HELP-BAG评分：一种基于数据的新型评分系统，利用术前24小时的数据来预测术后30天的死亡率

《BMC Anesthesiology》：HeLP-BAG score: a novel data-driven scoring system for predicting post-operative 30-day mortality using 24-hour preoperative data

　　

摘要

背景

准确的术前风险分层仍然具有挑战性，因为现有的评分系统通常较为复杂、具有侵入性，或者仅适用于特定的患者群体。我们旨在开发一个简单、易于理解且广泛适用的风险评分系统，利用常规可获得的变量来筛查术后30天的死亡率。

方法

我们利用三个大型外科队列开发了HeLP-BAG评分系统。为了减少人口统计学偏差，这些队列按年龄和性别进行了匹配，每个数据集包含24,617名男性和女性患者。手术前24小时内收集的临床数据被用作输入参数，术后30天的死亡率被定义为评估结果。候选变量的选择基于临床相关性、统计区分度、单调性、非侵入性以及通用性。通过变化点检测算法确定变化点，并通过临床共识进行优化。模型性能在综合验证队列中进行了评估，并使用接收者操作特征曲线下面积（AUROC）与ASA-PS、七个已建立的评分系统以及五个机器学习模型进行了比较。此外，还使用事后加权策略评估了ICU入住情况。

结果

最终评分系统包含了十个变量：ICU入住情况、年龄、平均动脉压、心率、血红蛋白、乳酸、动脉pH值、血尿素氮、白蛋白和葡萄糖。综合验证队列包含98,468名患者，30天死亡率为1.47%。HeLP-BAG评分系统的AUROC值为0.873，与ASA-PS（0.865；p = 0.120）的表现相当，且优于SAPS3（0.831）。在高风险亚组中，该评分系统的表现尤为稳健，包括急诊手术（AUROC 0.843；p < 0.001 vs ASA-PS）和65岁及以上的老年患者（AUROC 0.866；p = 0.004 vs ASA-PS）。死亡率随着评分值的升高而呈单调增加，并且开发了一个基于网络的计算器以便在床边使用。

结论

HeLP-BAG评分系统是一种简单且易于理解的工具，可用于筛查术后30天的死亡率，在不同的外科患者群体中表现出一致的性能。