《Frontiers in Disaster and Emergency Medicine》：Based on evidence to explore and analyze clinical pathway risk factors by the different prediction methods in trauma patients
编辑推荐：
背景：创伤常涉及多器官和系统，使得单一学科医疗团队难以提供全面护理。因此，多学科团队合作对于提高创伤治疗成功率、降低死亡率及改善患者结局至关重要。基于文献证据，建议创伤患者在规定时间内完成相应检查、治疗和护理流程，以提高治愈率和生存率。然而，创伤护理涵盖多个医
背景：创伤常涉及多器官和系统，使得单一学科医疗团队难以提供全面护理。因此，多学科团队合作对于提高创伤治疗成功率、降低死亡率及改善患者结局至关重要。基于文献证据，建议创伤患者在规定时间内完成相应检查、治疗和护理流程，以提高治愈率和生存率。然而，创伤护理涵盖多个医疗阶段和路径，包括院前急救、急诊室抢救、手术、重症监护和康复。因此，确保每个程序顺利推进、路径畅通、尽可能缩短诊疗时间、高效分配资源以及优先救治危重患者，是改善患者临床结局的关键因素。因此，本研究结合现状与文献证据，通过不同预测模型探索并比较创伤患者急诊路径中的风险因素。目的：基于最终结局，探索急诊创伤患者临床急诊治疗路径的多因素分析，并利用多种预测模型筛选影响创伤患者临床结局的风险因素。方法：数据收集自2024年1月1日至2024年12月31日期间在该医院治疗的急诊创伤患者，来源于国家创伤联盟数据库子系统，分为生存组和死亡组。此外，基于文献证据和临床状况设定指标阈值。通过两种预测模型分析影响患者结局的临床急诊治疗因素：一种采用LASSO回归筛选因素，并利用随机森林模型比较因素；另一种采用逻辑回归。结果：共收集1736例有效病例，其中生存组1634例，死亡组102例。基于LASSO回归，Log(λ) = ?0.372，此时模型纳入7个预测变量。以创伤患者结局为因变量，将LASSO方法筛选的变量纳入随机森林模型，变量重要性从高到低依次为：病情评估、格拉斯哥昏迷评分（GCS评分）、血压、损伤严重度评分（ISS评分）、计算机断层扫描（CT）检查时间、多部位损伤、院前转运时间、相关检查完成情况。基于逻辑回归，病情评估、GCS评分、ISS评分、院前转运时间、从到达急诊科到完成检查的时间是影响患者最终结局的主要因素（P < 0.001）。结论：机器学习模型可直观显示临床路径中风险因素的重要性，使医务人员更清晰地了解急诊过程中的关键要素。逻辑回归更侧重于指标构建，通过客观数据表达临床路径。此外，LASSO回归在变量筛选方面比传统回归方法更便捷且减少了偏倚。最终目标是通过循证方法帮助临床医护人员可视化路径中的风险，从而建立相应的质量控制指标，优化路径以提高创伤护理的质量和效率。
**论文解读：基于预测模型的创伤患者临床路径风险因素分析**
**研究背景与问题**
创伤是全球范围内主要的死亡原因之一，常涉及多器官和系统，单一学科团队难以提供全面救治。中国创伤治疗起步较晚，缺乏统一管理规范和标准化流程，导致创伤患者死亡率显著高于发达国家。为应对这一挑战，国家卫生健康委员会自2018年起推动创伤中心建设，要求建立多学科创伤治疗团队，并逐步完善区域应急响应系统。然而，中国创伤救治仍存在临床路径决策不明确的问题，特别是风险因素识别、流程优化、时效性及决策权重方面存在不足。现有研究多聚焦于药物干预和实验室检查，对临床护理管理和创伤护理路径的文献有限。因此，本研究旨在结合文献证据与临床现状，利用不同预测模型探索并比较创伤患者急诊路径中的风险因素，以优化流程、降低死亡率。
