基于决策树构建急诊创伤患者低体温早期预警模型及验证

梅润,何乾峰,徐璐瑶,苑静,何佩瑶,商瑜瑜,卫攀,张俊

(1.空军军医大学第二附属医院 急诊科,陕西 西安 710038;2.前海人寿西安医院 护理部, 陕西 西安 710024;3.西安国际医学中心医院 神经外科, 陕西 西安 710018;4.陕西省武警总队医院 门诊部,陕西 西安 710054;5.空军军医大学第二附属医院 护理部;6.空军军医大学第二附属医院 门诊部)

低体温被认为是创伤者 “致死三联征”之一,发病率在10%～66%[1-2],可引起患者内环境紊乱,导致预后差并增加死亡风险,故早期对创伤后患者低体温进行准确鉴别显得尤为重要。鉴于低体温对创伤患者所造成的严重影响,国外指南[3]强调要积极有效预防和治疗创伤患者低体温,准确预测低体温的发生,以为其护理干预提供依据。目前现有的低体温预测工具有客观判断量表瑞士低温分期模型[4]、主观判断量表冷不适量表[5],但均存在一定局限性,如预测体温与实际体温偏差较大、无法用于预测无意识患者及不能体现因素间的相互作用。决策树是机器学习算法与数据挖掘技术中较为常用的多特征分类技术,能较好地对纳入指标的重要性进行排序,筛选出主要影响因素并进行综合分析,从而实现对研究对象准确预测[6-7]。本研究基于决策树构建急诊创伤患者低体温早期预警模型,旨在为急诊科医护人员提供一种准确、直观的早期预警模型。

1 对象与方法

1.1 研究对象 采用便利抽样法,回顾性选取2020年5月至2021年4月某院急诊抢救室的急诊创伤患者376例为研究对象。纳入标准：(1)急性创伤患者;(2)年龄≥18岁。排除标准：(1)已发生低体温;(2)伴有低血糖、营养不良等易发生低体温疾病;(3)伴慢性心脏病、消耗性疾病;(4)接受亚低温治疗;(5)急诊室滞留时间<3 h。样本量计算采用Kendall样本量计算法及R语言分析多因素回归模型各组样本量[8],考虑到15%～20%样本流失,本研究样本量约为292～406例。本研究已获得研究所在医院伦理委员会批准(TDLL-第202301-02号)。

1.2 研究方法

1.2.1 资料收集内容 主要收集内容：(1)基本信息,即患者年龄、性别、呼吸频率、心率、收缩压、舒张压、血氧饱和度等。(2)创伤与院前救治状况,即患者的受伤性质、休克指数(shock index,SI)、是否夜间受伤、受伤环境温度、救护车到达现场所用时间、救护车送达医院所用时间、是否有衣物潮湿、院前是否进行输液、院前是气管插管、入室时是否休克、创伤程度、创伤后的反应程度等。其中创伤程度采用由Baker等[9]于1974年推出的创伤严重程度评分量表(injury severity score,ISS)评估,内容包括面部、头颈部、头颈部、腹部、胸部、四肢及体表6个部位,采用6级评分法,<5分为轻伤,5～16分为中伤,17～25分为重伤,>25分为严重伤;创伤后的反应程度采用Champion等[10]于1989年修正的创伤评分(revised trauma score,RTS)评估,内容包含格拉斯哥昏迷评分、收缩压和呼吸3个变量(0～4分,4 分为正常值)进行加权即为RTS 值,RTS 取值为0.00～7.84分,其中0～4分为重度伤,分值越高即预后越好。

1.2.2 资料收集方法 登录医院电子病例系统收集患者相关临床资料。为保证数据尽可能一致,由本研究2名具有护师及以上职称且在急诊科工作5年以上护理经验者参与科研集中培训,培训内容包括研究内容介绍、研究实施计划,病例收集表的填写及相关资料填写规范化。培训结束后,统一进行考核,考核合格者方能参与调查。

1.2.3 结局变量 结局变量以急诊创伤患者是否出现低体温。研究使用红外耳温计(美国伟伦博朗,Pro 6000型)测量创伤患者的体温。入组患者均从入院开始,每15 min测量1次体温,记录至患者入院24 h。当患者出现体温<36℃即表示患者创伤后出现了低体温,并将其纳入低体温组,反之,体温≥36℃则为体温正常并纳为体温正常组[11]。

1.2.4 数据预处理 按照机器学习设置,将入选患者以3∶1比例随机分为训练集(284例)和验证集(92例),随机方法采用R语言的sample函数来划分。

2 结果

2.1 不同特征患者低体温发生情况比较 376例急性创伤患者的实际体温测量发现低体温117例(31.12%),体温正常259例(68.88%)。低体温组的RTS、SI、受伤时环境温度、衣物潮湿、入室时休克与体温正常组比较,差异有统计学意义(P<0.05)。见表1(无统计学意义项目略)。

