自动化脓毒症病例检测中的实施方法异质性：基于MIMIC-III与eICU-CRD数据库的系统分析

《Journal of the American Medical Informatics Association》：Variability in automated sepsis case detection: a systematic analysis of implementation methods in clinical data repositories

　　

目的：系统回顾并描述使用重症监护医学信息数据库-III（Medical Information Mart for Intensive Care III, MIMIC-III）和eICU协作研究数据库（eICU Collaborative Research Database, eICU-CRD）进行脓毒症病例检测时的方法学异质性。材料与方法：研究人员开展了一项遵循PRISMA（Preferred Reporting Items for Systematic Reviews and Meta-Analyses）指南的系统综述，检索PubMed和Web of Science（2016—2024年发表）。若研究将基于序贯器官衰竭评估（Sequential Organ Failure Assessment, SOFA）的Sepsis-3定义应用于MIMIC-III或eICU-CRD，提供至少1项明确的标签计算细节，报告可追溯的检测率，并满足PRISMA流程图详述的其他标准，则符合纳入条件。研究人员按研究类型和分析单位（患者、住院次或ICU停留）对每项研究进行分类，并在6个领域提取脓毒症病例检测的方法学细节。对于可获得源代码的研究，研究人员进一步检查代码结构和代码库依赖关系，以识别这些领域中的方法学决策。结果：在筛选的396篇出版物中，64篇符合纳入标准，12篇提供源代码。MIMIC-III中脓毒症检测率为3.4%～65.2%，eICU-CRD中为9.8%～47.9%。在两个数据库中，使用相同队列定义的研究之间仍存在显著变异（MIMIC-III：16.9%～42.2%；eICU-CRD：13.9%～31.4%）。在广义线性混合模型（generalized linear mixed model, GLMM）中，研究间异质性极大（总体τ²≈0.79；新研究检测率的95%预测区间为5%～63%），研究水平特征——包括数据库、研究类型、感染检测方法、代码可及性和分析单位——仅解释该方差的一小部分（≈9%），且没有任何特征达到统计学显著性。报告方法学细节的研究比例因领域而异：SOFA计算（53.1%）、感染检测方法（42.2%）、时间窗（37.5%）、聚合方法（26.6%）和缺失数据处理（17.2%）。源代码分析识别出321项实施决策，揭示了基线SOFA定义（SOFA = 0 vs 动态基线）、时间窗（以感染为中心 vs 以ICU入住为中心）和感染检测方法（抗生素-培养匹配 vs 基于急性生理学与慢性健康状况评价（Acute Physiology and Chronic Health Evaluation, APACHE）的诊断）的异质性。若干MIMIC-III代码库之间的依赖关系提示实施决策在研究间传播。讨论：经临床验证的脓毒症定义在相同数据集的不同研究中产生显著不同的检测率。统计建模显示，这种变异几乎完全由研究间实施差异驱动，而非抽样误差或研究特征。结论：为提高脓毒症研究的可重复性及脓毒症预测模型的稳健性，建议对脓毒症病例检测方法学进行标准化报告，并发布受版本控制的源代码。

论文主体解读

研究背景与问题：脓毒症（sepsis）是全球重大临床和经济负担，2017年归因于1100万例死亡，占全球死亡19%；在重症监护病房（intensive care unit, ICU）中累及29.5%患者，死亡率超过35%。Sepsis-3定义于2016年提出，将脓毒症操作化为疑似感染伴急性器官功能障碍，器官功能障碍用SOFA评分量化，SOFA至少增加2分提示脓毒症。然而，相同数据集应用该定义时检测率差异显著，MIMIC-III研究报告11.3%～49.1%。问题在于自动化脓毒症病例检测算法实施复杂：SOFA需整合呼吸、心血管、肝脏、凝血、肾脏和神经6个器官系统，参数标签多、测量不规则、存在缺失和记录不一致；感染检测需依赖国际疾病分类（International Classification of Diseases, ICD）诊断或抗生素与微生物培养时间匹配。现有研究常遗漏参数识别、时间聚合、缺失值插补、SOFA计算变体和疑似感染细节，缺乏标准化报告与源代码，难以复现。Lambden et al指出脓毒症操作化挑战，但缺乏对具体实施决策的系统刻画。因此，研究人员开展系统、多层次研究，结合PRISMA系统综述与源代码分析，回答检测率范围、可识别方法学决策、异质性模式及记录程度。其意义在于为标准化报告、版本控制源代码和脓毒症预测模型可重复性提供依据。

