既往研究证实，采用卒中量表能够增强院前急救人员对脑卒中识别的准确性，有助于减少救治转送过程中的延误^[1-3]，院前对脑卒中的准确识别和精准转送能够显著提升救治效率及再灌注治疗成功率^[4-7]。院前对医院进行预通知亦可降低医院内部的救治延迟^[8]。对脑卒中生存链各环节的管理进行改进是提高患者预后质量的关键^[9]。脑卒中Ustein过程改进策略^[10]涵盖了建立卒中登记数据库、提升急救人员卒中早期识别能力、优化院前卒中分诊流程以及信息技术的运用等方面。借助信息化手段，以卒中筛查量表为核心，实现卒中患者数据的实时登记、院前快速识别诊断、人工智能辅助送院决策以及院前与院内信息的共享，具有显著缩短治疗时间的潜力^[11-12]。本研究旨在评估信息智能化在脑卒中院前急救中的应用效果，探索急救医生在卒中识别、救治转送及预通知等环节现存问题的有效解决策略。

1 资料与方法 1.1 研究对象

回顾性分析2020年1月1日至2021年6月30日期间由杭州市急救中心转送的疑似脑卒中病例。纳入标准：（1）研究期间杭州市急救中心急救医生判断为“疑似脑卒中”的救治病例；（2）送达参与研究的医院，院内诊断为脑卒中的病例。排除标准：（1）18周岁以下；（2）发病时间大于1周；（3）院内最终诊断数据缺失的病例。

1.2 研究方法 1.2.1 资料来源

自2020年11月起，本中心对脑卒中院前急救平台进行了优化，独立设置了CG-FAST卒中量表应用窗口，可结合量表评分自动推荐目标医院，并实现全流程智能监管。本研究将2020年11月1日起至2021年6月30日的卒中病例分为使用后组，2020年1月1日至2020年10月31日的病例为使用前组。导出所有疑诊卒中患者信息，包括一般情况、救治措施和诊断等，并随访其院内情况，比较两组在评价指标上的差异。本研究流程图见图 1。

1.2.2 伦理申明

本研究为回顾性研究，经杭州市急救中心伦理审查委员会审查，确认研究者使用受试者信息不涉及个人隐私且无不利影响，同意豁免知情同意（伦理审查编号：HZEMC-2020-01）。

1.3 统计学方法

应用SPSS 25.0统计学软件进行分析。计量资料符合正态分布的，以均数土标准差（x±s）表示，行独立样本t检验或单因素方差分析；计量资料不符合正态分布，以中位数（四分位间距）表示，并行非参数Mann-Whitney U检验；计数资料以n（%）表示，并采用χ²检验或Fisher精确检验。使用Logistic多元回归分析影响因素的效果，以P＜0.05为差异有统计学意义。

2 结果

2020年1月至2021年6月期间由杭州市急救中心急救医生诊断疑似脑卒中为2 551例。经过筛选，最终共有2 182例被纳入分析，其中使用后组803例，使用前组1 379例，见图3。在纳入的病例中，年龄（73±14）岁。

在救治能力方面，使用后组较使用前组在CG-FAST量表使用率（82.8% vs. 20.6%，P＜0.001）、血糖检测率（19.9% vs. 16.1%，P=0.023）、静脉开通率（17.7% vs. 12.8%, P=0.002）、预通知率（73.7% vs. 52.3%，P＜0.001）、心电检查率（26.0% vs. 20.7%，P=0.004）均较高，二次转送医院的比率（5.5% vs. 9.3%, P=0.014）则更低。在卒中识别能力方面，使用后组急救医生脑卒中诊断的阳性预测值（61.9% vs. 50.7%, P＜0.001）、敏感度（43.3% vs. 30.1%，P＜0.001）均高于使用前组。见表 1。

采用Logistic回归分析二次转送医院和患者一般情况如年龄、性别、高血压病史、糖尿病史、脑卒中病史、心脏疾病史和CG-FAST分值之间的关系，见表 2。以向后步进法作为自变量筛选方法，对于二次转送医院的结果，Logistic多元回归统计显示心脏疾病史、中风病史、糖尿病史、高血压病史、性别、年龄均不是决定患者二次转送的影响因素（P > 0.05），见表 3。进一步分析回归结果，对于CG-FAST分值为3分和4分时，明显增加二次转送的可能性；同样，患者为使用前组和患者病情为危重时，明显增加卒中患者二次转送的比例，见表 4。

