新冠肺炎疫情背景下一种新型重症监护室转入率预测模型的研究

刘亚梅 田龙 王晨宇

在抗击新冠肺炎疫情期间［1-3］，部分医疗机构暴露出存在的潜在问题，即重症监护室（intensive care unit，ICU）病床数量暂时无法完全满足激增的高危新冠肺炎感染患者的要求。特别是在未感染或非高危新冠肺炎感染的急重症患者数量未显著减少的情况下，ICU床位的紧张尤为突出。因此，本试验创建了一种新型的ICU转入率预测模型，以期为解决上述问题和未来抗击疫情提供参考。

1 资料与方法

1.1 患者与分组 选取2 339例2022年10月至2023年2月收治于河北北方学院附属第一医院的急重症患者为研究对象。经筛选后共获得符合标准的患者1 000例，采用中央随机系统分配法将患者分为ICU转入率预测模型训练组（n=500）和验证组（n=500）。本试验通过医院伦理委员会批准（批准号：W20221001），患者入组前均签署知情同意书。

1.2 纳入与排除标准 纳入标准：①年龄≥18岁；②入院时查体为未感染或非高危新冠肺炎感染且住院期间新冠肺炎得到良好控制；③卡氏功能状态评分（Karnofsky score，KPS）≥60分；④基线资料完整且能够配合试验。排除标准：①入院时查体为高危新冠肺炎感染且病情难以控制，直接转入ICU；②恶性肿瘤相关。

1.3 方法

1.3.1 基线资料收集 收集到的患者基线资料分为4类：①一般资料，年龄、性别、KPS、身体质量指数（body mass index，BMI）、查尔森合并症指数（charlson comorbidity index，CCI）、吸烟史、饮酒史。②基础疾病：精神疾病、心脏疾病、血管疾病、凝血功能障碍、肝脏疾病、肾脏疾病、肺结核、高血压、糖尿病。③创伤：头部骨折、椎体（颈椎、胸椎、腰椎）骨折、胸部骨折、盆部骨折、上肢骨折、下肢骨折、脑损伤、气血胸、肝损伤、胰损伤、肾损伤、肠道损伤、膀胱损伤。④大型手术：神经系统手术、内分泌系统手术、循环系统手术、呼吸系统手术、胃肠系统手术、肝胆系统手术、泌尿系统手术、生殖系统手术。上述基线资料来源于两方面，一方面是临床和护理经验的总结，一方面参考了国外相关研究并补充［10］。将基线资料制成表格后，由护理人员根据患者情况勾选备用。训练组同验证组基线资料比较差异均无统计学意义，对试验结果无影响。

1.3.2 模型创建与验证 模型创建：对训练组患者行logistic回归分析其转入ICU的独立风险因素并计算其回归系数β。取具有统计学意义的各独立风险因素的β值四舍五入后的近似值为对应的ICU转入评分［10］，创建基线资料同ICU转入率之间的广义线性回归预测模型。模型验证：统计验证组各个ICU转入总评分患者群体的基线资料，将其代入模型预测各个ICU转入总评分患者群体的转入率。最后，比较验证组的预测同实际ICU转入率以验证模型的科学性。

1.4 统计学方法 使用SPSS 19.0软件进行统计分析，计数资料以百分比描述，组间比较采用χ2检验；采用logistic回归分析患者转入ICU的风险因素，绘制受试者工作特征（receiver operating characteristic，ROC）曲线，计算ROC曲线下面积（area under curve，AUC）以评价模型预测价值；相关性分析采用Pearson法，一致性分析采用Bland-Altman法。以P＜0.05为差异有统计学意义。

2 结果

2.1 训练组患者基线资料差异单因素分析 训练组共56例患者转入ICU，转入率为11.20%，基线资料单因素差异性分析共确定了22项具有统计学意义的因素，其中一般资料（除性别、KPS、BMI和CCI外）3项，基础疾病（除肺结核、糖尿病外）7项，创伤（除头部、胸椎、腰椎、上肢骨折和肝、胰、肾损伤外）8项，大型手术（除神经系统、内分泌系统、循环系统和生殖系统手术外）4项。见表1～4。

表1 训练组患者一般资料单因素差异性分析[例（%）]

表2 训练组患者基础疾病单因素差异性分析[例（%）]

表3 训练组患者创伤单因素差异性分析[例（%）]

表4 训练组患者大型手术单因素差异性分析[例（%）]

2.2 训练组患者转入ICU风险的多因素logistic回归分析 根据单因素分析结果，选取两组间差异有统计学意义的因素［年龄、吸烟史、饮酒史、精神疾病、心脏疾病、血管疾病、凝血功能障碍、肝脏疾病、肾脏疾病、高血压、颈椎骨折、胸部骨折、盆部骨折、下肢骨折、脑损伤、气血胸、肠道损伤、膀胱损伤、呼吸系统手术、胃肠系统手术、肝胆系统手术、泌尿系统手术以（＜60岁或无＝0，≥60岁或有＝1）赋值］作为自变量，以是否转入ICU（未转入＝0，转入＝1）作为因变量，进行二分类多因素logistic逐步回归分析。结果显示，除精神疾病、盆部骨折、泌尿系统手术外，其他19个因素均是转入ICU的独立风险因素（P＜0.05）。见表5。

