2 浙江大学医学院附属第二医院急诊监护室,杭州 310009;
3 浙江大学医学院附属第二医院心血管内科,杭州 310009;
4 浙江大学医学院附属第二医院临床医学工程部,杭州310009;
5 浙江大学医学院附属第二医院医务部, 杭州 310009;
6 浙江大学医学院附属第二医院护理部, 杭州 310009
重症监护室(ICU)是心胸外科术后患者治疗的重要场所,在重症患者救治中发挥重要作用。部分心胸外科术后患者在经ICU治疗转入普通病房后,因病情变化需要再次转入ICU治疗,即发生非计划性ICU重回。非计划性ICU重回是临床医疗过程中的严重不良事件,其与患者病死率、残疾率增加,住院周期延长,患者经济负担加重密切相关[1-2]。国内外研究结果提示,ICU重回率为1.3%~13.7%[3-4]。呼吸相关并发症是导致心胸外科术后患者发生ICU重回的最主要原因,约占47.22%[5]。早期筛选识别呼吸相关性ICU重回高风险患者,是预防重回发生的重要举措之一。
2012年美国呼吸治疗协会发布《成人呼吸相关性ICU重回风险评估量表》[6],旨在筛查存在呼吸相关性ICU重回高风险患者。笔者前期对量表进行汉化,在心胸外科术后患者中进行信效度评价[7]。结果发现,由于我国医疗水平及ICU转出标准与发达国家不同,部分条目并不符合我国医疗现状,可能不完全适用于预测我国临床患者呼吸相关性ICU重回风险。因此,临床需要适用于我国医疗现状,可以准确识别ICU重回高风险患者,帮助医务人员选择最佳ICU转出时机的高敏感性客观预测工具。本研究基于《成人呼吸相关性ICU重回风险评估量表》设计调查问卷,筛选心胸外科术后患者呼吸相关性ICU重回高危预测因素,构建呼吸相关性ICU重回预测模型,以期为临床提供具有高准确度、高操作性、易于推广的预测工具。
1 资料与方法 1.1 一般资料选取浙江大学医学院附属第二医院2017年3月1日至2018年2月28日期间所有普胸外科及心脏大血管外科术后首次入住ICU的患者为研究对象。纳入标准:普胸外科及心脏大血管外科术后首次入住ICU的患者。排除标准:年龄 < 18岁;ICU首次入住期间死亡的患者;ICU转出时签署“拒绝复苏知情同意书”的患者;经医生评估不符合ICU转出标准,由于家属要求转出等原因转出ICU的患者;ICU转出后直接出院的患者;拒绝参与本研究的患者。本研究通过浙江大学医学院附属第二医院人体研究伦理委员会批准,批件号为(2020)伦审研第(098)号。
1.2 ICU转入标准重大手术后;急性、可逆、已危及生命的器官或系统功能衰竭,经严格监护和加强治疗短期内可能恢复;存在高危因素,有潜在生命危险,经严密监控和有效治疗可能减少死亡风险。
1.3 ICU转出标准患者原发疾病控制后稳定好转;病情无需ICU连续监护或ICU治疗;生命体征稳定,无需依赖人工支持,循环、呼吸功能保持稳定:①血压 > 90/60 mmHg(1 mmHg=0.133 kPa),心率 > 45次/min且无需血管活性药物维持超过24 h;②呼吸不需要有创机械通气辅助且无呼吸困难,经皮血氧饱和度(SpO2) > 90%超过24 h;③患者病情无可能进展或恶化的因素存在(如未控制的感染、气道安全性不良等)。
1.4 呼吸相关性ICU重回判定标准经重症监护室医生与普胸外科或心脏大血管外科医生共同评估患者符合ICU转出标准转出ICU, 但转出后由于ICU转入疾病相关的呼吸并发症,在同一住院周期内再次转入ICU治疗定义为呼吸相关性ICU重回。
1.5 研究方法 1.5.1 调查工具本研究基于《成人呼吸相关性ICU重回风险评估量表》,结合前期调查及文献回顾结果,初步拟定呼吸相关性ICU重回临床预测因素,并自主设计调查问卷收集患者相关资料。包括性别、年龄、合并症、意识水平、深呼吸、有效咳嗽、咽反射、吸氧体积分数、呼吸频率、心率、收缩压、是否确诊睡眠呼吸暂停综合征、有无接受透析治疗、ICU治疗期间接受机械通气或无创正压通气支持时间是否≥36 h(以下简称通气支持时间)、ICU治疗时间、24 h内最新血气pH值、吸氧状态下动脉血氧分压(PaO2)、SpO2,共18个指标。其中,深呼吸采用肺量计测定患者肺活量观测值与理想肺活量值比较的方法判断。若肺活量观测值≥理想值肺活量值,表示患者可以进行深呼吸,反之则代表不能深呼吸。男性理想肺活量=15×[50+2.3×(身高(英尺)-5)] mL;女性理想肺活量=15×[45.5+2.3×(身高(英尺)-5)] mL(1英尺=30.48 cm)。