研究设计与结论：研究人员系统回顾MIMIC-III和eICU-CRD中应用Sepsis-3的脓毒症检测研究，将检测过程分解为参数覆盖、时间窗、聚合策略、缺失值处理、SOFA计算和感染检测6个领域（D1—D6），结合文献和源代码识别异质性。结论是相同定义和数据集下检测率差异大，主要由研究间实施差异而非抽样误差或研究特征驱动，方法学记录不足。意义是提出标准化报告和源代码发布建议，提高可重复性和模型稳健性。

关键技术方法：研究人员开展遵循PRISMA指南的系统综述，检索PubMed和Web of Science 2016—2024年文献，纳入对MIMIC-III或eICU-CRD应用基于SOFA的Sepsis-3定义、报告至少1项标签计算细节且检测率可追溯的研究；将脓毒症检测拆分为D1—D6六领域，提取方法学细节并分类分析单位；对可获得源代码的研究进行代码结构和依赖分析；采用单阶段二项-正态GLMM估计研究间异质性τ²和95%预测区间，并行敏感性分析。样本来源为MIMIC-III version 1.4（Beth Israel Deaconess Medical Center，2001—2012，46 520例患者）和eICU-CRD version 2.0（美国208家医院，2014—2015，200 859次ICU停留、139 367例患者）。

系统文献检索（Systematic literature search）：MIMIC-III检索获得Web of Science 262条、PubMed 115条，并补充8条；去重后286篇。eICU-CRD去重后110篇。总计396篇筛选，排除后118篇进入 eligibility 评估，最终纳入64篇（MIMIC-III 44篇，eICU-CRD 20篇）。

脓毒症检测率变异（Sepsis detection rate variability across studies）：MIMIC-III 44篇报告检测率3.4%～65.2%（中位数26.4%，IQR 13.6%～38.6%）；eICU-CRD 20篇为9.8%～47.9%（中位数18.7%，IQR 16.1%～28.7%）。在相同患者表来源、无年龄限制的队列中，MIMIC-III 5篇为16.9%～42.2%，eICU-CRD 10篇为13.9%～31.4%，说明实施决策而非患者选择造成差异。检测率随时间无收敛趋势。GLMM纳入58篇，总体合并率22.9%，τ²=0.79（95% CI 0.56～1.17），95%预测区间5%～63%；MIMIC-III τ²=1.05，eICU-CRD τ²=0.29。Meta回归仅解释少量研究间方差（τ²由0.79降至0.72），无研究特征显著；分析单位为住院次或ICU停留的队列检测率较低（OR≈0.6，均P≥.08）。MIMIC-III 10/44篇提供公开源代码，Set B为8/20，Set A为2/24；eICU-CRD 2/20篇提供源代码，另3篇经依赖追溯链接至上游代码库。

方法学异质性 across publications：MIMIC-III研究对D2—D6的记录率低：SOFA计算参数34.1%（15篇）、感染检测方法31.8%（14篇）、时间窗15.9%（7篇）、聚合方法11.4%（5篇）、缺失数据处理6.8%（3篇）；部分预处理步骤是否适用于标签计算不明确（D2 15.9%、D3 20.5%、D4 47.7%）。有明确时间窗记录的7篇中窗口为1～24小时；明确记录缺失值处理的3篇均采用前向填充并对缺失SOFA组分默认正常，可能降低SOFA评分并低估检测率。15篇明确记录SOFA计算的研究中12篇说明≥2阈值，仅2篇记录基线SOFA判定。14篇明确记录感染检测方法的研究中11篇采用抗生素-培养时间匹配，2篇采用ICD-9编码。eICU-CRD记录率较高：SOFA计算95.0%（19篇）、感染检测方法65.0%（13篇）、时间窗85.0%（17篇）、聚合方法60.0%（12篇）、缺失数据处理40.0%（8篇）；但检测率变异仍存在。两数据库合并记录率为SOFA计算53.1%、感染检测方法42.2%、时间窗37.5%、聚合方法26.6%、缺失数据处理17.2%；D1仅通过源代码分析评估。

