危机护理标准模拟研究中缺失数据的隐性偏见：非随机性及其对资源分配公平性的影响

《Disaster Medicine and Public Health Preparedness》：The Hidden Bias of Missing Data in Crisis Standards of Care Simulation Studies: Not So Random, Rethinking Missing Data in Crisis Standards of Care Simulation Studies

本研究针对COVID-19大流行期间危机护理标准（CSC）模拟研究中缺失数据的潜在偏见问题展开研究。通过分析2020年纽约市疫情期间1671例机械通气患者的Sequential Organ Failure Assessment（SOFA）评分数据，发现缺失数据与临床压力高峰期显著相关，且神经系统评分最常缺失。研究结果表明缺失数据并非随机分布，而零插补等常用处理方法可能引入乐观偏见，影响医疗资源分配的公平性。这对完善CSC协议具有重要方法论意义。

　　

当COVID-19疫情如海啸般席卷全球时，医院重症监护室面临着前所未有的压力。呼吸机等关键医疗资源的严重短缺，迫使医疗系统启动危机护理标准（CSC）协议。在这些协议中，序贯器官衰竭评估（SOFA）评分成为决定患者优先获得生命支持治疗的关键工具。这个0-24分的复合评分系统通过评估神经、肺、心血管、血液、肝胆和肾脏六个器官系统的功能状态，试图客观衡量患者的疾病严重程度。然而，一个被长期忽视的问题是：在真实的危机环境中，这些关键数据是否能够完整收集？

以往基于虚拟模拟的CSC研究通常假设缺失数据是随机的，并采用零插补或复杂统计模型进行处理。这种处理方式在常规医疗研究中可能影响有限，但在决定生死存亡的资源分配决策中，每一个缺失值都可能改变患者的命运。正如纽约大学研究团队在《Disaster Medicine and Public Health Preparedness》发表的最新研究指出，这种假设可能存在严重缺陷，导致CSC协议在真实世界中出现意想不到的偏差。

为揭示这一隐藏的偏见，研究人员开展了一项回顾性模拟研究，分析纽约市学术医院系统2020年3月1日至6月30日期间1671例机械通气患者的数据。研究将“危机期”定义为呼吸机使用量达到疫情前供应量95%以上并持续两周的阶段，与纽约州呼吸机分配指南保持一致。通过比较危机期（674例患者）与非危机期的数据缺失模式，研究团队发现了令人担忧的模式。

主要研究方法包括回顾性收集每日SOFA评分数据，定义危机期与激增期队列，比较两组患者基线特征，并评估各SOFA子评分缺失频率。研究发现危机期内至少一个SOFA子评分缺失的发生率显著高于非危机期，其中神经系统评分缺失最为常见，而肝胆评分在危机期反而更完整。图1清晰展示了六类SOFA评分在整个疫情激增期间的缺失频率变化。

缺失数据频率分析显示，危机期内患者至少一个SOFA子评分缺失的概率显著增加（P<0.0001）。神经系统评分在危机期更易缺失（P<0.0001），而肝胆评分则相反。这一模式提示数据缺失与临床操作压力直接相关，而非随机发生。

缺失类别分布分析通过图2展示了患者层面缺失类别的分布情况。危机期内缺失一至两个SOFA类别的患者较为常见，但缺失超过两个类别的情况较少。这表明虽然数据不完整普遍存在，但严重缺失的情况相对可控。

研究结果对CSC模拟研究的方法学提出了重要挑战。常用的零插补方法将缺失值替换为零，可能低估患者真实病情严重程度，产生“乐观偏见”。在基于动态SOFA比较的CSC协议中，缺失当日数据可能虚假提示病情改善，而缺失前日数据则可能被误读为病情恶化，导致患者在资源分配中被不公平地降级。

这种非随机缺失模式背后反映的是危机环境下的现实挑战。神经系统评分频繁缺失可能源于持续神经肌肉阻滞下的检查限制、减少医护人员暴露的努力，或危重患者入院时的诊断时间紧迫。而肝胆评分完整性较高，可能反映了自动化实验室检查或标准化诊疗流程的作用。

研究者提出的实用解决方案——首先从最近可用时间点插补SOFA评分，若无数据则采用零插补——虽然也可能引入偏倚，但更符合危机环境下的操作现实。这一方法承认完美数据在危机条件下可能无法实现，同时尽量减少缺失数据对决策的影响。

该研究的核心价值在于首次系统揭示了CSC模拟研究中缺失数据的非随机特性及其对资源分配公平性的潜在影响。在未来的公共卫生危机中，确保CSC协议既能有效优化资源利用，又能维护分配公平，需要同时关注数据质量与处理方法。建立能够适应现实世界数据不完整性的弹性决策系统，与开发更完善的临床评估工具同等重要。只有正视数据缺失的必然性和非随机性，才能设计出在真实危机条件下仍能保持公平、准确和有效的分流决策系统。