1.5.2 资料收集方法所有患者均经手术主刀医生与重症监护室医师共同评估,符合ICU转入标准后转入ICU。由2名研究者担任调查员。收集资料前,由研究者对调查员进行统一化培训,培训内容包括调查目的,沟通技巧,数据收集方式,相关仪器使用方法等。在征得患者或家属同意并签署知情同意书后,在其转出ICU时建立观察记录,由调查员对照问卷内容依次评估并收集相关资料。患者转出ICU后,调查员持续追踪患者同一住院周期内是否发生呼吸相关性ICU重回。重回原因由重症监护室医生与普胸外科或心脏大血管外科医生共同评估,调查员记录并完善患者资料。采取双人交叉核对的方式检查患者资料收集完整性,缺失资料及时补充,最大程度避免数据缺失对模型构建的影响。
1.6 统计学方法采用SPSS 25.0统计软件描述数据,符合正态分布的计量资料采用均数±标准差(Mean±SD)表示;分类资料采用频数(百分率)表示。为避免模型过度拟合,首先采取Lasso回归初步筛选呼吸相关性ICU重回的预测因素。将Lasso回归系数未压缩至零的预测因素进行多因素Logistic回归分析,确定预测因素,建立预测模型。根据模型,采用R软件rms程序包建立呼吸相关性ICU重回预测列线图,计算代表模型判别能力的C指数;通过H-L拟合优度检验以及一致性校准图,对比预测概率与实际观察概率,判断预测模型的校准能力。采用Bootstrap重采法(重采次数为1 000次)对模型进行内部验证,并通过决策曲线分析法(decision curve analysis,DCA)量化阈概率的净获益,判断模型临床有用性。
2 结果 2.1 患者呼吸相关性ICU重回预测因素和ICU重回情况本研究共纳入811例患者,年龄为(57.78±12.49)岁,意识水平均为清醒合作,所有患者转运时均清醒、收缩压 < 90 mmHg或 > 200 mmHg、正接受透析治疗、PaO2 < 88%或SpO2 < 55%等情况。其中23例患者发生呼吸相关性ICU重回,重回率为2.84%。其中,普胸外科ICU转出458例(56.5%),重回8例,重回率为1.75%;心脏大血管外科ICU转出353例(占43.5%),重回15例,重回率为4.25%。重回患者中,男性15例,年龄(63.43±11.17)岁(范围30~77岁)。呼吸相关性ICU重回预测因素统计学描述结果见表 1。
因素 | 例数(%) |
年龄≥60岁 | 349(43) |
男性 | 337(41.6) |
存在合并症 | 312(38.5) |
意识清醒 | 811(100) |
可以深呼吸 | 695(85.8) |
可以有效咳嗽 | 278(34.3) |
存在咽反射 | 811(100) |
吸氧体积分数 > 50% | 432(53.3) |
呼吸频率 < 6次/min或 > 24次/min | 6(0.7) |
心率 < 50次/min或 > 110次/min | 78(9.6) |
确诊睡眠呼吸暂停综合征 | 7(0.9) |
通气支持时间≥36 h | 60(7.4) |
ICU治疗时间 > 2周 | 29(3.6) |
pH < 7.3或 > 7.5 | 53(6.5) |
根据Lasso回归分析结果显示,将包括人口学资料、疾病以及治疗相关的18个变量缩减至11个变量。分别为性别、年龄、有无合并症、深呼吸、有效咳嗽、吸氧体积分数 > 0.50、呼吸频率 < 6次/min或 > 24次/min、心率 < 50次/min或 > 110次/min、通气支持时间≥36 h、ICU治疗时间 > 2周、pH < 7.3或 > 7.5。Lasso回归结果见图 1。
![]() |
A:采用5倍交叉验证方法选择最优参数(Lamda),均方误差随lambda对数的变化趋势图;B:各变量系数随参数Lambda增大逐步压缩到0示意图 图 1 采取Lasso回归筛选呼吸相关性ICU重回预测因素 |
|
根据Lasso回归分析结果,将初步筛选出的11个预测因素纳入Logistic回归模型进行分析。多因素Logistic回归分析结果显示,男性、年龄≥60岁、不能深呼吸、不能有效咳嗽、心率 < 50次/min或 > 110次/min及通气支持时间≥36 h是呼吸相关性ICU重回发生的6大危险预测因素。Logistic回归结果见表 2。
因素 | β值 | S.E值 | Wald值 | OR值(95%CI) | P值 |
