编辑推荐：
为解决缺乏标准化工具识别需 24 小时内复苏干预（RIs）的创伤患者及安排转运优先级问题，泰国玛希隆大学医学院研究人员开展相关研究，发现 T - RTS、GAP 等工具预测能力良好。推荐科研读者阅读，助力创伤急救研究。
在全球范围内，创伤性损伤可是个 “狠角色”，它是导致人们发病和死亡的主要原因之一。过去几十年，全球因创伤导致的死亡率一直稳定在约占总死亡人数的 8% 。就拿道路交通伤害来说，从 1990 年到 2019 年，它一直是伤害相关死亡的首要原因，每年全球大约有 120 万人因此丧生。在泰国，道路交通伤害的死亡率更是高得吓人，每 10 万人中就有 25.68 人因之死亡。
在院前急救（即在患者被送到医院之前的急救阶段）中，现场分诊（对患者的伤势进行快速评估和分类，决定治疗和转运的优先级）非常关键。然而，这可不是一件容易的事。因为在现场，诊断信息有限，而且创伤情况复杂多变，就像一团乱麻，让急救人员很难理清头绪，做出准确的决策。在这种高压和紧张的环境下，很容易出现分诊失误，不是把病情严重的患者漏诊了（这叫 “低分诊”），就是把病情没那么严重的患者当成重症处理（这叫 “高分诊”）。
为了解决这些问题，大家想了不少办法。这些年，人们开发了许多院前创伤分诊工具，像 1971 年推出的简明损伤定级标准（Abbreviated Injury Scale），它是首个基于解剖损伤的评分系统。之后，又有不少新的评分系统相继问世，比如分诊修订创伤评分（Triage Revised Score，T - RTS）、格拉斯哥昏迷评分、年龄和收缩压评分（Glasgow Coma Scale, Age, and Systolic Blood Pressure Score，GAP）、损伤机制、格拉斯哥昏迷评分、年龄和收缩压评分（Mechanism, Glasgow Coma Scale, Age, and Systolic Blood Pressure Score，MGAP）、国家早期预警评分 2（National Early Warning Score 2，NEWS - 2）、休克指数（Shock Index，SI）、反向休克指数乘以格拉斯哥昏迷评分（Reverse Shock Index multiplied by Glasgow Coma Scale，rSIG）等等。这些工具都想通过现场获取的损伤机制、生理参数等临床信息，快速找出伤势严重的患者，确定合适的治疗等级。
不过，问题又来了。虽然这些工具不少，但目前还没有一个标准化的工具，能准确识别出那些在受伤后 24 小时内需要进行复苏干预（Resuscitative Interventions，RIs，比如胸部减压、输血、急诊手术、高级复苏技术等）的创伤患者，也没办法合理安排他们转送到高水平创伤中心的优先级。所以，到底哪个工具更好用，还没有定论。为了弄清楚这个问题，泰国玛希隆大学医学院拉玛蒂波迪医院（Ramathibodi Hospital）的研究人员展开了深入研究，他们的研究成果发表在《BMC 急诊医学》（BMC Emergency Medicine）期刊上，论文题目是《院前创伤分诊工具预测受伤后 24 小时内复苏干预需求的预后性能比较》（Comparison of the prognostic performance of prehospital trauma triage tools in predicting the need for resuscitative interventions within 24 hours post - injury） 。
这项研究采用了回顾性队列研究设计。研究人员从拉玛蒂波迪医院的电子病历系统里，收集了 2020 年 1 月到 2024 年 4 月期间，由急救医疗服务系统（Emergency Medical Services，EMS）救治并转运到急诊科的成年创伤患者（年龄≥15 岁，且被分类为高风险或危及生命）的数据。在排除了院前创伤性心脏骤停和孕妇患者后，最终有 440 名患者符合研究要求。
研究人员选取了 T - RTS、GAP、MGAP、NEWS - 2、SI、rSIG 这几种创伤分诊工具，根据 EMS 人员在现场记录的首次生命体征，回顾性计算这些工具的得分。研究的主要观察指标是患者在受伤后 24 小时内是否接受了复苏干预。
