2023心搏骤停早期预警评分系统的研究现状和展望.docx

《2023心搏骤停早期预警评分系统的研究现状和展望.docx》由会员分享，可在线阅读，更多相关《2023心搏骤停早期预警评分系统的研究现状和展望.docx（8页珍藏版）》请在第一文库网上搜索。

1、2023心搏骤停早期预警评分系统的研究现状和展望心搏骤停是心脏丧失有效泵血功能，血流突然中止，临床表现有胸痛、气促、呼吸异常或消失、意识丧失。美国每年约35万人发生院外心搏骤停，约30万人发生院内心搏骤停，全因死亡约1.8万人，相关死亡约38万人。我国的情况更是不容乐观，每年大约有54万人发生心搏骤停，全因病死率为7.4%新指南显示，早期预警评分系统可以预测心搏骤停的发生，降低病死率，但是早期预警评分系统种类繁多，不同的早期预警系统相比较而言能给患者带来多少益处难以定论。现针对这一问题搜集不同心搏骤停早期预警评分系统相关文献,并比较优劣,论述心搏骤停早期预警评分系统在我国的发展可能。1常用心搏

2、骤停早期预警评分系统目前常用的心搏骤停早期预警评分系统包括心脏风险指数修订版(therevisedcardiacriskindex,RCRI)x早期预警评分(ear1ywarningscore,EWS)、改良早期预警评分(modifiedear1ywarningscorezMEWS)、国家早期预警评分(nationa1ear1ywarningscore,NEWS)、心搏骤停危险分级(thecardiacarrestrisktriage,CART)x电子心搏骤停危险分级(e1ectroniccardiacarrestrisktriage,eCART)和机器学习技术。1.1 基本特征和临床效果(表

3、12):自1997年MOrgan制定出第一个早期预警评分系统用于心搏骤停以来，心搏骤停早期预警评分系统发展演变出诸多分支，但大体上趋于三大类。第一类，如EWSxMEWS、NEWS和CART。此类评分简洁、操作性强，主要包括基本生命体征等指标。第二类，如RCRI和eCART0此类评分在第一类的基础上进一步发展,评分较为复杂，增加了生化指标。第三类，如机器学习。机器学习技术是传统评分与新时代电子信息算法的结合，与前两类差异巨大。它的评分过程复杂，指标繁多、不统一，无法人为评分，只能通过电子机器自动评估。在临床应用效果方面，机器学习技术最出色，受试者工作特征曲线下面积(areaundertherec

4、eiveroperatorcharacteristiccurve,AUC)达0.85,其他评分的AUC从高到低依次为第二类的eCART和RCR1第一类的NEWS和MEWSo可以看出,随着时间推移，心搏骤停早期预警评分系统正在朝着操作过程更复杂、临床应用效果更优秀的方向不断发展。由于改良版心搏骤停早期预警评分系统的临床应用效果优于最初版，近期有关最初版早期预警评分系统的研究较少，本文只讨论改良版心搏骤停早期预警评分系统的临床应用效果。1心H1f1t停早期覆评分系统的基本特征早期Hdf件分系统制定年份(年)if分播体注用场景KCKI1999冠状幼肽次、心/J衰词.*度静疾婀,曲岛宗依像型输尔赧、心

5、脏外科术品者术前过他术后并发H功爱不全,口危的非心腑外科术心物管U件EUX5IW生0体M和急识状盍等追咬入院前建%辆慵评估和危险分以ME5S*2001收照隙.心中.呼啜M16.体M和氨识急诊或入院前密后据情评估和危险分瓜MN、*2012脉持.体S141接中.弧盘0度.收Se1K及盘识生平急徐或入院前照弄精情过彷和危险分瞌CARTw2012解吸棘率.心率.舒米HifO年Mr2ART2014呼啜W1率.心率.舒张味.年龄和化会指标住毁爨机器学习技术，:20151仟心肌病住5*像FMMt、生化箱你、心电图等床散必,*m挎,救护a,s1.2 注,HCR1为心断以IQih散修打址ZS为Y期储警过分.IE

