预录取测试的历史：从住院体检到精准医疗

《ASA Monitor》：A History of Preadmission Testing: From Inpatient Workups to Precision Medicine

术前评估（PAT）从早期住院“全覆盖”检查演变为门诊多学科模式，基于证据的个体化风险分层成为核心。现代PAT通过优化可调风险因素、教育患者及减少取消率提升效率与安全性。AI和机器学习正推动PAT向精准化发展，实现动态风险预测与资源优化分配。

　　

术前检测（PAT）在围手术期护理中至关重要，其发展受到实践变化、循证指南和经济因素的影响。回顾其历史可以清楚地看到，为什么PAT对于提高效率、保障安全以及实现资源公平利用仍然具有重要意义。

从常规的“检查”到基于诊所的模式

在20世纪初至中期，外科手术患者通常需要在术前进行长时间的住院“检查”，包括常规实验室检测、胸部X光、心电图（ECG）和交叉配型，无论患者的健康状况或手术风险如何。这种一刀切的方法增加了成本，但对健康患者并无明显益处。

到了20世纪80年代末和90年代初，这种做法转向了门诊诊所，以提高效率。Narr等人证明，对健康患者进行无差别的检查可以安全地减少，而不会带来不良后果（Mayo Clin Proc 1991;66:155-9）。Fischer也在一家教学医院通过将评估工作转移到门诊环境中，显著提高了效率，减少了排班问题和手术延误（Anesthesiology 1996;85:196-206）。Ferschl等人进一步证实，专门的术前诊所能够减少最后一刻的手术取消和延误，展示了结构化术前评估的明显操作优势（Anesthesiology 2005;103:855-9）。这些早期的效率提升最终演变成了今天更为复杂、多学科的PAT服务。

向循证检测的转变

20世纪90年代，无差别的常规检测受到了质疑。包括美国心脏病学会/美国心脏协会（2007年）和国家医疗保健卓越研究所（2003年、2016年）发布的指南在内的主要指南，正式提出了基于个体风险的个性化术前评估方法（Circulation 2007;116:1971-96；asamonitor.pub/460sbaq）。

最近的分析表明，可改变的因素——如心脏病、虚弱状态、营养状况和未控制的合并症——会显著增加围手术期并发症的风险（Acta Orthop 2024;95:392-400；Neurosurg Clin N Am 2023;34:505-17；Acta Oncol 2017;56:329-34；BMC Nephrol 2021;22:149）。因此，术前优化已成为减少各种手术（包括关节置换和癌症手术）中可预防的发病率和成本的关键（Clin Colon Rectal Surg 2023;36:167-74；J Orthop Surg 2020;28:2309499020947207；J Thorac Dis 2019;11:S645-53；Langenbecks Arch Surg 2018;403:23-35；Eur J Surg Oncol 2021;47:519-23；HSS J 2022;18:418-27）。

图：

术前检测关键发展时间线。图片由ChatGPT-4生成。提示内容为：创建一个清晰专业的时间线图，展示从20世纪初至今术前检测（PAT）的演变过程。包括早期住院“全面”检查、20世纪中叶常规实验室检测和影像检查的扩展、90年代门诊PAT诊所的兴起、21世纪向循证和选择性检测的转变，以及近年来人工智能辅助分诊、风险分层和精准医学的发展。

现代PAT诊所：核心的围手术期服务

现代PAT诊所已成为专门致力于优化可改变风险因素、教育患者并减少手术取消的多学科单位。2022年的一项系统评价证实，这些诊所在不牺牲安全性的前提下，有效减少了不必要的检测、住院时间和成本（BMJ Open 2022;12:e054206）。

国家数据库研究（2016-2020年）显示，患有系统性红斑狼疮、镰状细胞病或身体虚弱的患者并发症发生率仍然较高，这凸显了需要更精确的风险分层和个性化术前优化的必要性（Arch Orthop Trauma Surg 2023;143:3291-8；Arch Orthop Trauma Surg 2023;143:5261-8；BMC Musculoskelet Disord 2022;23:384）。该图总结了PAT发展过程中的主要里程碑。

新前沿：精准医学和人工智能临床决策支持

未来的PAT可能会朝着个性化、人工智能驱动的风险分层方向发展。近期研究强调了人工智能在围手术期护理中的潜力，例如Mistry和Koyner展示了人工智能增强型临床决策支持系统（CDSS）在急性肾损伤预测和管理方面的改进（J Thorac Dis 2024;16:2644-53）。

Miles和Ghanta研究了心脏手术中的机器学习应用，动态风险模型可以实时调整预测结果，从而可能减少不必要的检测并优化患者选择（J Thorac Dis 2024;16:2644-53）。同样，Lin等人展示了深度学习在个性化动脉内肿瘤治疗中的应用，表明数据驱动的个性化护理是可行的（EClinicalMedicine 2024;75:102808）。

实际应用中的AI技术，如数字分诊，已经在优化患者流程、有效分配诊所资源以及减少不必要的就诊次数方面发挥了作用（HSS J 2025:15563316251341321）。这种类型的数字分诊可以帮助PAT诊所在最需要的地方（例如有多重合并症的老年患者）更有效地利用有限的面对面资源。随着这些工具的成熟，它们可以在保障安全的同时减少不必要的就诊次数——这也是现代PAT的核心目标。

总的来说，这些发展预示着未来的PAT将不仅仅是常规检测，而是整合预测分析、个性化风险评估，甚至基因或分子数据，以真正实现个性化术前护理。挑战在于确保这些工具经过验证、公平使用，并以能够提升临床判断力的方式实施。这些进展表明，PAT正朝着一个更加动态、以患者为中心的服务方向发展，更好地利用现代数据科学。

PAT已经从全面的住院检查发展为基于个体的、循证评估。随着数字工具和人工智能辅助分诊的应用，其核心目标仍然是保障患者安全、减少并发症并提高资源利用效率。麻醉科医生将继续引领PAT的发展，将历史知识与创新解决方案相结合，以改善围手术期护理。

人工智能使用说明：使用了AI工具（ChatGPT、OpenAI）来协助完善图表设计元素，包括颜色调整、分辨率优化以及添加“今日”标记。作者已审阅并批准了所有内容

Lawrence Willis Chinn Sr.，医学博士，新泽西州纽瓦克市大学医院门诊麻醉与术前检测主任，新泽西州罗格斯大学医学院麻醉学助理教授。

Luis Cupertino，新泽西州纽瓦克市罗格斯大学医学院四年级医学生。