男性 | -1.970 | 0.562 | 12.297 | 1.394(4.311~4.015) | < 0.01 |
年龄 | 1.434 | 0.587 | 5.969 | 4.197(1.401~1.453) | 0.015 |
深呼吸 | 2.916 | 1.126 | 6.713 | 1.847(2.976~3.694) | 0.009 |
有效咳嗽 | 1.098 | 0.525 | 4.370 | 2.997(1.098~8.875) | 0.037 |
心率 | 1.452 | 0.619 | 5.500 | 4.274(1.198~1.408) | 0.019 |
通气时间 | 1.469 | 0.577 | 21.659 | 1.469(4.717~4.631) | < 0.01 |
根据Logistic回归结果,呼吸相关性ICU重回预测模型最终纳入性别、年龄、深呼吸、有效咳嗽、心率及通气支持时间6个因素。模型C指数为0.894(95%CI:0.813~0.975),模型ROC曲线见图 2。Bootstrap重采法结果显示,模型内部验证C指数为0.866。上述指标表示模型具有良好区分度,具有良好的预测呼吸相关性ICU重回能力。H-L拟合优度检验结果显示,χ2=8.20,P=0.41,列线图预测的呼吸相关性ICU重回概率与实际观察到的呼吸相关性ICU重回概率间存在良好的一致性,一致性校准图见图 3。
![]() |
图 2 呼吸相关性ICU重回预测模型ROC曲线 |
|
![]() |
图 3 呼吸相关性ICU重回观察概率与实际发生概率校准图 |
|
根据Logistic回归分析结果,通过R软件开发呼吸相关性ICU重回风险预测列线图,结果见图 4。各呼吸相关性ICU重回预测因素对应轴上识别患者每个预测变量的对应点,该对应点相对应的分数轴即为该变量对应得分。各变量对应得分之和即为总分,根据总分得到呼吸相关性ICU重回的预测概率。
![]() |
图 4 呼吸相关性ICU重回风险预测列线图 |
|
呼吸相关性ICU重回列线图决策曲线(图 5)分析结果显示,当患者重回ICU预测概率为0.01~0.65时,使用列线图预测呼吸相关性ICU重回概率并接受干预比“全部患者接受干预”或“全部患者均无干预”计划更加有益。
![]() |
图 5 呼吸相关性ICU重回列线图决策曲线分析 |
|
近年来,国外研究者已经着手于开发ICU重回预测模型,但回顾既往研究[8-11],发现目前仍存在以下三点不足。第一,相关研究大多局限于发达国家,国内仅郝芳芳等[3]针对肝胆胰术后患者构建SICU重回风险预测模型。相比发达国家,流行病学特征不同及ICU转入、转出标准差距等因素均可导致评估发生偏倚,发达国家ICU重回预测模型可能不适用于我国临床评估。我国ICU转出标准要求患者原发疾病控制后稳定好转,生命体征稳定且病情无可能进展[12]。因此,本研究中待转出ICU患者中未见意识不合作、昏迷、收缩压 < 90 mmHg或 > 200 mmHg、接受透析治疗情况,这些变量可能不适用于我国临床预测患者ICU重回概率。第二,既往研究未对重回ICU原因进行分类,各种重回原因混杂。临床对于高ICU重回风险患者往往仅延长其重症监护时间,患者获得针对重回原因的特异性干预措施较少,降低了预测工具临床价值。第三,既往研究大多数为回顾性研究设计[8-9, 11]。回顾性研究数据不利于ICU重回风险预测模型准确性, 从而不适合构建预测模型。且回顾性研究往往存在数据缺失,通过简单地删除数据缺失的患者,将导致预测模型产生严重偏倚[13]。另外,《成人呼吸相关性ICU重回风险评估量表》通过评估患者ICU重回高危因素数量,判断患者是否存在重回风险。但高危因素在重回事件发生中所占风险权重比例并不相同,仅凭借患者高危因素数量无法准确预测ICU重回风险,且量表条目过多,评估繁琐,临床缺乏实用性。
本研究采取前瞻性研究设计,基于《成人呼吸相关性ICU重回风险评估量表》设计调查表,收集患者人口学资料及临床资料,并持续追踪患者在同一住院周期内是否发生ICU重回;采用双人交叉核对方法,最大程度地保证数据完整性,避免缺失数据对预测模型产生的偏倚;采用Lasso回归与Logistic回归分析相结合的方法,筛选呼吸相关性ICU重回高风险预测因素,构建心胸外科术后患者呼吸相关性ICU重回预测模型,并绘制可视化列线图。模型C指数及模型一致性校准图结果显示,本研究呼吸相关性ICU重回预测模型具有良好区分度与一致性,可以准确预测患者呼吸相关性ICU重回风险。