**主要技术方法**
本研究采用回顾性队列设计，数据来源于国家创伤联盟数据库子系统，纳入2024年1月1日至12月31日期间某医院收治的1736例急诊创伤患者。主要关键技术方法包括：
1. **LASSO回归**：用于从高维数据中筛选变量，通过L1正则化减少过拟合，选择非零系数变量。
2. **随机森林模型**：基于筛选变量评估各因素的重要性，通过均方误差增量（Inc MSE）排序。
3. **逻辑回归**：用于多因素分析，计算各变量的比值比（OR）及95%置信区间（CI），识别独立风险因素。
4. 变量阈值设定依据文献证据和临床实践，包括GCS（格拉斯哥昏迷评分，用于评估意识水平）<15、ISS（损伤严重度评分，用于量化创伤严重程度）≥16、院前转运时间>30分钟等。
**研究结果**
**3.1 一般资料**
共收集1736例有效病例，生存组1634例（平均年龄60.52±13.02岁），死亡组102例（平均年龄61.24±12.56岁）。两组在性别、年龄、心率、呼吸、血压、血氧饱和度等基础生命体征上无显著差异（P>0.05），但危重患者占比均超过80%。
**3.2 急诊创伤患者临床结局相关因素分析**
单因素分析显示，生存组与死亡组在GCS评分、ISS评分、TI评分（创伤指数）、FAST超声（重点超声评估创伤）完成时间、胸片完成时间、骨盆X线完成时间上存在显著差异（P<0.001）。TI评分虽统计学显著，但两组均值均<9（属轻微损伤），故排除。最终将病情评估、GCS、ISS、院前转运时间及各项检查时间纳入回归模型。
**3.3 基于LASSO回归的特征选择**
LASSO回归在λ=0.689（Log(λ)=?0.372）时，模型纳入7个预测变量，包括病情评估、GCS、ISS、血压、CT检查时间、多部位损伤、院前转运时间及相关检查完成情况。
**3.4 基于随机森林模型的变量重要性排序**
随机森林模型分析显示，变量重要性从高到低依次为：病情评估、GCS评分、血压、ISS评分、CT检查时间、多部位损伤、院前转运时间、相关检查完成情况。血压和心率等生命体征在随机森林中重要性较高，但在逻辑回归中无统计学差异，可能与筛选指标方法不同有关。
**3.5 基于逻辑回归的多因素分析**
逻辑回归结果表明，病情评估（急诊及以上）、GCS评分<15、ISS评分≥16、院前转运时间>30分钟、骨盆X线完成时间>60分钟、胸片完成时间>60分钟、FAST超声完成时间>50分钟、CT完成时间>90分钟是影响患者结局的独立风险因素（P<0.001）。院前转运时间超过30分钟使死亡风险增加1.83倍，检查时间延长与死亡风险升高相关，尤其CT完成时间>90分钟时OR值为3.08。
**讨论与结论**
**讨论部分**：研究通过比较随机森林和逻辑回归模型，发现病情评估和检查时效性是共同关键因素。随机森林能直观显示各因素重要性，而逻辑回归侧重于指标构建。创伤评估工具（如GCS、ISS）在指导临床决策中至关重要，准确评估可优先救治危重患者。关键诊断检查（FAST、CT、X线）的及时完成是连接急诊、手术和重症监护团队的核心环节，延迟完成与死亡率升高显著相关。院前转运时间>30分钟是独立风险因素，与既往国际研究一致。研究建议加强分诊和病情评估培训、通过数据驱动模型优化路径、强化区域创伤系统建设。
**结论**：本研究发现，及时创伤评估、高效急诊流程和结构化创伤护理方案对改善患者结局至关重要。通过数据驱动模型和临床专业知识的结合，未来创伤管理策略可进一步减少治疗延迟并优化应急响应系统。研究局限性包括缺乏外部验证、单中心设计、混杂因素未完全控制等，建议未来开展多中心前瞻性验证并纳入长期随访数据。