6、4为改R早阴收警过分.NEWS为国家M期检警泞分.CART为心樽辑若危龄分诡,gART为电于心樽骨处危险分蟆1.3 优点、不足和前沿进展：RCRI的优点是评分指标较简洁，仅包括患者的术前病史和手术种类,评分过程易于操作。RCRI的缺点:一是RCRI的某些评分指标定义较为模糊，使用的是狭义上的定义，在一定程度上降低了RCRI的准确性；二是RCRI的适用人群范围较窄,只能用于非心脏外科手术患者术前评估术后住院期间或术后30d内出现死亡或心血管事件（包括心源性死亡、心肌梗死和心搏骤停）的风险，极大地限制了RCRI的应用空间并且RCRI的临床应用效果一般。国外已开展了诸多有关RCRI的研究，结果较为全

7、面和成熟。RCR1能在中等程度上区分非心脏术后患者发生心搏骤停高风险与低风险的可能，但对大血管手术（如腹主动脉人工血管置换术）患者的预测能力较差。目前，有关RCRI的研究仍保持较高热度，研究热点主要是通过加入新的评分指标、探索特殊适用人群或更改部分评分指标的定义标准来提高RCRI的临床应用效果。国外学者对RCRI的适用人群进行研究，制定出不同适用人群的改良版RCR1,但改良版RCRI未被广泛接受和使用。近5年国内对RCRI的关注度不高，尚未在中文数据库中检索到国内有关RCRI临床应用效果的报道。EWS在英国不同医院有不同的版本，评分指标和过程存在差异。大多数版本的评分指标包括生命体征等，只有少

8、数版本的评分指标包含血生化参数。总体而言，EWS的评分指标和过程简洁可行，操作性强，这是它的优点之一；EWS的另一个优点是适用范围较广。EWS在设计之初没有对适用人群进行严格的限制，它的预测结局包括死亡、脑梗死、心搏骤停、转入重症监护病房（intensivecareunitzICU）等不良事件。EWS的缺点是临床应用效果一般，敏感度和特异度不高；不能持续监测，只能由有经验的临床医生根据患者情况计算分析得出预测结果；某些评分指标较为模糊，没有严格的参照标准，导致评估结果容易受操作人员的主观影响。目前，EWS的研究热度一般，发表的文献大多为对既往文献进行总结的综述、系统回顾和Meta分析。国外学者

9、研发了不少EWS改良版本，其中最为出名的是MEWS和NEWSoMEWS和NEWS在EWS的基础上增加了评分指标，提升了临床应用效果，在欧洲诸多医院被广泛使用。国内部分医院逐渐开展MEWS和NEW的临床应用工作，某些医院也将EWS的其他改良版本应用于临床，如儿童早期预警评分(pediatricear1ywarningscorezPEWS)。目前，探索不同适用人群和预测结局的临床效果是研究的热点。国外文献大多为针对特定疾病患者的报道，如肝病和新型冠状病毒肺炎；近几年发表的文献大多将心搏骤停、心源性死亡和死亡等不良事件合并为1个预测结局，很少有研究者将心搏骤停作为预测结局进行单独分析。另外，由于ME

10、WS和NEWS的应用广泛，不少文献都将二者作为对照组来比较，从而探讨改良或新制定的预警评分系统的临床疗效。目前国内针对EWS、MEWS和NEWS的文献大多为单中心小样本报道，且大多应用于护理、急救领域，以结局为心搏骤停的研究较少。CART的优点是评分指标少，操作简单易行；缺点是敏感度和特异度一般。eCART是CART的改良版本，评分指标中加入了血生化指标,在适用人群方面没有调整，仍然适用于住院患者。eCART的优点是临床应用效果尚优，缺点是操作比较复杂。近年来，国外的文献报道大多为回顾性分析，也没有将心搏骤停作为预测结局单独分析。目前，心搏骤停早期预警评分系统中常用的机器学习技术包括人工神经网

11、络(artificia1neura1networkzANN)、深度学习(deep1earning,D1)和随机森林算法(randomforest,RF)。机器学习技术的优点是敏感度和特异度较其他评分系统有了很大提升；应用范围广泛，适用于不同类型的患者；具有自我学习和完善的能力，随着数据输入次数的增多能够不断自我进步，校正预测结局与临床最终结局的误差。机器学习技术的缺点是评分指标繁多，评分计算过程复杂，临床医生无法通过计算与经验分析得出预测结局，只能通过机器计算才能预测结局；目前训练样本不足，需要大量的训练样本才能逐渐成熟并在临床使用，临床使用时还要根据临床病例不断校对误差，需要一定的成长时间；

