ICU获得性衰弱风险预测模型的系统评价

赖 琪,屠恩远,张聪慧,温米兰,郭慧娟,谢 钦,杜 燕,高春茗

ICU获得性衰弱(Intensive Care Unit Acquired Weakness,ICU-AW)最早是由Ramsay等[1]于1993年提出。ICU-AW是病人在住院期间发生的与疾病导致的双侧对称性神经肌肉后遗症[2],是危重病人常见的并发症之一。临床表现为呼吸机脱机困难、迟缓性四肢轻瘫、肌肉萎缩、反射减退,影响呼吸和咽部的肌肉[3-5]。病人发生ICU-AW的概率为25%～100%[6],导致其住院时间和机械通气时间延长、病死率增加[7-8]。部分病人出院后不能恢复到罹患ICU-AW前的良好状态,而衰弱状态导致出院后的病人就业率低下、生活质量不佳[9-10]。目前,暂无针对此病的特效药物和治疗手段[11],而早期的诊断和干预可改善病人生存及预后。疾病风险预测模型是以疾病的多风险因素为基础,按影响程度划分分值,利用数学公式计算某个人未来某种事件发生概率的一种统计性评估方式[12]。ICU-AW风险预测模型可帮助医护人员对重症病人进行ICU-AW的早期筛查和预防,提高医护人员工作效率,减轻ICU-AW对病人的负面影响。因此,本研究对国内外ICU-AW相关预测模型进行系统评价,旨在为其优化、临床应用和科学研究提供参考意见。

1 资料与方法

1.1 纳入与排除标准

1.1.1 纳入标准

研究对象为年龄≥18岁的重症监护室(ICU)病人;研究内容为ICU-AW风险预测模型的构建,且模型经过了内部和(或)外部验证;研究类型为前瞻性或回顾性队列研究、病例对照研究。

1.1.2 排除标准

只调查了相关危险因素,并未进行模型的构建;不能获取原文或数据不完整;综述或动物研究。

1.2 文献检索策略

于2023年3月,计算机全面检索中国知网数据库、维普数据库、万方数据库和中国生物医学文献数据库的中文文献,检索词为“危重症/重症护理/重症监护室/ICU”;“虚弱/衰弱/肌无力/肌病/神经肌病”;“模型/相关因素/危险因素”。同上全面检索the Cochrane Library、PubMed、Embase、Web of Science数据库中的英文文献,检索词为“weakness/paresis/neuropathy/polyneuropathy/myopathy/polyneuromyopathy/neuromuscular dysfunction/neuromuscular disorder/muscle weakness/muscular diseases”;“intensive care unit/intensive care/critical care/critical illness/critically ill”;“predict* model/prognostic model/predict*/model/risk factor/”。

1.3 文献筛选及数据提取

由2名研究者独立筛选文献、提取资料并交叉核对,如遇分歧,则交由导师进行协助判断。文献筛选时首先阅读标题和摘要进行初筛,排除明显不相关的文献后,再仔细阅读全文,剔除无法获取全文的文献,以及排除不符合纳入标准的文献。运用NoteExpress及Excel软件进行文献资料的管理和提取。内容包括:发表年份、研究对象和设计、诊断工具、模型的验证类型(内部/外部验证)、模型的受试者特征工作下曲线面积(the Area Under Receiver Operating Characteristic Curve,AUROC)、模型中纳入的主要预测因子及ICU-AW发生率等。

1.4 文献质量评价方法

利用预测模型构建研究数据提取和质量评价清单(CHecklist for critical Appraisal and data extraction for systematic Reviews of prediction Modelling Studies,CHARMS)对纳入文献进行质量评价,该评估模型共包含12个条目。由2名研究者独立评估文献质量,如遇分歧,讨论无果后则交由导师进行判断。

2 结果

2.1 文献检索过程及结果

文献筛选流程:初步检索共获得2 829篇文献,经过剔除重复文献,排除不相关文献等流程后,最终剩余22篇。

2.2 纳入研究的基本特征与偏倚风险评价结果

纳入研究的基本特征见表1,偏倚风险评价结果见表2。

表1 ICU获得性衰弱风险预测模型的基本特征

2.3 纳入模型的一般情况

共纳入22个ICU-AW风险预测模型[13-34],其中11项[13-23]为英文研究,11项[24-34]为中文研究,19项[13,15-34]为前瞻性研究,2项[14,18]为回顾性研究,选择性偏倚较小。最早的ICU-AW预测模型[16]发表于2001年,随着机器学习算法的发展,近些年的预测模型层出不穷。21项研究[13-29,31-34]将研究对象定义为年龄≥18岁的病人,具有同质性。17项研究[13-15,19-21,23-33]采用英国医学研究理事会评分表(medical research council scale for muscle examination,MRC-score)评估病人是否出现ICU-AW。1项研究[16]采用电生理检测来确定病人有无发生ICU-AW,1项研究[22]采用电生理+活体组织检查的方式对ICU-AW进行判断,2项[17,34]研究采用超声测量股直肌或股四头肌的方式来诊断。PEUELAS等[18]则基于专家共识来评估病人有无罹患ICU-AW。各模型ICU-AW的发生率为2.7%～68.5%,建模样本为48～4 157例。其中12项[13-14,17-20,24-27,29,34]研究进行了内部验证,2项[30,33]研究进行了外部验证,4项研究采用内部与外部验证结合的方式对预测模型的预测效能进行了评价。18个[13-14,17-20,23-26,28-34]研究报告了AUROC值,1项[15]研究报告了预测模型的拟合优度为0.92,2项[16,21]研究分别报告了模型的灵敏度和特异度,1项[22]研究则用交叉验证法报告了模型的预测性能。

