PECARN算法在急诊科儿童头部创伤CT决策中的应用：降低辐射暴露与优化急诊流程的多中心研究

本刊推荐：针对儿童轻度创伤性脑损伤(TBI)过度CT检查问题，意大利Pavia大学医院团队回顾性分析1372例≤15岁患者数据，验证PECARN算法应用效果。结果显示仅4.3%需CT检查，颅内出血检出率0.51%，且未增加急诊滞留时间(LOS)，为平衡诊疗安全与辐射风险提供循证依据。

　　儿童头部创伤是15岁以下人群致死致残的首要原因，每年发生率高达250/10万，其中男性风险是女性的1.5-2倍。尽管80%属于轻度创伤性脑损伤(mTBI)，但临床上面临两大难题：一方面过度依赖CT检查导致儿童不必要的辐射暴露（儿童组织对辐射敏感性是成人10倍，白血病风险增加3倍），另一方面漏诊可能造成灾难性后果。传统诊疗模式下，急诊科(ED)常陷入"过度检查"与"漏诊焦虑"的两难困境。

意大利Pavia大学医院创伤中心的Gabriele Savioli团队开展了一项为期4年（2016-2019）的回顾性队列研究，纳入1372例GCS≥14分的mTBI患儿，严格应用美国儿科急诊应用研究网络(PECARN)制定的TBI决策算法。该算法通过年龄分层（<2岁和2-15岁）设置差异化评估标准，如对幼儿重点考察精神状态、损伤机制和头皮血肿特征，对年长儿则关注呕吐、头痛等特异性症状。研究创新性地将算法实施效果与急诊流程指标（包括等待时间、滞留时间LOS和boarding time）进行关联分析。

研究采用多维度数据采集：通过电子病历系统提取人口学特征、创伤机制、症状表现等基线数据；记录CT检查率、颅内损伤(ICI)和需神经外科干预(NSI)的发生率；采用输入-吞吐-输出三维度评估急诊拥挤指数，包括分诊等级（采用5级分类系统）、医生接诊至检查完成时间(TDE)、总滞留时间等。统计方法上，除常规描述性分析外，采用单因素和多因素logistic回归模型识别CT检查的预测因素。

主要发现包括：1）CT检查率仅4.3%，显著低于既往报道的10-20%，其中7例（0.51%）检出颅内出血，仅1例（0.07%）需紧急手术；2）年龄>2岁（OR=5.86）和高分诊等级（I级OR=56.81）是CT检查的强预测因子；3）急诊流程显著优化，平均LOS控制在155分钟，boarding发生率仅0.3%，且无8小时以上的access block现象；4）随访期间无迟发出血病例，验证了算法的安全性。

讨论部分深入剖析了三大临床启示：首先，算法特别强调对<2岁患儿的保守评估（需同时满足6项阴性标准），这与幼儿临床表现不典型的特点相符。其次，神经外科会诊率达59.4%但实际检查需求低的矛盾现象，提示多学科协作可增强决策信心。最后，专用儿科观察单元的设置既保障了安全观察期，又避免了急诊资源挤占。

该研究的创新价值在于首次在欧洲二级创伤中心验证PECARN算法的普适性，并证实其具有"双降"效益——既降低43%的CT检查率，又减少28%的ED滞留时间。局限性包括回顾性设计可能引入选择偏倚，以及缺乏长期神经认知功能随访。未来研究方向可探索机器学习模型对算法预测性能的优化，特别是在症状表述模糊的幼儿群体中。

论文发表于《Journal of Anesthesia, Analgesia and Critical Care》，为全球急诊科提供了儿童mTBI管理的标准化范式。其核心结论表明：结构化决策工具不仅能提高医疗资源利用效率，更重要的是在6.8%高死亡率背景下，为儿童这个辐射敏感群体筑起安全防护网。