急诊留观患者病情变化风险预测模型的构建

张馨桐，王艳梅，潘欣欣，奚晓波，张书迪，刘道粤

部分急诊患者在留观期间虽尚未出现明显的异常体征、症状改变，但病情随时可能加重。目前，低年资护士专业知识薄弱、工作经验缺乏，可能未及时发现患者病情加重，而耽误了最佳救治时机[1-3]。及时准确评估和预测患者病情已成为急诊留观护理工作重点[2]。留观患者的病情风险变化通常指发生呼吸衰竭、呼吸心脏骤停、急性心肌梗死、休克等，需转入专科病房、ICU病房或死亡等一系列病情恶化的表现[4]。校正改良早期预警评分由改良早期预警评分(Modified Early Warning Score, MEWS)发展而来，是被广泛应用于临床病情评估的评分工具，其与专科指标联合应用，有更高的精准性[5]。鉴此，本研究通过系统文献回顾、专家小组讨论和病例回顾研究，将校正MEWS作为建模条目之一，构建急诊留观病情变化风险预测模型，旨在提早预测患者病情变化。

1 对象与方法

1.1对象 获得医院伦理审批后，采用病例回顾研究，纳入2020年4～7月上海市浦东新区公利医院急诊留观患者。纳入标准：①年龄≥18 岁；②所需各项资料完整(包括患者一般资料、生命体征资料、用药资料、实验室检验结果以及抢救、死亡记录)；排除标准：急诊留观时间不足24 h。本研究共纳入10个影响因子，根据建模样本量需要自变量的5～10倍，据本院2020年1～3月351例样本测得急诊留观患者转入专科病房、抢救和死亡的发生率为38.18%(134/351)，因此本研究所需样本量至少为10×10÷38.18%=262例，最终入组568例。采用随机数字法，按7∶3的比例，建模组400例，验证组168例。

1.2方法

1.2.1构建风险预测评分 ①基于文献学习，检索筛选与急诊留观患者病情变化相关的因素，形成初选条目池，进行两次专家小组讨论，最终模型纳入10个影响因子。②病例回顾收集患者一般资料。包括性别、年龄、病种、基础疾病数(基础代谢障碍疾病、免疫功能低下疾病、重大慢性消耗性疾病)、本次入院是否出现低蛋白血症及高乳酸血症、是否使用血管活性药物、呼吸兴奋剂、抗心律失常药物及校正MEWS。本研究选取唐维骏等[6]制定的校正MEWS，包括体温、心率、呼吸频率、收缩压、意识和血氧饱和度6项基础生命体征信息，各项正常计0分，根据异常程度分别计1～3分，其中呼吸频率计0～2分，总分17分，得分越高病情越危重。③确定结局指标。根据文献回顾及专家小组讨论，收集患者的抢救记录和转入专科病房/ICU、死亡、好转出院等转归记录[7]，以患者转入专科病房/ICU、发生抢救、死亡确定为发生病情变化，资料收集时间点为患者病情变化发生前1 h。④构建Logistic回归模型。将建模组发生病情变化及未发生病情变化患者的一般资料进行比较，将差异有统计学意义的变量作为自变量，是否发生病情变化为因变量构建Logistic回归模型。将回归分析的预测因子纳入评分条目，预警模型赋分参照Sullivan等[8]的计分方法，即先根据Logistic赋值列出各项参照类别，参考值记为Wij；再计算各项参考值与参照类别对照值的差值，并乘以各项β系数，记为βi(Wij-WiREF)；最后各项条目分别除以所有变量中的最小β系数(记为B)算出各自变量的分数。采用ROC曲线确定截断值。

1.2.2验证风险预测模型 根据验证组患者资料，计算风险预测评分得分，按评分截断值预测患者是否会发生病情变化，比较患者的预测结局与实际临床结局，评价评分的预测准确性。

