基于数据驱动的COVID-19大流行期间中间呼吸监护病房患者流建模与临床结局分析

《Computational and Structural Biotechnology Journal》：Data-driven modelling of IRCU patient flow during the COVID-19 pandemic

本研究针对COVID-19大流行期间中间呼吸监护病房（IRCU）资源优化与患者管理的迫切需求，由西班牙格拉纳达大学医院团队开展了一项前瞻性队列研究。研究通过整合临床数据分析与动态系统建模（ODE模型与LOS卷积模型），评估了专科化人员配置模式对249例COVID-19相关呼吸衰竭患者临床结局与单位运营效率的影响。结果显示，专科化IRCU可显著提高非侵入通气（NIV）患者康复率（68%），降低ICU转移压力，并通过建模量化了入院高峰与护理效率对系统负荷的关键作用。该研究为突发公共卫生事件下的呼吸监护资源配置提供了数据驱动的决策支持。

　　

在COVID-19大流行席卷全球的背景下，医疗系统面临着前所未有的压力，尤其是重症监护资源频频告急。重症呼吸衰竭患者的大量涌现，使得介于普通病房与重症监护室（ICU）之间的中间呼吸监护病房（Intermediate Respiratory Care Unit, IRCU）的作用凸显出来。IRCU原本是为需要非侵入通气（Non-Invasive Ventilation, NIV），如CPAP（持续气道正压通气）、BiPAP（双水平气道正压通气）和高流量鼻导管氧疗（High-Flow Nasal Oxygen, HFNO）等呼吸支持的患者所设，旨在避免不必要的ICU转入，并促进ICU患者的早期转出。尽管IRCU的价值已被广泛认可，但其成功运营的关键因素，特别是专科化临床人员配置（如接受过高级呼吸支持培训的医生和护士）对患者结局和单位运营效率的具体影响，尚缺乏系统性的评估。尤其是在疫情这种极端压力测试下，一个设计良好、由专家主导的IRCU能否有效缓解ICU的压力，并优化患者流，成为一个亟待回答的关键问题。

在此背景下，由Ana Carmen Navas-Ortega、José Antonio Sánchez-Martínez、Paula García-Flores、Concepción Morales-García和Rene Fabregas组成的研究团队，在西班牙格拉纳达的Virgen de las Nieves大学医院（UHVN），对其新成立的、采用专科化人员配置模式（提供24/7呼吸专科医生覆盖和经过专门培训的护士）的IRCU，在2021年4月至8月（即COVID-19疫情特定时期）的运营进行了深入分析。他们的研究成果发表在《Computational and Structural Biotechnology Journal》上。

为了全面评估该IRCU的效果，研究人员综合运用了多种研究方法。首先，他们对在此期间收治的249名成年COVID-19相关呼吸衰竭患者进行了前瞻性队列研究，收集了人口统计学、NIV使用情况、住院时长（Length of Stay, LOS）及最终结局（ICU转入、IRCU内死亡或康复）等数据。其次，他们开发并校准了一个区室常微分方程（Ordinary Differential Equation, ODE）模型，模拟患者在不同状态（非NIV、NIV）间的流转及其最终结局。此外，还建立了一个基于经验性LOS分布的卷积模型，用于预测总床位占用情况。这些模型被用于模拟不同入院情景和护理效率变化对系统的影响。

研究结果

1. 队列特征与临床结局

研究纳入的249名患者中位年龄为51岁，31%（n=77）需要NIV治疗。需要NIV的患者年龄显著大于无需NIV者（中位数61岁 vs 42岁，p<0.001）。总体而言，8%（n=20）的患者后续转入ICU，3%（n=7）在IRCU内死亡。值得注意的是，所有未使用NIV管理的患者均康复，无ICU转入或死亡。而在77名接受NIV的高风险患者中，68%在IRCU内康复，无需升级至ICU治疗。多变量分析确认年龄是NIV需求和NIV患者死亡风险的重要预测因素。

2. 数据驱动建模

基于队列数据校准的ODE模型成功复现了系统的总体行为。模拟显示，在恒定入院率下，系统能达到稳定状态。当模拟入院高峰时（如日入院数从5例激增至15例），模型预测系统将承受巨大的瞬时压力，峰值床位占用远超设定容量，但对长期结局比例影响相对较小。敏感性分析表明，系统负荷（峰值NIV患者数）和患者结局对NIV启用率（α）和NIV康复率（θ₀）最为敏感。提升NIV康复效率不仅能改善患者结局（如降低ICU转入率），还能减轻系统负荷。

3. 基于LOS分布的总占用率建模

基于经验性LOS分布（中位数5天，均值9.0天）构建的卷积模型，作为ODE模型的补充，用于直接预测总床位需求。该模型预测，在入院高峰情景下，总占用率会显著上升并远超容量阈值，峰值可达约124床，凸显了IRCU在疫情波动下的脆弱性。模型也表明，提高护理效率（缩短平均LOS）能显著降低稳态下的床位占用。

结论与讨论

本研究通过临床数据分析与动态建模相结合，证实了专科化人员配置的IRCU在COVID-19大流行期间的有效性。其核心发现是，该IRCU成功管理了大部分需要NIV的高危患者（68%康复），显著减轻了ICU的压力。动态模型进一步揭示了IRCU运营的内在规律：入院波动主要影响资源占用的峰值，而护理效率（尤其是NIV患者的康复速度）则同时对改善患者结局和缓解系统负荷有关键作用。这表明，投资于专科化团队建设以提升临床效率，是优化IRCU运营、增强医疗系统应对疫情等危机能力的有效策略。

研究的局限性包括其单中心观察性设计，难以确立因果关系，以及模型基于特定队列（非NIV患者无不良结局）的假设可能限制其普适性。然而，这项工作为IRCU的运营管理提供了宝贵的定量工具和见解，强调了在资源有限环境下，数据驱动决策和专科化护理的重要性。未来需要在多中心、更广泛的患者群体中进一步验证这些发现，并探索将此类模型应用于实时资源规划和决策支持。