源代码分析（Source code analysis）：64篇中12篇提供公开源代码，去重并筛除不完整实现后，6个代码库进入分析：Johnson et al（sepsis3-mimic；18个文件，110项决策）、Komorowski et al（AI_Clinician；3个文件，36项决策）、Johnson et al（mimic-code；34个文件，50项决策）、Rosnati and Fortuin（MIMIC-III-sepsis-3-labels；25个文件，68项决策）用于MIMIC-III；Chen et al（16个文件，34项决策）、Yang et al（1个文件，23项决策）用于eICU-CRD。共识别MIMIC-III 264项、eICU-CRD 57项实施决策，分布于80个和17个源文件，揭示相关论文未报告的方法学异质性。MIMIC-III代码库存在依赖：Komorowski et al建立在Johnson et al基础上，后者源自mimic-code，提示实施决策可能传播；两个eICU-CRD代码库独立开发。D1方面，MIMIC-III代码库共识别149个唯一ITEMID，心血管监测使用18～28个ITEMID，总参数覆盖125～143个ITEMID。D2方面，Rosnati and Fortuin以ICU入住为参照按小时计算SOFA，Johnson et al和Komorowski et al在感染相关窗口内计算（疑似感染 onset 前48小时、后24小时）。D4决策复杂度最高（每个MIMIC-III代码库8～16项决策）；Johnson et al和mimic-code以零插补为主，Komorowski et al采用线性插值、k-近邻（k-nearest neighbor, kNN）插补和变量特定默认值的多阶段插补。D5方面，Johnson et al、mimic-code、Komorowski et al和Chen et al将基线定义为0（绝对SOFA≥2），Rosnati and Fortuin采用最低观察SOFA作为动态基线。D6方面，4个MIMIC-III代码库均采用抗生素-培养时间匹配；两个eICU-CRD代码库均未采用抗生素-培养匹配，而依赖APACHE相关诊断编码。实际影响体现于MIMIC-III MetaVision队列：Johnson et al报告49.1%，而相同源人群的重叠实现报告8.8%～42.0%；eICU-CRD中不同时间窗（24小时 vs 72小时）、参数覆盖（32 vs 14个标识符）、ICU住院时间要求（≥72小时 vs >24小时）和感染标准（APACHE与ICD vs 仅APACHE）会从相同源数据产生不同队列。

讨论与结论：讨论提出3个相互关联机制：公开ICU数据库存在数据质量挑战，MIMIC-III含超过12 000个唯一参数名（如通气参数超过100个名称）、生理学不合理离群值和CareVue/MetaVision双信息系统差异，需要大量未记录决策；SOFA组分缺失值处理多样，零插补可能低估危重患者功能障碍；实施选择可能跨研究组共享，Set A与Set B中位检测率相近（24.9% vs 27.9%）提示研究内方法学选择影响更大。eICU-CRD观察到两个相同检测率和队列规模的簇：34.94%簇为同一研究组3篇文献（48 694/139 367），16.60%簇为4篇文献（23 136/139 367）跨3个机构，其中3篇有专业数据分析服务共同合著者，提示实施决策可能传播。检测率无时间收敛趋势。SOFA-2引入更多参数和更新阈值，可能增加D1—D6异质性，建议同步发布参考实现、标准化测试数据、强制实施报告并形成社区共识。局限包括仅纳入开放获取文献、仅分析MIMIC-III和eICU-CRD、低记录率限制回归、缺乏临床结局验证。建议强制报告D1—D6实施细节、发布版本控制源代码、开发共识参考实现并将脓毒症标签计算标准整合入现有报告指南。研究结论翻译：本系统综述显示，尽管使用相同的脓毒症定义、源数据库和队列规范，不同研究间的脓毒症病例检测仍存在显著差异。研究人员证明，这种异质性可归因于6个关键领域的方法学记录不足：参数覆盖、时间窗、聚合策略、缺失值处理、SOFA计算和感染检测方法。建议对脓毒症病例定义进行标准化报告，并发布受版本控制的源代码，以提高脓毒症预测模型的可重复性和稳健性。