基于生命体征的院内心脏骤停预测模型预测性能的系统综述与Meta分析

《BMC Cardiovascular Disorders》：Predictive performance of vital sign–based prediction models for in-hospital cardiac arrest: a systematic review and meta-analysis

　　

摘要

背景

院内心脏骤停（IHCA）是一起重大的患者安全事件，通常先于心脏骤停可检测到临床恶化。目前已开发出基于生命体征的心脏骤停预测模型，用于识别IHCA风险增加的住院患者，但这些模型的预测性能尚未在不同研究中进行定量综合。

方法

本基于PRISMA的系统综述和Meta分析已在PROSPERO注册。在Ovid Embase、Ovid MEDLINE以及Cochrane Library中的Cochrane中心试验注册库（CENTRAL）中检索评估住院普通病房患者基于生命体征的IHCA预测模型的同行评审研究。纳入的模型使用常规采集的床旁生命体征作为核心预测因子；依赖实验室检查值、影像学数据或其他非床旁测量临床变量作为核心预测因子的模型被排除。主要性能指标为受试者工作特征曲线下面积（AUROC）；当报告精确率-召回率曲线下面积（AUPRC）时，提取并进行总结。使用PROBAST+AI（预测模型偏倚风险评估工具+人工智能）评估偏倚风险。

结果

在识别的10,645条记录中，纳入了六项研究。纳入的研究评估了基于生命体征的心脏骤停预测模型，包括心脏骤停风险分流（CART）、基于深度学习的早期预警评分（DEWS）和基于深度学习的心脏骤停风险评分（DeepCARS），发表时间为2012年至2024年。三项研究报告了适合主要Meta分析的心脏骤停特异性AUROC估计值；探索性合并AUROC为0.89（95% CI，0.88–0.91；I2 = 92%）。总体偏倚风险在两项研究中为低，三项中为高，一项中不明确。

结论

基于生命体征的心脏骤停预测模型在预测IHCA方面显示了潜在有用的区分能力；然而，合并AUROC应解释为探索性总结，因为仅有三项研究对主要Meta分析做出了贡献，异质性较大，且半数纳入研究被判定为总体偏倚风险高。在广泛临床实施之前，需要标准化的结局定义、外部验证以及前瞻性的校准度、报警负担和临床效用评估。