本研究纳入的心胸外科术后首次入住ICU的811例心胸外科术后患者中,23例患者发生呼吸相关性重回,重回率为2.84%。男性、年龄≥60岁、不能深呼吸、不能有效咳嗽、心率 < 50次/min或 > 110次/min及通气支持时间≥36 h是呼吸相关性ICU重回6大高危预测因素。本研究结果显示,男性患者发生呼吸相关性ICU重回概率是女性患者的1.8倍。究其原因,可能与男性患者多有长期吸烟史有关。长期持续的香烟暴露导致小呼吸气道壁重塑,气流不可逆性受限,肺功能受损[14],从而使男性患者更易发生术后呼吸相关性并发症,发生ICU重回。心胸外科手术切口往往大且深,切口疼痛及胸腔负压消失等因素限制患者深呼吸及有效咳嗽,气道分泌物潴留,术后易发生肺部感染及肺不张等并发症。另外,术后长期机械辅助通气可造成膈肌功能下降,不利于患者呼吸功能康复。早期识别患者呼吸相关性ICU重回高危预测因素,临床上即可针对各高危因素制定个体化干预方案,使预测工具临床价值最大化。例如,吸烟患者围手术期应严格戒烟,男性和老年患者术前严格评估肺功能情况;超早期有效镇痛、鼓励患者早期下床,进行深呼吸及有效咳嗽锻炼;对于长期机械通气患者,呼吸治疗团队可早期进行肺康复,采取电刺激膈神经等方式,部分抵消机械通气对膈肌功能的损伤,改善患者肺功能[15]。
通过Logistic回归或Cox回归进行构建预测模型,仅能以数学公式形式呈现,临床推广性差。本研究采取列线图方式,以图形方式简单清晰地展现各变量得分,临床医务人员可以快速得到患者呼吸相关性ICU重回预测概率,实用性强。同时,考虑到预测模型临床应用价值的最重要关注点应放在患者是否有必要接受相关干预措施。C指数与H-L检验结果仅针对模型的准确性,而模型具有高准确性并不代表患者会从中受益。本研究通过DCA,量化不同阈概率的净获益对于权衡患者接受必要的干预和避免不必要的干预具有重要意义,使用列线图预测患者ICU重回风险并接受干预有助于预防患者发生ICU重回,并从中受益。
本研究也存在以下局限性:为单中心研究,采取Bootstrap重采法内部验证方法检验模型准确性,后续研究应收集多中心数据,通过外部验证方法进一步完善模型,推广呼吸相关性ICU重回预测模型的临床应用。
综上所述,本研究构建了符合我国医疗现状的呼吸相关性ICU重回预测模型,绘制可视化列线图,并通过量化净获益率分析模型临床有用性。本研究呼吸相关性ICU重回预测模型具有良好的区分度及一致性,临床医务人员能够准确、快速通过呼吸相关性ICU重回列线图获得重回风险,识别ICU重回高风险患者,帮助临床选择最佳ICU转出时机。
利益冲突 所有作者均声明不存在利益冲突
[1] | Wong EG, Parker AM, Leung DG, et al. Association of severity of illness and intensive care unit readmission: a systematic review[J]. Heart Lung, 2016, 45(1): 3-9.e2. DOI:10.1016/j.hrtlng.2015.10.040 |
[2] | Fathi M, Markazi-Moghaddam N, Ramezankhani A. A systematic review on risk factors associated with Sepsis in patients admitted to intensive care units[J]. Aust Crit Care, 2019, 32(2): 155-164. DOI:10.1016/j.aucc.2018.02.005 |
[3] | 郝芳芳, 柳文娟, 林辉, 等. 肝胆胰术后患者非计划重返SICU的危险因素及预测模型[J]. 中华危重病急救医学, 2019, 31(3): 350-354. DOI:10.3760/cma.j.issn.2095-4352.2019.03.018 |
[4] | Elliott M, Worrall-Carter L, Page KR. Intensive care readmission: a contemporary review of the literature[J]. Intensive Crit Care Nurs, 2014, 30(3): 121-137. DOI:10.1016/j.iccn.2013.10.005 |
