别脓毒性休克性能的结果应谨慎解读,并需在更大规模的研究中重复验证。
结论
结果表明,在救护车环境中识别疑似感染患者中的脓毒症方面,国家早期预警评分2(NEWS2)可能是比快速急诊分级与治疗系统(RETTS)更好的替代方案。这一结论基于以下结果:在比较第二高优先级水平时,NEWS2与RETTS之间无差异,但在比较最高优先级水平时,NEWS2表现更优。Predict Sepsis筛查工具在脓毒症高敏感性方面显示出良好前景,其AUC与NEWS2相似。然而,这些结果需要谨慎解读,因为Predict Sepsis筛查工具需要外部验证。
补充信息
附加文件1. 各模型识别为脓毒症患者的观察院内死亡率。
附加文件2. McNemar检验,脓毒症敏感性的两两比较。
附加文件3. McNemar检验,脓毒症特异性的两两比较。
附加文件4. DeLong检验,无截断值模型脓毒症AUC的两两比较。
附加文件5. DeLong检验,有特定截断值模型脓毒症AUC的两两比较。
附加文件6. 筛查模型识别脓毒性休克的性能。
附加文件7. McNemar检验,脓毒性休克敏感性的两两比较。
附加文件8. McNemar检验,脓毒性休克特异性的两两比较。
附加文件9. DeLong检验,无截断值模型脓毒性休克AUC的两两比较。
附加文件10. DeLong检验,有特定截断值模型脓毒性休克AUC的两两比较。
附加文件11. 无截断值模型与脓毒性休克的ROC曲线。
附加文件12. 有特定截断值模型与脓毒性休克的ROC曲线。
参考来源
- Wallgren UM, Sjölin J, Järnbert-Pettersson H, et al. Performance of NEWS2, RETTS, clinical judgment and the Predict Sepsis screening tools with respect to identification of sepsis among ambulance patients with suspected infection: a prospective cohort study. Scand J Trauma Resusc Emerg Med. 2021. PMID: 34593001. doi:10.1186/s13049-021-00958-3
- 全文:PMC8485465(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8485465/
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。