重症患儿转诊死亡风险模型的构建与实践

陈亮 李佳蓉 肖兰兰 袁远宏

高质量的紧急医疗系统，包括转诊和转诊到适当的医疗机构，是医院运转良好的关键组成部分[1]。然而，即使在紧急医疗系统发达的情况下，寻求医疗服务、诊断和三级医疗转诊的累积延迟也会导致婴幼儿发病率和死亡率的增加[2]。大多数重症患儿的死亡是可以避免的，提供优质的医疗资源和高水平的医疗技术干预就可以预防和治疗，因此医院转诊对重症患儿的治疗和预后十分重要[3]。但是有研究表明，患儿在转诊期间面临着很多潜在的影响因素，可能会加剧患儿的死亡风险，确保重症患儿转诊后的生存率已经成为最关键的干预措施[4]。儿科重症监护病房（PICU）患儿的转诊死亡率可超过50%，考虑到这些患儿疾病严重程度的差异和潜在的高转诊病死率，需要建立早期预测重症患儿转诊死亡风险的模型，并能够根据风险模型对重症患儿进行死亡风险分级[5]。然而，虽然目前已经开展了几项关于风险预测模型的研究，但关于重症患儿死亡风险，特别是转诊死亡风险的研究较少[6-7]。所以本研究在调查重症患儿转诊死亡的危险因素的基础上，构建重症患儿转诊死亡风险预测模型，为临床早期预测转诊死亡风险提供参考。

1 对象与方法

1.1 研究对象

选取医院在2022 年1—12 月收治的从外院转诊至本院的重症患儿204 例为研究对象，将其中转入本院后1 周死亡的23 例患儿为死亡组，存活的181 例患儿为生存组，基本情况描述见表1。本研究获得本院伦理委员会的许可（编号：HCHLL-2022-108），所有参与研究的家长都签署了书面知情同意书。

表1 不同特征的重症患儿转诊死亡的单因素分析（n=204）

（1）纳入条件：符合儿童重症监护室的收治标准；患儿年龄1～18 岁；患儿及其照顾者具有正常的认知和沟通能力。

（2）排除条件：转诊途中死亡的患儿；≤28 d 的新生儿；患儿及其照顾者主观意愿上不配合，依从性不佳；临床资料不完整的患儿。

1.2 资料收集

资料内容包括患儿性别、年龄、手术史、外伤史、转院前科室、转院前住院天数、转院级别、转院距离、血糖水平、营养不良、原发病、机械通气、严重脱水和专业转诊团队等。其中低血糖水平根据儿童血糖标准进行划分，当较大婴儿和儿童空腹血糖＜2.8 mmol/L[8]；重症患儿营养不良的临床判断为：存在明显的严重消瘦、双侧凹陷性水肿、上臂中围＜11.5 cm[9]。

1.3 数据分析方法

采用SPSS 25.0 统计软件进行数据分析处理，符合正态分布的计量资料采用“均值±标准差”进行描述。单因素分析时，组间均数比较采用t检验或单因素χ2检验；多因素分析采用Logistic 回归模型，分析影响重症患儿转诊死亡的因素。使用受试者工作特征曲线（receiver operating characteristic curve,ROC）评估死亡模型的效度。以P＜0.05 为差异有统计学意义。

2 结果

2.1 重症患儿转诊死亡的单因素分析

不同特征的重症患儿转诊死亡的单因素分析结果，见表1。生存组与死亡组患儿之间血糖水平、营养不良、严重脱水和专业转诊团队比较，差异有统计学意义（P＜0.05）。

2.2 重症患儿转诊死亡的多因素Logistic 回归分析

以单因素分析中有统计学意义的变量为自变量，以重症患儿转诊死亡发生情况为因变量，进行多因素Logistic 回归分析，自变量赋值方式见表2。分析结果显示，低血糖、营养不良、严重脱水和专业转诊团队是重症患儿转诊死亡的主要影响因素（P＜0.05），见表3。

表2 自变量赋值方式

表3 重症患儿转诊死亡影响因素的回归分析结果

2.3 重症患儿转诊死亡风险模型与效能评价

根据多因素Logistic 回归分析，筛选出重症患儿转诊发生死亡的独立影响因素并以此构建重症患儿转诊死亡风险模型：Y=2.022+1.497 低血糖+1.587营养不良+10.392 严重脱水-2.366 专业转诊团队（各因素赋值见表2）。该模型的ROC 曲线下面积（AUC）为0.899（95%CI：0.806～0.975），表明具有一定的预测效能，见图1。模型的预测结果见表表4，结果显示，模型预测的灵敏度和特异度均较高，表明模型预测结果具有较高的真实性，并且预测结果与实际结果具有非常高的一致性，表明预测模型具有临床应用价值。