[5] | Palmisano F, Boeri L, Fontana M, et al. Incidence and predictors of readmission within 30 days of transurethral resection of the prostate: a single center European experience[J]. Sci Rep, 2018, 8: 6575. DOI:10.1038/s41598-018-25069-5 |
[6] | American Association for Respiratory Care. Adult Risk Assessment Checklist. [EB/OL]. https://www.aarc.org/resources/clinical-resources/patient-safety-checklist. |
[7] | 徐剑锋, 毛越, 郭芝廷, 等. 心胸外科术后患者呼吸相关性ICU重回风险预测研究[J]. 中华急诊医学杂志, 2020, 29(2): 287-289. DOI:10.3760/cma.j.issn.1671-0282.2020.02.0035 |
[8] | Badawi O, Breslow MJ. Readmissions and death after ICU discharge: development and validation of two predictive models[J]. PLoS One, 2012, 7(11): e48758. DOI:10.1371/journal.pone.0048758 |
[9] | Fialho AS, Cismondi F, Vieira SM, et al. Data mining using clinical physiology at discharge to predict ICU readmissions[J]. Expert Syst Appl, 2012, 39(18): 13158-13165. DOI:10.1016/j.eswa.2012.05.086 |
[10] | Frost SA, Tam V, Alexandrou E, et al. Readmission to intensive care: development of a nomogram for individualising risk[J]. Crit Care Resusc, 2010, 12(2): 83-89. |
[11] | Jo YS, Lee YJ, Park JS, et al. Readmission to medical intensive care units: risk factors and prediction[J]. Yonsei Med J, 2015, 56(2): 543. DOI:10.3349/ymj.2015.56.2.543 |
[12] | 高友山. 实用重症医学[M]. 北京: 人民军医出版社, 2010. |
[13] | Moons KGM, Altman DG, Reitsma JB, et al. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): explanation and elaboration[J]. Ann Intern Med, 2015, 162(1): W1. DOI:10.7326/m14-0698 |
[14] | 刘又宁. 历时70年的研究再次告诉我们:慢性阻塞性肺疾病确与生活环境有关[J]. 中华结核和呼吸杂志, 2019, 42(1): 1. DOI:10.3760/cma.j.issn.1001-0939.2019.01.001 |
[15] | 安广浩, 陈淼, 詹文锋, 等. 电刺激膈神经逆转机械通气诱导膈肌功能不全影响的研究[J]. 中华结核和呼吸杂志, 2018, 41(2): 111-115. DOI:10.3760/cma.j.issn.1001-0939.2018.02.008 |