在统计分析方面，研究人员用了不少 “厉害” 的方法。他们根据前人研究的数据，估算了本次研究所需的样本量。在数据分析时，使用 STATA 16.0 软件进行各种统计检验。比如，用确切概率检验比较独立分类变量，用学生 t 检验比较参数变量，用 Wilcoxon 秩和检验比较非参数变量。还通过绘制受试者工作特征曲线（Receiver Operating Characteristic Curve，ROC 曲线），计算曲线下面积（Area Under the Receiver Operating Characteristic，AUROC），来评估这些分诊工具的判别性能。同时，还用校准图来判断工具的预测能力，计算敏感性、特异性等指标来评估预后准确性 。
研究结果还挺有意思。在这 440 名患者中，有 44 人（10%）在受伤后 24 小时内接受了复苏干预。这些接受干预和没接受干预的患者，在很多方面都有明显差异。比如说，接受干预的患者中女性比例更低，平均年龄更小。受伤机制也不一样，接受干预的患者中，机动车碰撞导致受伤的情况更常见。而且从院前初始评估来看，接受干预的患者伤势更严重，像氧饱和度更低、脉搏更快、意识也有改变，所以他们在院前接受的干预措施也更紧急，比如正压通气和大量补液。
从分诊工具的得分情况来看，接受复苏干预的患者在 T - RTS、GAP、MGAP、rSIG 上的得分更低，在 NEWS - 2 和 SI 上的得分更高，这说明伤势越重，得分越异常。
再看这些分诊工具的预测性能。通过绘制 ROC 曲线计算 AUROC 发现，T - RTS、GAP、MGAP、NEWS - 2 在预测受伤后 24 小时内的复苏干预需求方面，都有不错的判别和预测能力，它们的 AUROC 分别达到了 0.969、0.949、0.971、0.929 ，而且校准图显示它们的观测与预期比（Observed - to - Expected，O/E）为 1，说明这些工具的预测概率和实际结果匹配得很好。而 SI 和 rSIG 的 O/E 比大于 1，这意味着它们会低估患者需要复苏干预的实际风险。
另外，研究人员还计算了这些工具在预设标准临界值下的准确性指标。结果发现，GAP 工具的特异性和阴性预测值比较高，当 GAP 评分小于 19 时，排除不需要复苏干预患者的准确性最高，特异性达到 94.4%，阴性预测值达到 94.1% ，这就像是一个 “筛选器”，能把那些不需要特殊处理的患者筛出去。而且 GAP 的阳性预测值也是最高的，这能减少高分诊的情况，提高创伤中心的资源利用效率。
在研究的讨论部分，研究人员也进行了深入思考。虽然 SI 在预测复苏干预需求上表现出了较强的判别性能，AUROC 超过 0.8，但和其他研究结果对比发现，它在预测复苏和手术操作方面的能力其实并不强。rSIG 虽然理论上有一定优势，但在院前环境中，它的计算涉及到三个临床变量的乘除运算，比较复杂，不太容易实施。
GAP 和 MGAP 在之前的研究中，预测手术干预需求的判别性能一般，但在这次研究中却表现出色。这可能是因为之前研究设定的临界值和这次不一样。
NEWS - 2 也展现出了很好的预测性能，这和之前的研究结果相符。不过，由于本次研究中只有 26% 的患者有足够数据来计算 NEWS - 2 评分，导致它的置信区间较宽，对 AUROC 的解读也没那么精确。
从实际应用的角度来看，美国外科医师学会创伤委员会（American College of Surgeons Committee on Trauma，ACS - COT）建议，低分诊率不应超过 5%，高分诊率可以在 25% - 35% 之间。在把重伤患者分诊到一级创伤中心时，需要用敏感性高的模型来确保合适的复苏干预，避免患者得不到恰当的治疗。但在医疗资源不足的地区，像一些低收入和中等收入国家，特异性高的工具更有用，能排除那些不需要特殊处理的患者，避免资源浪费。而这次研究发现，GAP 评分小于 19 时，特异性和阴性预测值都很高，正好符合这种需求，所以它可能是识别需要转运到一级创伤中心患者的最佳工具。
当然，这项研究也有一些不足之处。比如，研究没有纳入完整的院前队列，因为很多数据缺失，这使得样本量不太够，影响了统计的准确性。而且研究数据是从院前记录中获取的，这些数据的准确性会受到现场环境的影响。另外，作为回顾性研究，它还容易出现信息偏差。研究中只有 20% 的重伤患者是由 EMS 转运的，这意味着大部分受伤患者的数据缺失。最后，这只是在曼谷一个城市的单中心研究，研究结果可能没办法推广到泰国的其他地区。
总的来说，这项研究意义重大。它发现 T - RTS、GAP、MGAP、NEWS - 2 在预测院前创伤患者受伤后 24 小时内的复苏干预需求方面，表现都很不错。尤其是 GAP 评分，当它小于 19 时，在识别需要转运到高水平创伤中心的患者方面有很大优势。不过，为了弥补研究的不足，未来还需要开展多机构的前瞻性研究，进一步验证这些结果，让研究成果能更广泛地应用到实际的创伤救治中，帮助更多的患者。
