重症监护需求评分能否改善急诊科对急性中毒患者的分类处理（即分诊）？

《Clinical Toxicology》：Can the intensive care requirement score improve triage at the emergency department for acutely intoxicated patients?

急诊科急性中毒患者ICU需求评分外部验证及再校准研究。本研究通过回顾性分析2015-2020年乌得勒支大学医学中心1164例急诊科急性中毒患者的数据，评估原ICU需求评分在外部环境中的性能。结果显示经重新校准后评分AUC为0.91，校准曲线显示预测风险与实际风险一致（校准截距0，斜率1.04），决策曲线分析表明在5%风险阈值下可减少15%的不必要的ICU admission。但需多中心研究进一步验证。

　　本研究探讨了一种用于预测急性中毒患者是否需要入住重症监护病房（ICU）的评分模型在急诊科环境中的表现。该评分模型最初是基于已经入住ICU的患者群体建立的，因此其在急诊科环境中的适用性一直存在疑问。本研究通过外部验证的方式，对这一模型进行了重新校准，并评估了其在急诊科环境中的预测效果和临床价值。

### 模型背景与意义

急性中毒是急诊科常见的临床问题之一，不仅对医疗资源造成巨大压力，还可能导致不必要的ICU入住。ICU的使用通常伴随着高昂的成本和资源消耗，因此准确判断哪些患者真正需要ICU的介入至关重要。尽管已有多种评分系统被用于评估中毒患者的ICU需求，但这些系统多是在ICU环境中建立的，缺乏在急诊科人群中的直接验证。因此，研究者希望通过本研究，验证该模型在急诊科中的适用性，并进一步优化其预测能力，使其能够更好地指导临床决策。

在本研究中，研究人员使用了一种名为“ICU需求评分”的工具，该评分系统最初被设计用于预测ICU入住的必要性。它基于患者的临床特征，包括意识水平、血压、心率、是否存在心肺疾病等，同时考虑了中毒类型和患者是否接受了其他医疗干预。通过这种方式，该评分系统可以为医生提供一个量化评估的依据，帮助他们决定是否需要将患者转诊至ICU。然而，由于该模型最初是基于已经入住ICU的患者建立的，因此其在急诊科环境中的表现仍需进一步评估。

### 方法与数据来源

本研究采用回顾性分析的方法，数据来源于荷兰乌得勒支大学医学中心急诊科2015年至2020年的患者记录。研究对象为因急性中毒就诊的患者，且排除了以下情况：年龄小于14岁的患者、未出现中毒症状的患者（如误吞电池、剃刀片等）、中毒不是主要就诊原因的患者，以及那些在入院前已经接受了机械通气或心肺复苏等干预措施的患者。这些排除标准的设定是为了确保研究数据的准确性和代表性，避免因患者在入院前已经接受过重症干预而影响模型的预测能力。

为了提高模型的预测准确性，研究者采用了多重插补法处理缺失数据，并使用了“大规模校准”和“重新校准”两种方法对模型进行更新。大规模校准主要是对模型的截距进行调整，而重新校准则同时调整了截距和斜率，以更精确地反映实际患者的ICU需求。通过这些调整，模型的预测能力得到了显著改善，特别是在较低的ICU入住风险阈值下。

### 研究结果

研究最终纳入了1,146名急诊科就诊的急性中毒患者，其中仅有21名（1.8%）需要入住ICU。模型的判别能力表现出色，其受试者工作特征曲线（ROC曲线）下的面积达到了0.91（95%置信区间：0.84–0.98），表明该模型在区分高风险和低风险患者方面具有较高的准确性。然而，原始模型在急诊科人群中的校准表现并不理想，其校准截距为-0.58（95%置信区间：-1.02–-0.14），校准斜率为1.69（95%置信区间：1.22–2.15），表明模型的预测结果普遍偏高。

经过重新校准后，模型的校准截距调整为0（95%置信区间：-0.47–0.47），校准斜率调整为1.04（95%置信区间：0.75–1.33），显著提高了模型的预测准确性。特别是在5%的风险阈值下，使用重新校准后的模型，可以将不必要的ICU入住率降低15%。这意味着，在对风险较低的患者进行评估时，该模型能够有效减少不必要的资源消耗，同时避免遗漏真正需要ICU治疗的患者。

此外，决策曲线分析（DCA）进一步验证了该模型的临床实用性。结果显示，使用该模型进行决策，相较于直接将所有患者或都不将患者转诊至ICU的策略，能够实现更有效的资源分配。在5%的风险阈值下，该模型能够避免15%的不必要的ICU入住，而不会遗漏任何需要ICU治疗的患者。这一结果表明，该模型在急诊科环境中具有较高的临床价值。

### 模型表现与改进

在模型性能评估中，研究人员不仅关注其判别能力，还通过校准曲线和决策曲线分析，全面评估了模型在不同风险阈值下的表现。校准曲线用于衡量模型预测结果与实际结果之间的匹配程度，理想情况下，预测结果应与实际发生率完全一致。在原始模型中，预测结果普遍偏高，导致许多本不需要ICU的患者被误判为高风险。而经过重新校准后，模型的预测结果更加贴近实际，其校准截距接近0，校准斜率接近1，表明模型在急诊科人群中的表现更加稳定和可靠。

决策曲线分析则进一步展示了模型在临床实践中的价值。该分析通过比较不同决策策略（如直接转诊至ICU或不转诊）的净收益，评估了模型是否有助于减少不必要的ICU入住。结果显示，在5%到30%的风险阈值范围内，模型的预测策略在避免不必要的ICU入住方面表现优于直接转诊或不转诊的策略，尤其是在较低的风险阈值下，其效果更为显著。

### 临床意义与局限性

尽管该模型在急诊科环境中的表现得到了显著改善，但研究者也指出了一些潜在的局限性。首先，该模型的校准仅在当前研究的单中心数据集上进行了验证，因此其在多中心、不同医疗环境中的适用性仍需进一步研究。其次，由于本研究为回顾性分析，可能存在一定的选择偏差，例如部分患者在电子病历中未被正确记录为中毒病例，这可能会影响模型的预测效果。此外，研究中纳入了14岁及以上的患者，而14岁以下的儿童可能在某些方面表现出不同的中毒特征，因此模型在这一年龄段的适用性也需要进一步探讨。

尽管存在这些局限性，研究结果仍然具有重要的临床意义。重新校准后的模型能够有效减少不必要的ICU入住，提高医疗资源的利用效率，同时确保那些真正需要ICU治疗的患者不会被遗漏。这不仅有助于优化急诊科的医疗流程，还能减轻ICU的负担，使更多的医疗资源能够被合理分配给其他需要的患者。

### 结论

本研究验证了ICU需求评分在急诊科环境中的适用性，并通过重新校准显著提高了其预测准确性。结果显示，该模型在区分高风险和低风险患者方面表现出色，尤其在较低的风险阈值下，能够有效减少不必要的ICU入住。然而，为了确保该模型在更广泛的人群和医疗环境中具有普适性，未来仍需进行多中心研究，以进一步验证其临床价值。此外，研究者建议在临床实践中，结合模型预测结果与其他临床判断，以实现更精准的决策。总之，该模型为急诊科医生提供了一个有价值的工具，帮助他们在面对急性中毒患者时，做出更加合理的治疗决策，从而优化医疗资源的使用，提高患者护理的质量和效率。