2.2 预测急诊创伤患者发生低体温的决策树模型 决策树共有5层,共9个节点,5个终节点,筛选出的影响因素主要有入室时休克、RTS评分、受伤时环境温度和衣物潮湿,其中入室时休克是决策树的根节点,其次影响因素为RTS评分,当入室时休克RTS评分<4分,患者发生低体温占比为13.00%;受伤时环境温度≤8℃、衣物潮湿在决策树底层,对于急诊创伤低体温的影响相对较弱。见表2。

2.3 决策树模型的预测效果 训练集ROC曲线 曲线下面积(area under curve,AUC)为0.704(95%CI：0.641～0.766),灵敏度为86.00%,特异度为50.60%(见图1a)。验证集的AUC为0.681(95%CI：0.576～0.786),灵敏度为84.10%,特异度为50.00%(见图1b)。

表1 不同特征患者低体温发生情况比较

表2 决策树模型分类规则

图1 模型预测急诊创伤患者低体温风险的ROC曲线(训练集a,验证集b)

3 讨论

3.1 低体温评估工具现状 核心温度的测量是准确判断低体温严重程度的“金标准”[12]。国外指南推荐以瑞士低温分期模型来预测体温分期,并采取复温等相应措施可解决核心体温难以测量情况[4]。但瑞士低温分期模型过于简单,仅考虑患者当时的状况,未考虑病情的进展性及其潜在影响因素,且该模型多应用于意外低体温患者,对创伤患者缺乏特异性。有学者[5]开发了冷不适量表,并表示要注重患者的主观感受,但该量表仅适用于有意识的患者,且研究是在模拟状态下进行的信效度检验,考虑到临床混杂因素的影响,有待进一步检验。此外还有一些创伤严重量表,如ISS,尽管研究发现低体温的发生与ISS显著相关,但这类量表用于评估患者创伤情况对低体温发生与进展缺乏准确性与合理性[13]。数据挖掘方法能为临床提供有价值的信息,针对复杂的医学数据,决策树算法在提取信息方面彰显了较大的优势。其可解释各因素对结果变量的重要程度,并以树形图形式直观呈现,便于临床护理人员识别高危人群,制定个体化综合干预方案[14-15],且构建过程不受变量间共线性影响,并可同时处理常规型与数据型属性,展现各因素间的交互作用。

3.2 急诊创伤低体温发生的影响因素及护理工作指导 本研究纳入的376例急性创伤患者的低体温发生率为31.12%(117/376),与相关文献[1]报道一致。通过决策树CART算法筛选出的影响因素主要有入室时休克、RTS评分、受伤时环境温度和衣物潮湿,其中入室时休克是决策树的根节点,说明入室时休克与急诊创伤患者发生低体温的关联性最强,在临床决策中可优先考虑。次级影响因素为RTS评分,当入室时休克,RTS评分<4分,患者发生低体温占比为13%;受伤时环境温度≤8℃、衣物潮湿在决策树底层,对于急诊创伤低体温的影响相对较弱。分析为：入室时休克的患者多伴有不同程度意识障碍,下丘脑体温调节中枢更易受到创伤刺激的影响,抑制了机体的产热反应[16]。研究[16]发现,RTS评分是创伤患者发生低体温最重要的危险因素,发生低体温患者RTS评分均为10分,与刘力行等[17]研究结果相似,且其结果显示RTS评分每降低1分,患者发生低体温的概率将增高0.643倍。Forristal等[19]发现与低温相关风险因素还有更冷的室外温度等,其低体温组的平均环境温度为8℃。Weuster等[20]在研究多发性创伤患者意外低温中发现,环境低温是创伤低体温的风险因素,并发现入急诊室时患者发生休克也和低体温有关。研究[21-23]显示,急救车到达现场时,发生低体温的患者中有19%处于潮湿状态,30%未穿衣服,67%卧于地上,并提到当患者处于潮湿状态时低体温发生风险至少增加2倍。因此,医护人员应重点评估患者创伤严重程度、注意患者现场救治情况,且救护车内配备好保暖用具,依据患者的病情制订初步救治计划,并予以相应的处理,如辅助呼吸、更换污染与潮湿衣服、止血与抗休克等,在转运过程中输液、注意保温。

3.3 急诊创伤低体温决策树预测模型的预测效能 本研究采用ROC曲线评估决策树模型预测效果,结果发现,验证集与训练集结果相似,AUC分别为0.681、0.704,灵敏度分别为84.10%、86.00%,说明该模型检测出低体温者的能力较高;但特异度仅为50.00%和50.60%,说明该模型正确地判定体温正常者的能力偏低。考虑可能为本研究样本量来源单一,加上患者可能伴有其他合并症,这就可能会导致所要筛查的疾病结果不够“特异”地针对低体温,从而特异度偏低。基于决策树模型的可视化图片,可方便临床医护人员根据患者的临床指标将其区分为有低体温风险者或体温正常者[24]。

4 小结

本研究基于入室时休克、RTS评分、受伤时环境温度和衣物潮湿构建决策树模型能有效预测急诊创伤低体温风险。但本研究为单中心的回顾性研究,进行模型建立与验证的样本来源单一,代表较局限,期待今后多中心研究,为医务人员提供更为完善且可靠风险筛查模型。