12、评估患者的类型会影响预测结果，如年龄、地域、合并症等，在患者类型发生改变时，预测结果的误差就会增加，机器又要重新开始校对、学习。近期发表的国外文献大多为大样本多中心回顾性分析或系统回顾等，研究种类覆盖全面，而国内目前尚缺乏这方面的研究报道。2近些年诞生的心搏骤停早期预警评分系统近年来诞生了不少心搏骤停早期预警评分系统，发表在权威期刊上的包括病房风险分级工具、5个常见指标的评分、心电图风险评分和使用临床指标的预测模型等。病房风险分级工具来自美国芝加哥大学医学中心联合5家医院开展的多中心回顾性研究，从约27万例住院患者中筛选出预后不良(心搏骤停、转入ICU和死亡)的患者，采用离散时间生存分析建立预

13、测模型，最后将预测结局与MEWS的预测结果进行比较。5个常见指标的评分是法国巴黎猝死专家中心从巴黎地区4年内接受急救医疗服务(emergencymedica1service,EMS)的8112例ST段抬高心肌梗死患者中筛选出452例院外心搏骤停患者，采用多变量回归模型确定与心搏骤停相关的因素，再基于这个多变量回归模型制定出的评分系统。这项研究最大的特色为最终结局是预测院外心搏骤停这一不良事件。在此类研究中，预测结局设计为院外心搏骤停是很困难的。心电图风险评分是美国芝加哥医学中心基于心电图异常信号制定的评分标准。该中心通过分析心电图异常信号出现次数4次与心搏骤停不良结局之间的关系制定出评分系统，

14、并计算AUC证实评分系统可靠。使用临床指标的预测模型是从北美和欧洲5个注册试验中筛选出室性心律失常和心搏骤停的528例右室发育不良/心肌病患者，采用比例风险回归模型从8个潜在的影响因素中选择7个制定评分系统，最后将预测效果与植入型心律转复除颤器(imp1antab1ecardioverterdefibri11ator,ICD)放置算法进行比较。上述文献存在一些局限，例如：论证了临床指标与结果的关联强度，但没有与其他早期预警评分系统的临床应用效果进行横向比较；研究对象限定于合并特殊疾病的患者；没有将心搏骤停作为预测结局单独分析；病例样本年份较久。突破这些局限尚需要进一步研究，目前这些早期预警评分

15、系统尚未被广泛认可和使用。没有检索到国内学者制定的早期预警评分系统的文献。3讨论历经20余年的发展，心搏骤停早期预警评分系统最初以基本生命体征为评分指标，后续不断改良、完善，加入生化等新的指标，临床应用效果不断进步。近5年心搏骤停早期预警评分系统向信息化方向发展，引入机器学习技术，取得了突破性的进展。目前，心搏骤停早期预警评分系统呈现出3个主要热点和发展方向。一是信息化，向机器学习技术发展。机器学习算法具有自我学习、完善的能力，能在不断评估样本预测结局的过程中自动校正预测结局与实际临床结果之间的误差，这种过程与临床医生积累临床经验类似。理论上，机器学习算法评估样本越多，自我完善的程度就越高，临

16、床预测结局的准确度也越高，突破了以往心搏骤停早期预警评分系统的局限性，具有相当的发展潜力。但是，目前只有少数中心有小样本的报道，尚处于临床试验阶段，随之暴露出来的难点和问题还需进一步完善，距离全面进入临床还有很长的路要走。二是继续完善、增减评分指标。目前，有一些中心或医院牵头，采用临床医师手工填报或电子信息化技术建立了多中心大型数据库，经过10余年的积累使得这些数据库拥有超过10余万例庞大的病历资料，并借助不断建立、更新的大型数据库，在心搏骤停早期预警评分系统的制定过程中扩充样本量。在巨大的样本量基础上，完善、增减评分指标，制定出新的心搏骤停早期预警评分系统。巨大的样本量在一定程度上缩减了预测结局与临床最终结果之间的误差，保证了较为可靠的临床应用效果。但是，这种方式只能通过人为改变或增加评分指标来提高敏感度