3 讨论

为快速识别卒中和AIS-LVO、改善患者预后、有效实现卒中患者正确分流等目的，中心优化了脑卒中院前急救智能平台。结果显示，急救医生卒中量表使用率从20.6%显著提高到了82.8%，识别准确率也有了明显提升。这可能除了CG-FAST操作简单易于记忆以外，还与优化后的智能平台对CG-FAST量表独立设置录入窗口，操作更简便，急救医生使用依从度大幅提升有关。CG-FAST对AIS-LVO具有较好的识别能力，评分3分以下的患者考虑为无大动脉闭塞的风险，而评分在3分以上的患者，则可能存在大动脉闭塞风险。大血管闭塞辅助筛查量表的统一使用有助于卒中临床识别，促进有效分流并改善向具有血管内治疗能力的高级卒中中心的转运决策 ^[13-14]。根据患者病情危重程度精准选择医院以尽量避免二次转送，可以依靠信息化技术在短时间内作出决策与推荐，最大程度减少院前延误^[15-19]。

本研究显示CG-FAST 3分及4分、病情危重程度是患者二次转送的独立影响因素，而患者既往的心脏疾病史，中风病史、糖尿病史、高血压病史、性别、年龄都不是决定患者二次转送的影响因素。进一步说明大血管闭塞识别与准确转送医院的重要性。因此，将该卒中量表作为智能平台的一项重点内容来建设无疑是非常正确的。

脑卒中患者在转诊过程中通常会遇到延误，特别是那些需要血管内治疗的大血管闭塞患者^[20-21]。急救医生在决定转送医院时，必须考虑病情严重程度、转送时间、目标医院的治疗时间和距离等因素，而在现场短时间内掌握这些相关数据做出转送医院的正确决策具有较大难度，尤其是对于医院派遣的非专职急救医生难度更大。使用算法来计算和排序“在途转送时间+医院DNT”，并根据大血管闭塞评分系统推荐医院列表的智能平台能够帮助急救医生和家属快速选择最佳转送方案，从而提高转送的精准性，减少错误转送，减少救治延误具有重要意义，也必然提高急救医生对该类平台使用的依从度。本研究显示使用脑卒中院前急救智能平台后，二次转院率明显下降，有效减少了脑卒中患者的救治延误。

构建智能化信息管理平台，实现实时录入卒中患者数据、智能辅助作出送院决策、院前院内信息共享等功能，可以提升卒中质控管理的效能^[23]。脑卒中急救智能平台系统能收集卒中救治的关键时间点和相关信息，建立卒中数据库，提高急救人员对卒中的识别和转送准确性，促进院前院后工作的持续改进和质量控制[24]。该系统具有质量跟踪功能，便于管理者进行动态监管，并能快速反馈质控结果给急救医生，从而规范救治行为。本研究发现，使用智能平台后，除卒中量表以外，其他关键指标如血糖检测、静脉开通、预通知及心电检查的实施比例也显著提升，充分说明了智能平台在质量监管方面的有效性和可行性。

准确识别、精准转送、预先通知、规范救治是脑卒中生存链院前医疗急救的关键环节，实施水平的高低将直接决定卒中预后。本研究显示脑卒中院前急救智能平台系统在急救医生卒中识别、大动脉闭塞筛查、到院前预通知、规范救治、二次转送等方面具有明显的改善作用，实现了对卒中院前急救关键环节能力的明显提升，值得推广应用。

本研究的主要不足在于患者院内临床数据的严重缺失，尤其是各参与医院在卒中患者的管理、诊治和数据记录方面差异有统计学意义。这不仅限制了研究病例的数量，还导致一些观察指标因数据不足而被舍弃。未来的研究设计需要对此进行改进。

利益冲突  所有作者声明无利益冲突。

作者贡献声明  张军根、杨逢露、钟晚思：研究设计、实施研究、论文撰写；王建岗、唐春福：数据收集及整理、统计学分析；陈智才：论文修改