图1 采用ROC 曲线评价转诊死亡风险评分系统

表4 重症患儿转诊死亡风险模型的预测效果

3 讨论

3.1 死亡预测模型的建立

在医疗系统不发达的地方，如果儿童不能及时获得高质量、适当的护理，肺炎等疾病可能危及生命[10]。重症患儿需要更多的重症监护和医疗资源，并面临更大的死亡风险[11]。在这些情况下，我们需要进一步研究重症患儿转诊死亡的影响因素，以确定需要改进的领域，通过建立死亡预测模型降低病死率。目前已经建立了很多风险预测模型，Laguna-GoyaR开发了一个风险模型，可以早期识别具有致命结果高风险的患者[12]。许颖等[13]通过肺炎风险预测模型可以早期确定预后因素和死亡高风险患者群体，有助于指导医疗决策、规划医院资源（包括重症监护），并降低这种新感染的致死率。此外，一个新的机器学习模型表明，年龄水平、身体质量指数（Body Mass Index,BMI）、血尿素氮和血乳酸水平可以提前预测创伤合并急性呼吸窘迫综合征患者的病死率[14]。有研究使用一种新的方法来评估BMI 与病死率之间的关系，通过使用基于多种临床特征（包括合并症）的风险模型来定义基线死亡风险，并使用BMI 分类并作为连续变量来分析这种死亡风险与BMI 之间的关系[15]。以上研究的模型均取得了较好的风险预测效果，本研究也建立了重症患儿转诊死亡预测模型。

本研究发现血糖水平、营养不良、严重脱水和专业转诊团队是影响重症患儿转诊死亡的主要因素。

3.2 血糖水平对重症患儿转诊死亡的影响

目前很多研究发现，低血糖可能是疾病严重程度和身体生理机能衰竭的标志，并且表明重症患儿面临着死亡威胁，这与我们的研究是一致的[16]。研究表明，低血糖本身可能是导致死亡的一个因素，出现低血糖或低血糖的重症患儿应优先治疗，早期给糖，防止血糖进一步下降，以降低病死率[17]。之前其开展的相关研究也报告了低血糖与住院病死率以及24 h 病死率之间的关系[18]。

3.3 严重营养不良对重症患儿转诊死亡的影响

此外有研究发现，严重营养不良被证明是住院死亡和最初24 h 内死亡的危险因素[19]。我们的研究也发现严重营养不良的重症患儿面临的转诊死亡威胁处于较高水平。严重营养不良使疾病表现复杂化，通常与多种合并症有关，严重营养不良儿童早期死亡的风险很高，需要在入院时就优先考虑并稳定严重营养不良儿童的病情。严重急性营养不良已被广泛研究，并在其他研究中被认为是死亡和24 h病死率的危险因素[20]。

3.4 严重脱水对重症患儿转诊死亡的影响

我们研究发现，重症患儿严重脱水是转诊病死率增高的一个特别危险的紧急信号。重症患儿严重脱水后的死亡风险的增加可能是由于疾病的复杂程度，临床上难以区分脓毒性低血容量症和脱水，因为两者可能具有相似的临床表现，但液体管理方式是不同的[21-23]。相关研究已发现，针对脓毒症患者输液是加重病情发展的有害因素，因此世界卫生组织建议建议脓毒症患者限制输液[24-26]。但这并不包括严重脱水的患者，因此限制输液可能会改变严重脱水患儿的液体管理。我们的研究结果表明，重症患儿在专业转诊团队帮助下面临的死亡威胁低于非专业的团队。

3.5 专业转诊团队对重症患儿转诊死亡的影响

有研究表明，专业转诊团队在早期识别重症患儿生命体征严重错乱方面发挥着重要作用，这有助于重症患儿病情的早期稳定和医疗资源的合理利用[27-28]。重症患儿的转运过程是一个医疗资源匮乏的环境，在这种条件下，通过专业团队的帮助能够使重症儿童转诊过程中出现任何严重的复杂情况都能得到妥善处理并立即稳定突发情况[29-30]。本研究在发现血糖水平、营养不良、严重脱水和专业转诊团队是影响重症患儿转诊死亡的主要因素，同时也建立了重症患儿转诊死亡风险预测模型，用于早期识别重症患儿死亡风险。对模型进行内部验证，其ROC 曲线下面积为0.899，95%CI为0.806～0.975，说明本模型具有较好的风险预测能力。然后根据建立的死亡风险预测模型对重症患儿转诊死亡风险进行预测，结果表明预测结果与实际结果具有高度一致性。本研究有一些局限性，调查是在本院进行的，虽然本院医院设备相对较好，但调查样本的资源仍然有限，可能无法反映其他更多影响因素的情况，因此需要加大样本量进行研究。

4 小结

综上所述，我们在调查重症患儿转诊死亡的危险因素基础上，建立重症患儿转诊死亡风险模型，模型的预测结果真实性和一致性均较高，可用于临床早期预测转诊死亡风险。该死亡风险模型可在重症患儿转诊出现明显临床恶化迹象之前进行早期风险分层，并可作为指导临床决策的工具。