1.2.3统计学方法 采用SPSS25.0软件行χ2检验、秩和检验及t检验；Hosmer-Lemeshow检验进行Logistic模型拟合度检验；ROC曲线下面积(AUC)算出最佳截断值并评价预测效能；Z检验比较风险预测评分与校正MEWS评分的AUC是否存在差异；以灵敏度、特异度、阳性预测率、阴性预测率及一致性检验验证评分系统。检验水准α=0.05。

2 结果

2.1建模组与验证组一般资料比较 见表1。

表1 建模组与验证组一般资料比较

2.2建模组病情变化的单因素分析 建模组发生病情变化138例，病情变化及无病情变化患者一般资料比较，见表2。

表2 建模组病情变化及无病情变化患者一般资料比较

2.3急诊留观患者病情变化风险预测模型建立 以是否转入专科病房、ICU以及发生抢救、死亡作为因变量，将表2中有统计学意义的9个变量作为自变量进行多因素Logistic回归分析，相关赋值见表3。结果显示Logit(P)=-6.739+0.785×年龄+1.125×校正MEWS+3.285×低蛋白血症+2.634×高乳酸血症+2.668×呼吸兴奋剂+1.501×抗心律失常药物(表4)。Hosmer-Lemeshow检验结果显示，R2=0.757，P=0.220，模型拟合良好。

表3 自变量赋值表

表4 急诊留观患者病情变化的Logistic回归分析结果

2.4急诊留观患者病情变化风险预测评分赋分及截断值 根据建模结果，基于Logistic模型的β系数，将算出的分值四舍五入取整，形成急诊留观患者风险预测评分的评分规则(见表5)，评分范围为0～41分。建模组ROC曲线下面积中，最大约登指数对应横纵坐标下的最佳截断值为9分。

表5 最终纳入风险预测评分系统的危险因素赋值

2.5急诊留观患者病情变化风险预测评分与校正MEWS预测能力比较 ROC曲线下面积显示，构建的风险预测评分(AUC为0.954,95%CI:0.927～0.980)的预测精准度优于校正MEWS(AUC为0.726,95%CI:0.663～0.790)，两种评分比较，Z=6.671，P=0.000。

2.6急诊留观患者病情变化风险预测评分系统验证 验证组评分预测病情变化的结果显示，AUC为0.985(95%CI0.970～0.999)，约登指数为0.891，灵敏度0.972，特异度0.919，截断值为9分，阳性检测率为0.950，阴性检测率为0.954。验证组实际发生病情变化62例，根据风险预测评分预测发生病情变化57例，一致性检验显示，Kappa值为0.935，预测结局与实际临床结局一致性较好。

3 讨论

3.1构建急诊留观患者病情变化风险预测评分的意义 急诊留观室收治因急危重症情况入院的患者，其流量大、流动性强、病种多，在治疗和护理方面具有难度[9]。急诊医务人员工作负担重，一些病情看似平稳但发展隐匿的患者易被忽略，进而发生病情恶化[3]。因此，准确评估并提前预测患者病情变化，对下一步干预指导具有重要意义。通过患者一般资料、实验室指标、生命体征信息以及药物使用情况，构建较客观、全面的针对急诊留观患者的风险预测评分工具，将护理人员从上级或医嘱被动知晓患者病情程度的情况，转变为主动判断患者情况，可帮助年轻护士评估患者病情变化，及时发现潜在危重症患者。从发生病情变化后再处理，转为预见性护理，可降低因未预见病情变化导致的意外事件发生率，减少医疗资源浪费。

3.2急诊留观患者病情变化的相关危险因素分析

3.2.1校正MEWS 研究指出，呼吸急促、心率异常、意识丧失等是临床患者发生病情变化的危险因素[10]，而校正MEWS正是由反映生命体征的评分条目构成，其常被用于评估临床患者，尤其是危重症患者的病情。研究显示，校正MEWS结合专科指标如疼痛评分、CT影像学特征[5,11]等，在识别潜在危重患者方面有更高的精准度。本研究发现，校正MEWS每增加一分，病情变化的概率增加2.081倍(OR=3.081)。利用校正MEWS评估患者病情，观察患者的病情进展，可提高风险预测评分系统对急诊留观患者的病情预测精准度。

