急诊分诊护士快速视觉评估对成人患者住院预测的效用及与国家早期预警评分的比较研究

急诊科过度拥挤严重影响医疗质量和效率，为解决分诊环节住院预测准确性不足的问题，日本福岛医科大学研究人员开展前瞻性观察研究，发现护士仅凭快速视觉评估(QLA)即可实现0.85的AUC预测值，显著优于国家早期预警评分(NEWS)的0.67，为优化急诊分流流程提供重要循证依据。

　　

急诊科的过度拥挤已成为全球医疗系统面临的严峻挑战，不仅延长患者等待时间，更可能延误危重病例的救治时机。在这种背景下，分诊护士的快速决策能力显得尤为重要——她们需要在有限时间内，仅凭患者外观等直观信息判断其住院可能性。但长期以来，这种被称为"快速视觉评估"(Quick-Look Assessment, QLA)的专业判断究竟有多可靠？与标准化的国家早期预警评分(National Early Warning Score, NEWS)相比孰优孰劣？这些问题始终缺乏科学验证。

日本福岛医科大学 Shirakawa Satellite for Teaching and Research 的 Ryuji Suzuki 研究团队在《Journal of Emergency Nursing》发表的研究给出了答案。研究人员设计了一项前瞻性观察研究，在1588名成人急诊患者中，让54名经验丰富的分诊护士仅通过视觉观察（排除生命体征和病史干扰）进行QLA评分（1-5分），同时记录NEWS评分。通过构建三种逻辑回归模型，系统比较了QLA、NEWS及其组合的预测效能。

研究采用三项关键技术方法：1）前瞻性单中心观察设计，在急症医院急诊科实施；2）构建包含QLA单项、NEWS单项及联合评分的三种逻辑回归模型；3）采用受试者工作特征曲线下面积(AUC)和校准曲线评估模型性能。所有分析均基于完整病例数据，缺失值仅占0.4%。

研究结果呈现多个重要发现：

参与者特征
研究纳入患者中位年龄57岁，9.1%最终住院。感染性疾病（22.9%）、肿瘤（16.0%）和心血管疾病（15.3%）构成主要入院诊断。护士QLA评分4分和5分的患者，住院优势比分别高达83.8和145.2，显示强烈相关性。

主要发现
QLA模型AUC达0.85（95%CI 0.81-0.88），显著优于NEWS的0.67（95%CI 0.62-0.73）。联合模型虽提升至0.87，但改善幅度有限。校准分析揭示QLA对中高风险预测存在轻度低估倾向。

讨论部分强调，这是首个证实护士单凭视觉评估即可实现高精度住院预测的研究。QLA的优异表现可能源于护士整合了包括面色、呼吸模式、意识状态等多元视觉线索的综合判断。相比之下，NEWS仅反映生理参数异常，可能遗漏重要临床信息。

该研究对急诊实践具有重要启示：QLA可作为高效分诊工具，帮助医护人员提前启动住院准备流程（如优先安排医师评估、预先开具入院检查等）。研究者建议将QLA纳入现有分诊系统，但同时也指出需通过多中心研究验证其普适性。这项研究为优化急诊资源配置提供了新颖且可操作性强的解决方案，彰显了护理临床判断在医疗决策中的独特价值。