《Journal of Personalized Medicine》：NSTEMI-CARE: A Calibrated Multilayer Decision-Support Tool for Early Level-of-Care Assignment in Non-ST-Segment Elevation Myocardial Infarction
编辑推荐：
摘要翻译：背景：非ST段抬高型心肌梗死（NSTEMI）患者常被收入重症监护病房（ICU）或监护单元，但其需要ICU级别并发症的风险具有异质性。研究人员开发了NSTEMI-CARE，一种用于早期医院照护级别分配的校准多层决策支持算法。方法：研究人员开展了一项回顾
摘要翻译：背景：非ST段抬高型心肌梗死（NSTEMI）患者常被收入重症监护病房（ICU）或监护单元，但其需要ICU级别并发症的风险具有异质性。研究人员开发了NSTEMI-CARE，一种用于早期医院照护级别分配的校准多层决策支持算法。方法：研究人员开展了一项回顾性队列研究，连续纳入2017年7月1日至2020年12月31日期间在哥伦比亚波哥大一家心血管转诊中心收治、并经冠状动脉造影证实存在梗阻性冠状动脉疾病的NSTEMI患者。主要结局为需要ICU级别照护的并发症复合终点。研究人员对候选机器学习模型的区分度和校准度进行评价。所选概率模型与预设临床触发因素及Gray-Zone决策规则整合，生成普通病房与ICU/监护治疗之间的二分类建议。结果：在981例患者中，155例（15.8%）发生主要结局。在五折折外内部验证中，等渗校准的HistGradientBoosting模型达到曲线下面积（AUC）0.821、平均精度（average precision）0.618和Brier评分0.092。最终算法将464例（47.3%）分配至普通病房照护，将517例（52.7%）分配至ICU/监护治疗。被分配至普通病房者的观察事件率为3.9%。敏感性为88.4%，特异性为54.0%，阳性预测值（PPV）为26.5%，阴性预测值（NPV）为96.1%。在次要比较分析中，NSTEMI-CARE较ACTION-ICU表现出更高区分度（AUC 0.821 vs. 0.645；p<0.001）。结论：NSTEMI-CARE识别出一个可能适合普通病房管理且占比较高的亚组，同时维持较高阴性预测值。通过将校准风险估计与明确临床决策规则整合，该算法为NSTEMI早期照护级别分配提供了具有临床可解释性的框架。在临床实施前，仍需外部和前瞻性验证。
论文解读：
研究背景方面，急性冠脉综合征（ACS）包括非ST段抬高型急性冠脉综合征（NSTE-ACS），后者约占ACS的70%，其中包含NSTEMI和不稳定型心绞痛。高敏心肌肌钙蛋白检测的广泛应用使更多较小程度心肌坏死被识别，并使部分既往诊断为不稳定型心绞痛的患者重新归类为NSTEMI，因此当代NSTEMI人群日益异质，既包括需要强化监测或高级心血管支持的高危患者，也包括院内并发症风险相对较低的患者。现行指南建议NSTEMI后首24—48 h密切监测，以发现早期缺血、电学或血流动力学并发症；但实践中低危患者也常被收入ICU，而当代院内死亡率约为2%—3%。这提示需要将个体化风险转化为实用、可重复的照护级别分配建议。机器学习可捕捉常规临床变量间的复杂非线性交互并生成个体化风险估计，但单纯预测不足以支持运营性分诊决策。因此，研究人员提出将校准概率机器学习模型与明确临床决策规则整合于多层临床决策支持框架中，以改善对住院期间可能需要升级至ICU级别照护患者的早期识别，同时支持适宜的初始照护级别分配并维持患者安全。在此背景下，研究人员开发了NSTEMI-CARE，一种在NSTEMI早期临床过程中提供普通病房与ICU/监护治疗二分类建议的多层临床决策支持工具。该研究的意义在于提供透明、可解释且可床旁应用的决策支持框架，并可能促进更选择性地使用重症监护资源，但其临床效用仍需前瞻性比较验证。
