父母识别孩子严重疾病的能力

《JAMA Network Open》：Parental Ability to Identify Severe Illnesses in Their Children

急诊症状问卷诊断儿童严重疾病的价值：研究发现家长担忧能高敏感性（91%）识别重症但特异性低（17.5%），机器学习模型显示担忧程度、患儿整体状况和治疗需求是核心预测因子，提示需结合临床评估优化急诊分流。

　　

关键点

问题 父母是否可以通过填写症状问卷，在孩子前往急诊科接受评估之前准确识别出他们所患的严重疾病？

研究结果 在这项针对2375名儿童和青少年的诊断研究中，父母表现出中度到高度的担忧情绪，这种情绪在识别需要长期观察、特殊治疗或儿科重症监护治疗的严重疾病方面具有较高的敏感性，但特异性较低。额外的基于症状的问题所提供的诊断价值有限。

意义 这些结果表明，父母的担忧情绪可以作为识别严重疾病的有效初步筛查指标，但其较低的特异性强调了需要进行补充的临床评估的必要性。

摘要

重要性 父母能够及早识别儿童和青少年的严重疾病对于及时进行医疗处理和改善儿科急诊护理的效果至关重要。

研究目的 评估父母在孩子到达急诊科后不久填写问卷时，识别孩子严重疾病的准确性。

研究设计、地点和参与者 这项诊断研究在芬兰北部的一家三级儿科急诊科进行。数据收集时间为2019年至2021年，分析工作在2024年5月至2025年5月期间完成。研究对象为那些父母在医生评估前完成问卷的儿童和青少年。

研究方法 使用一份包含36个问题的结构化问卷，收集父母关于孩子症状及整体健康状况的信息。

主要结果和测量指标 严重疾病定义为以下一种或多种情况：需入住儿科重症监护室、住院治疗超过24小时、需要静脉输液或鼻胃管喂养、需要静脉注射抗生素超过24小时、血氧饱和度低于93%或需要吸入药物治疗、过敏性休克、需要住院治疗的中毒情况，以及需要手术治疗的情况。对每个问题都计算了敏感性和特异性。为了确定具有最强诊断价值的父母筛查问题，采用了机器学习分析方法。

结果 在2375名参与研究的儿童和青少年中（平均年龄[标准差]为5.4[4.6]岁；其中1140名为女性[占48.0%]），有567人（23.9%）符合严重疾病的定义。父母表现出中度到高度的担忧情绪，其敏感性最高（91.0% [95%置信区间，88.3%-93.2%]），但特异性最低（17.5% [95%置信区间，15.8%-19.4%]）。其他特定的儿科问题虽然具有一定的诊断准确性，但附加值有限。机器学习模型（接收者操作特征曲线下面积为0.71；95%置信区间，0.65-0.77）显示，父母的担忧情绪（特征重要性得分0.047）、父母对孩子或青少年整体健康状况的评估（特征重要性得分0.046）以及治疗需求（特征重要性得分0.141）是预测住院的最强指标。

结论和相关性 本研究显示，父母的担忧情绪能够识别出大多数严重疾病病例，但特异性较低。这些结果表明，虽然父母的担忧情绪可以作为初步筛查指标，但仍需结合临床评估和客观测量方法，以避免不必要的医疗资源过度使用。