2.4 纳入模型中的预测因子

纳入的22个ICU-AW风险预测模型中,最多纳入了11个预测因子[30],最少纳进了2个预测因子[17,21,24]。将所有模型纳入的预测因子分为可逆因素和不可逆因素两大类,本研究认为年龄、机械通气时长、APACHE Ⅱ评分、乳酸水平、ICU住院时长和性别(女性)是ICU-AW最为常见的不可逆因素,其次是多器官功能衰竭和脓毒血症。在可逆因素方面,神经肌肉阻滞剂的使用是ICU获得性衰弱最常见的可逆因素,其次是皮质类固醇的使用和行CRRT治疗。

3 讨论

本系统评价大部分研究采用Logistic回归分析进行模型的建立,仅1项研究基于Meta分析方法构建ICU-AW风险预测模型,后将该模型应用到临床进行外部验证,基于此方法构建的模型既可避免数据的缺失又可提供充足的样本量,弥补Logistic回归模型对小样本量的不稳定性[30]。本研究中纳入的22个模型在建模/验模人群中的AUROC值均≥0.6,表明上述模型在预测病人未来发生ICU-AW的效果良好。丁明月等[24]学者展开了亚组讨论,探讨了1、4、7 d MCP-1对脓毒症ICU-AW的诊断价值,AUC值分别为0.732、0.865、0.891,临界值分别为 206.3、410.9、239.5 ng/L。江竹月[35]还根据构建的预测模型开发了相应的小程序,避免了繁杂的公式计算,为临床医护人员提供了极大的便利。MRC-Score是美国胸科协会[36]推荐用于诊断成人ICU-AW的量表,该量表评估肢体左右两侧各6组肌群,每组肌群肌力分为0～5级,总分为60分,小于48分可诊断为ICU-AW,该法需要病人意识清楚及配合程度高。Richmond躁动-镇静评分(Richmond Agitation and Sedation Scale,RASS)总体分值为+4～-5分。此量表整体Cronbach′s α系数为0.912,并且该量表在ICU病人中具有较好的内部一致性(Cohen′s kappa = 0.76)和较好的组内相关系数(intraclass correlation coefficient,ICC=0.83)[37]。在ICU获得性衰弱的评估与诊断方面,17个研究[13-15,19-21,23-33]采用MRC评分表来对ICU-AW进行评估。1个研究[16]采用电生理检测来准确筛查病人有无发生CIP,此法检查环节精简,但存在一些弊端,如该法耗时且价格昂贵、易受一些产生电信号设备的干扰等。1个研究[22]采用电生理+活体组织检查的方式对ICU-AW进行判断,该法因其侵入性操作未能在临床中得到应用。2个[17,34]研究采用超声测量股直肌或股四头肌的方式来诊断。四肢肌肉超声检查可通过对肌肉的横截面积、厚度、回声强度、羽状角等进行观测,描述肌肉形态和质量上的改变,具有无创、操作简单,能动态连续监测的特点,相较于MRC评分,无需病人的配合。Peuelas等[18]基于专家共识的定义来诊断病人是否发生ICU-AW,对39个国家的494个ICU的4 157名机械通气病人进行ICU-AP的筛查,114例病人发生ICU-AP,发生率仅3%。采用多因素Logistic回归建立ICU-AP预测模型,AUROC为0.81,但未报告模型校准且未进行模型的外部验证。与采用传统诊断与评估方式的研究不一致,该模型存在轻度至中度 ICU-AW 病人可能被遗漏的现象,有可能产生偏倚。

综上所述,本研究纳入的22个预测模型性能良好,便于医护人员早期识别并干预发生ICU-AW的高风险人群。近年来,国内外关于构建ICU-AW的风险预测模型层出不穷,纳入的人群也具有专科特色,因此在未来,医护人员应结合本科室的特色选择合适的预测模型加以验证所选模型的性能。其次,重症病人早期病情多不平稳,处于谵妄或者镇静状态,MRC评分表不适用于早期ICU病人的评估。然而大部分研究选择的评估工具都是选择MRC评分表,在未来关于ICU获得性衰弱预测模型的开发中,应侧重于诊断与评估工具的选择,尽可能的多样化,减少偏倚风险。最后,研究者在提高模型预测效能的基础上,更应注重模型是否增加医护人员的工作负担,开发出更优化、便利的预测模型。