关键技术方法（≤250字）：研究人员在哥伦比亚波哥大Fundación Cardioinfantil–Instituto de Cardiología开展回顾性观察队列研究，纳入2017年7月1日至2020年12月31日连续收治且冠状动脉造影证实梗阻性冠心病的NSTEMI患者981例。研究人员比较惩罚逻辑回归、随机森林与HistGradientBoosting等候选模型，以分层五折折外交叉验证进行内部验证，采用等渗回归校准概率，并以负Brier评分网格搜索调参；最终将校准概率与预设临床触发因素及Gray-Zone规则整合，形成普通病房与ICU/监护治疗二分类建议，并与ACTION-ICU九变量评分比较。
研究结果方面，3.1 基线特征与早期临床轮廓：通过单中心队列描述性分析，研究纳入981例NSTEMI患者，685例（70%）为男性，155例（15.8%）发生主要结局。最常见合并症为高血压（65.5%）、超重状态（57.6%）、吸烟史（42.9%）、血脂异常（41.5%）、糖尿病（27.0%）和既往冠状动脉疾病（27.1%）。预测变量缺失率较低，最高为钠（1.33%）和钾（1.02%）。发生主要结局者高血压、糖尿病、慢性心力衰竭、慢性肾脏病/肾脏病史、既往心房颤动和高合并症负担更常见；年龄、性别、体重指数、超重状态、血脂异常、吸烟史、既往冠状动脉疾病和既往血运重建在组间相似。早期临床评估中，发生主要结局者心率、收缩压、呼吸频率、肌酐和白细胞计数更高，血红蛋白和左心室射血分数更低；复发性胸痛、心动过缓、急性心力衰竭体征、ST段压低和/或T波倒置以及24 h内新发心房颤动也更常见；肌钙蛋白、舒张压、钠和钾在组间无显著差异。主要结局中最常见成分是需要药物高级支持，包括持续静脉血管扩张剂、血管升压药或正性肌力药治疗，其次为通气和机械循环支持；室性心律失常、心脏骤停和高级房室传导阻滞较少见。总队列院内死亡率为1.6%，发生并发症者为10.3%。
3.2 模型开发与NSTEMI-CARE算法构建：通过模型开发与五折折外内部验证，研究人员评价惩罚逻辑回归、随机森林和HistGradientBoosting三类机器学习方法，最终选择等渗校准的HistGradientBoosting模型作为NSTEMI-CARE的概率组件。该模型AUC为0.821，平均精度为0.618，Brier评分为0.092，校准图显示预测概率与观察事件率总体一致。SHAP（Shapley Additive exPlanations）分析显示，24 h内复发性胸痛、白细胞计数、血红蛋白、心肌肌钙蛋白、血清肌酐、收缩压等常规变量是模型预测的主要贡献因素。为将概率预测转化为可操作分诊策略，研究人员选择<8%和≥60%的概率阈值分别用于直接普通病房和直接ICU分配：<8%阈值的阴性预测值为95.5%，≥60%阈值的阳性预测值为90.5%、特异性为99.5%；直接ICU分配还纳入预设重大临床触发因素，包括首24 h内复发性胸痛、急性心力衰竭体征、收缩压≤90 mmHg和心率<45次。直接分类层将355例（36.2%）直接分配至普通病房、150例（15.3%）直接分配至ICU/监护治疗，其余476例（48.5%）进入中间Gray-Zone路径接受二次临床评估，其中50例（10.5%）发生主要结局。最终Gray-Zone规则纳入预测风险、血红蛋白、血清肌酐和呼吸频率；仅当预测风险<10%、血红蛋白≥12 g/dL、血清肌酐≤1.5 mg/dL且呼吸频率≤22次/min时分配至普通病房，否则建议ICU/监护治疗。整合两层决策后，最终算法将464例（47.3%）分配至普通病房、517例（52.7%）分配至ICU/监护治疗；普通病房分配者主要结局观察率为3.9%（18/464），ICU/监护治疗分配者为26.5%（137/517）。完整算法敏感性88.4%、特异性54.0%、阳性预测值26.5%、阴性预测值96.1%、总体准确率59.4%。在普通病房分配后发生主要结局的18例中，最常见成分为后续需要持续静脉血管扩张剂治疗（10/18，55.6%），心脏骤停（4/18，22.2%）、室性心律失常（2/18，11.1%）、高级房室传导阻滞、卒中和院内死亡（2/18，11.1%）较少见；两例院内死亡均发生在长时间住院期间的心血管外科干预之后，并记录为术后并发症而非指数NSTEMI表现直接后果。