表5 训练组患者转入ICU风险的多因素logistic回归分析

2.3 受试者工作特征曲线绘制 以转入ICU为状态变量，以各个独立风险因素为检验变量，绘制和计算了各个独立风险因素单独预测的ROC和AUC。以转入ICU为状态变量，以根据多因素logistic回归分析19项独立风险因素生成的该模型下的预测值为检验变量，绘制和计算了联合预测的ROC和AUC。图1中两组联合预测均具有较为理想的效能，训练组模型联合预测AUC：0.925，95%CI：0.890～0.957，灵敏度：84.61%，特异性：90.72%；验证组模型联合预测AUC：0.896，95%CI：0.852～0.931，灵敏度：81.02%，特异性：88.52%。表6中训练组联合预测效能优于单独预测，验证组结果同前者一致。

图1 模型联合预测ROC曲线

表6 训练组模型联合预测同单一自变量预测的比较

2.4 模型验证 验证组患者共分为11个ICU转入总评分群体，每个群体对应的预测同实际ICU转入人数（率）差异较小（表7），预测同实际ICU转入人数最大差异为2分组的2人，差异占比为2.13%（2∕94）。预测同实际ICU转入率呈高度正相关，相关性系数为0.986。预测同实际ICU转入率之间一致性良好（图2），仅一点落于95%一致性界限之外（其中长虚线为Bias线，短虚线分别为95%一致性上、下界限，实线指纵坐标原点，横坐标100%处对应了两个点）。

图2 预测同实际ICU转入率一致性分析

表7 验证组预测同实际结果比较

3 讨论

新冠肺炎疫情期间，部分医疗机构出现大量未感染或非高危新冠肺炎感染的急重症患者无法转入ICU的情况，造成了一定的生命和财产损失。因此，一种科学的预测急重症患者ICU转入率的方法十分重要。准确的预测结果对合理调配医护资源和今后的抗击疫情具有重要意义。本试验首先基于训练组患者基线资料创建了一种新型ICU转入率预测模型，发现模型预测效能良好，可用于患者群体ICU转入率的预测。之后，比较了验证组患者的预测和实际结果，发现模型具有一定科学性且预测结果较为准确，可为相应的医疗决策提供一定参考。

相比国内其他预测ICU转入率的研究，本试验具有一定优势。其他研究通常基于危重症评分量表，例如改良早期预警评分（modified early warning score，MEWS）［11-13］和急性生理学与慢性健康状况评分系统Ⅱ（acute physiology and chronic health evaluationⅡ，APCHEⅡ）［14-16］预测ICU转入。相比其他研究，本试验的优势在于：①自适应的“逆向”预测。其他方法大多为“正向”的，基于既成评分系统对患者ICU转入率进行预测，较为刻板。本试验建立了一种“逆向”的自适应评分系统，即从患者自身出发，根据群体特征赋予各因素分值，较为灵活。不同医疗机构和患者群体获得的分值可能不同，具有一定自适应性。②样本量更大。本试验通过1 000例患者获得的结果更加科学。③样本来源更广。多数研究患者均来源于单一科室，例如游津等［17］对产科患者进行了预测，黄文龙等［18］对急诊患者进行了预测，黎巧玲等［19］对脑卒中患者进行了预测。而经历本次疫情发现，在医护资源突然失衡的情况下，大量急重症患者涌入医疗机构各个科室［20］，无法就单一科室患者进行研究。本试验设计初衷即面对全院所有急重症患者，试验结果也有利于统筹规划。④评分量表内容更丰富和新颖。本试验评分量表内容综合了多年经验和国外最新相关研究内容，包含了导致ICU转入的大部分因素。NEWS和APCHEⅡ等评分量表已沿用多年，内容较为单一。⑤结果更具有价值。大部分基于NEWS和APCHEⅡ等评分量表的研究仅提供了AUC、灵敏度、特异性等结果。本试验不仅给出了上述结果，还精确到了患者人数，为ICU床位和医护人员的调配提供了更有价值的参考。⑥结果更实用。本试验对急重症患者按照ICU转入总评分进行了划分，预测了不同人群的ICU转入率，这在医疗压力巨大时非常重要。医疗机构可根据ICU转入总评分和对应的转入率优先考虑转入需求最大的群体。

相比国外预测ICU转入率的相似研究，本试验进行了一定改良。Prado等［10］等同样基于logistic回归分析创建了ICU转入率预测模型，并取具有统计学意义的各独立风险因素比值比（odds ratio，OR）四舍五入后的近似值为对应的ICU转入评分，最终获得了较为理想的结果。本试验对Prado等研究进行了批判性分析，发现采用OR近似值可能不合适。采用β近似值更能体现各独立风险因素的特点，及其对整个模型结果的影响。另外，Prado等对模型进行了简化，存在较大误差。本试验执行了完整的计算过程，从而保证了结果的准确性。

综上所述，本试验通过评价ICU转入率预测模型，证明了模型应用的可行性；通过验证模型和比较预测结果，证明了模型应用的科学性。本试验为ICU转入率的预测提供了新的理论和方法参考，对合理调配医疗资源和今后的抗击疫情具有重要意义。然而，本试验存在一定局限和改进：①样本量有严格的限制。本试验要求样本量须＞145且≤500。当样本量低于145时会得到负数结果而造成预测错误，当样本量超过500时会造成一定预测误差。建议医疗机构根据实际情况创建自适应预测模型；②未来需量化β近似处理后误差对试验结果可能造成的影响，同时深入研究并比较OR和β近似值优劣以选取最合适的评分参数。