3.2.2年龄 老年患者起病隐匿、病情发展快，且病情变化不易被及时观察到，需要重点关注。在急诊留观患者中，年龄>65岁者占59.66%，且老年患者就诊比例呈逐年上升趋势[5]。本研究建模组平均年龄为(81.35±11.47)岁，且患者年龄每增加10岁，其病情变化概率增加1.192倍(OR=2.192)。可能因为随年龄增长，易出现细胞衰老、免疫系统功能下降等机体衰退现象和病情发展不受控。因此，即使急诊留观老年患者的病情暂时平稳，或评分未达到预警值，医护人员也应重点关注并嘱家属陪护。

3.2.3低蛋白血症和高乳酸血症 低蛋白血症、高乳酸血症被列为急诊危重症患者死亡的独立危险因素[12-13]，本研究这两项指标与患者发生病情变化的关联显著，留观期间低蛋白血症患者发生病情变化的概率是非低蛋白血症者的26.712倍，无高乳酸血症的13.929倍。当患者尤其是高龄患者的能量代谢异常时，摄入的能量不足，易发生低蛋白血症，进而引起水肿、凝血异常、营养不良，甚至死亡等[14]。此外，乳酸水平也可以反映细胞代谢功能，当氧气供应或组织灌注不足时，易出现高乳酸血症，导致末梢循环不佳[15]。因此，面对低蛋白血症、高乳酸血症患者，尤其是高龄、休克患者，医护人员应高度警惕，积极采取措施，保证患者的营养摄入，纠正缺氧和组织灌注不足等问题。

3.2.4使用抗心律失常药物和呼吸兴奋剂 本研究发现，呼吸兴奋剂、抗心律失常药物使用者发生病情变化的概率分别是未使用者的14.415倍和4.488倍。可能因为药物的使用，使收缩压、心率、呼吸、氧饱和度暂时维持在正常水平，从而掩盖病情。本研究现病史资料显示，中老年高血压患病率为47.71%(271/568)，这类患者联合用药治疗高血压的情况较为常见，其中包括属于血管活性药物的血管扩张药。本研究呼吸兴奋剂和抗心律失常药物多为抢救用药，而血管活性药物包括高血压日常治疗用药，可能对患者发生病情变化的影响作用不明显，故未纳入预警模型。

3.3风险预测评分具有良好的预测效能 本研究构建的模型经Hosmer-Lemeshow检验结果显示，R2=0.757，P=0.220，模型拟合良好。构建的评分系统与校正MEWS预测病情变化的AUC分别为0.954、0.726，经Z检验比较显示，评分系统的预测能力优于校正MEWS。验证组中，评分系统预测病情变化的AUC为0.985，灵敏度为0.972，特异度为0.919，具有较好的预测准确性；验证组阳性检测率为0.950，阴性检测率为0.954，评分对实际发生病情变化与实际未发生病情变化的判断准确性高；评分预测结局和实际临床结局一致性检验结果显示，Kappa值>0.9，两者的一致性与吻合度较高。Ripoli等[16]报道，62.2%的患者在进入急诊留观室前24 h会发生病情恶化，病情在前10 h会有明显的异常变化。本研究资料收集时间点为患者病情变化前1 h，这提示医护人员，当风险预测评分高于9分时，应警惕患者可能在1 h内发生病情变化，护士应报告医生，遵医嘱用药，提前备好抢救物品，并密切观察患者生命体征变化。

4 小结

本研究构建的急诊留观患者病情变化风险预测模型包括年龄、校正MEWS、低蛋白血症和高乳酸血症、使用呼吸兴奋剂和抗心律失常药物6个因子，验证结果显示该模型能较好地预测急诊留观患者的病情变化。但本研究纳入的患者来自一所医院，疾病类型不同，该评分对于不同疾病患者的病情预测能力尚需进一步检验。今后拟开展多中心研究，进一步验证该评分系统的临床适用性。