3.3 与ACTION-ICU的比较性能：通过在同一队列中比较，NSTEMI-CARE最终算法较ACTION-ICU表现出显著更好的区分度（AUC 0.821，95% CI 0.777—0.861 vs. 0.645，95% CI 0.595—0.694；DeLong p<0.001）。在ACTION-ICU推荐≥3分截断值时，其敏感性（89.0%）与NSTEMI-CARE（88.4%）相近，但特异性显著降低（15.0% vs. 54.0%），阴性预测值亦较低（87.9% vs. 96.1%）。将ACTION-ICU阈值提高至≥5分可改善特异性（48.1%），但敏感性降至69.7%，导致假阴性分类明显多于NSTEMI-CARE（47例 vs. 18例）。
讨论部分总结：研究人员认为，在该回顾性NSTEMI队列中，约六分之一患者发生需要ICU级别照护的复合结局，而NSTEMI-CARE的序贯架构识别出近半数队列为普通病房管理候选者，其观察事件率较低且阴性预测值较高（96.1%）。概率组件经等渗校准后表现出良好区分度和校准度，SHAP分析显示的特征贡献具有临床合理性；尽管肌钙蛋白在单变量分析中组间无显著差异，但其在多变量模型中对个体预测有贡献，说明非线性模型中的特征贡献可与传统组间边际关联不同，且未评估连续肌钙蛋白动力学。预设重大临床触发因素和简化Gray-Zone规则使所有患者均得到分类，无中间风险患者未解决，同时普通病房最终分配者事件率仍低（3.9%）；Gray-Zone规则保留变量为贫血、肾功能不全和呼吸需求增加等残余风险的临床合理标志。NSTEMI-CARE较ACTION-ICU区分度更高、特异性更高且假阴性更少，但这些发现不应解释为临床效用优越的证据，需前瞻性比较评价。讨论还指出，现行ACS指南推荐对高危或不稳定患者进行强化心脏监护并强调基于风险决定监测强度与时长；既往观察性研究显示NSTE-ACS患者重症监护使用存在显著差异，部分初始稳定患者可在非ICU监护环境管理；巴西NSTEMI队列中近95%患者入ICU而需重症监护的并发症仅4.9%，美国大队列亦报告医院间ICU使用差异。研究人员在本队列中回顾性将47.3%患者分配至普通病房，其中主要结局观察率为3.9%，提示基于个体化风险的照护级别分配可能有助于更选择性使用重症监护资源，同时需关注临床恶化风险。局限性包括回顾性设计导致的数据可得性、记录质量和医生决策偏倚，动态预测变量与结局成分之间精确时间关系因时间戳不全而难以确立；单中心高复杂度心血管转诊中心限制外推性；仅纳入造影证实梗阻性冠状动脉疾病患者，对疑似NSTEMI、心肌损伤、MINOCA或非梗阻性冠状动脉疾病患者的适用性不确定；概率阈值和Gray-Zone规则在同一队列开发与评价，完整算法性能估计可能偏乐观；主要结局为反映照护升级的复合终点，部分成分可能受机构实践模式和高级治疗启动阈值影响。NSTEMI-CARE应作为补充而非替代个体化临床判断的决策支持工具。
研究结论翻译：NSTEMI-CARE是一种校准的多层决策支持算法，将个体化风险估计与明确床旁临床决策规则整合，用于NSTEMI早期照护级别分配。在该回顾性单中心队列中，该算法表现出良好区分度和高阴性预测值，并识别出一个主要结局观察风险相对较低的大亚组。这些发现支持将NSTEMI-CARE作为个体化照护级别分配的潜在决策支持框架进一步评估。在常规临床实施前，需要对完整算法进行外部前瞻性验证。
