■ 李 林鄭 超金 銘曹秀堂劉麗華田 鷗

基于生理指標(biāo)的住院患者病情嚴(yán)重程度評分構(gòu)建與有效性研究

■ 李 林①鄭 超①金 銘①曹秀堂①劉麗華①田 鷗①

病情嚴(yán)重程度評分 Logistic回歸模型 最小二乘法回歸模型

目的：構(gòu)建適用于國內(nèi)醫(yī)院信息系統(tǒng)的在院患者病情危重程度評分，并檢驗其有效性。方法：以某大型綜合醫(yī)院2015年7月1日～2015年12月31日住院的18歲以上患者為研究對象，提取其診療數(shù)據(jù)。參照基于實驗室檢查的急性生理功能評分第2版（LAPS2）研發(fā)思路，納入14項生理指標(biāo)，構(gòu)建了適于國內(nèi)醫(yī)院信息系統(tǒng)實際情況的病情危重評分。分析危重評分與患者在院死亡率、平均住院日的簡單關(guān)系；構(gòu)建Logistic模型，考察危重評分與在院死亡之間的關(guān)系；構(gòu)建最小二乘法模型（OLS），考察危重評分與平均住院日之間的關(guān)系。結(jié)果：所構(gòu)建的住院患者病情嚴(yán)重程度評分是范圍在0～160的連續(xù)型變量。分值越高，患者數(shù)量越少，而患者在院死亡率迅速提高。Logistic回歸結(jié)果顯示，評分越高，在院死亡可能性越大。隨著評分的增加，全部患者和以治愈好轉(zhuǎn)為轉(zhuǎn)歸患者的平均住院日呈現(xiàn)遞增趨勢；而以死亡為轉(zhuǎn)歸的患者平均住院日呈現(xiàn)先上升后下降的倒U型趨勢。OLS回歸結(jié)果與此一致。結(jié)論：基于生理指標(biāo)構(gòu)建的住院患者病情危重程度評分是有效的。

Author's address：General Hospital of PLA., No.28, Fuxing Road, Haidian District, Beijing, 100853,PRC

1 背景

對住院患者病情嚴(yán)重程度進行評價，對于危重患者的早期識別與預(yù)警、高效配置醫(yī)護力量、提高患者救治成功率具有重要意義?，F(xiàn)有疾病危重衡量方法，大多適用于特定患者，特別是重癥監(jiān)護室患者[1-11]，包括急性生理和慢性健康狀況評分（acute physiology and chronic health evaluation，APACHE）、格拉斯高昏迷評分（Clasgowcoma score）、簡明急性生理學(xué)評分（simplified acute physiology，SAPS）、病死概率模型（mortality probability model，MPM）。而對于一般住院患者，通用的疑難危重程度衡量方法較少。

近年來，有學(xué)者提出了基于實驗室檢查的急性生理功能評分第2版（laboratory acute physiologyscore，version 2，LAPS2），由Escobar G等人于2013年在前一個版本LAPS的基礎(chǔ)上建立的[12-13]，是一個基于患者進入醫(yī)院前72小時生理數(shù)據(jù)的評分。這些數(shù)據(jù)包括實驗室檢查結(jié)果（白蛋白、陰離子間隙、動脈血pH等）、生命體征（體溫、心率、呼吸頻率、血壓、血氧飽和度）和一些交互項（例如，休克指數(shù)=心率/收縮壓）。LAPS2是一個連續(xù)變量，其理論范圍是0～414，其值越高，說明病情越危重。LAPS2衡量疾病危重程度的有效性已被驗證[14]，并開始被其他研究采用[15-19]。LAPS2與傳統(tǒng)方法的重要區(qū)別：首先，LAPS2可用于對普通住院患者的病情危重程度衡量，而不是僅限于特定患者；其次，LAPS2可基于醫(yī)院信息系統(tǒng)的數(shù)據(jù)自動計算，可被應(yīng)用于幾乎所有安裝HIS系統(tǒng)的醫(yī)院，易于在我國醫(yī)院推廣；最后，LAPS2既可用于某一病例，又可計算科室醫(yī)院全部患者的總體疾病危重程度。因此，LAPS2具有其他指標(biāo)無法比擬的優(yōu)勢。本研究借鑒LAPS2的有益思想，構(gòu)建適用于我國醫(yī)院信息系統(tǒng)的病情危重程度評分方法，并探討其有效性。

2 資料與方法

2.1 數(shù)據(jù)來源

某大型綜合醫(yī)院2015年7月1日～2015年12月31日，18歲以上住院患者55696例，分娩患者除外。

2.2 基于生理指標(biāo)的住院患者病情嚴(yán)重程度評分構(gòu)建方法

參照基于實驗室檢查的急性生理功能評分第2版（LAPS2）研發(fā)思路，研制適于我國醫(yī)院信息系統(tǒng)實際情況的病情危重評分。LAPS2的構(gòu)建共納入21項指標(biāo)，其中7項指標(biāo)由于所研究醫(yī)院的信息系統(tǒng)無法自動采集而未納入，本研究納入的生理指標(biāo)包括14項，分別是血清鈉、血清總膽紅素、血清尿素氮、血清肌酐、尿素氮/肌酐、白蛋白、血糖、紅細(xì)胞壓積、白細(xì)胞計數(shù)、體溫、心率、呼吸、收縮壓和休克指數(shù)。各項指標(biāo)均采用住院第一次實驗室檢查、生命體征測量數(shù)據(jù)；界值劃分與賦值按照LAPS2進行。

2.3 分析方法

分別分析危重評分與患者在院死亡率的關(guān)系和與患者平均住院日的關(guān)系。首先，描述其簡單關(guān)系；其次，構(gòu)建Logistic模型，以是否死亡為因變量，以病情危重評分和患者基本特征為自變量，考察危重評分與患者在院死亡之間的準(zhǔn)確數(shù)量關(guān)系；再次，構(gòu)建最小二乘法模型（OLS），以平均住院日的自然對數(shù)值（因為平均住院日是一個右偏態(tài)變量）為因變量，以病情危重評分和患者基本特征、入院方式、Charlson合并癥指數(shù)等為自變量，考察危重評分與患者平均住院日之間的準(zhǔn)確數(shù)量關(guān)系，并與現(xiàn)實邏輯進行對比以驗證該評分的有效性。

3 結(jié)果

3.1 危重評分與患者在院死亡率

最終納入評分構(gòu)建的患者有25378人，患者在院總體死亡率為0.52%。所構(gòu)建的基于生理指標(biāo)的住院患者病情嚴(yán)重程度評分，是一個范圍在0～160的連續(xù)型變量。將該評分劃分為5個區(qū)間，隨著分值升高，患者數(shù)量減少，但患者在院死亡率迅速提高（表1）。

以是否死亡為因變量，以病情危重評分和患者基本特征為自變量的Logistic回歸結(jié)果進一步驗證了上述在院死亡率與病情危重評分的關(guān)系。結(jié)果顯示，評分越高，在院死亡的可能性越大（表2）。在控制了年齡、性別、入院方式、Charlson合并癥指數(shù)和科室之后，與評分在0～24分的患者相比，評分在25～49分、50～74分、75～99分、100～160分的患者死亡的優(yōu)勢比分別是6.9、117.7、561.7、1654.0。

3.2 危重評分與患者平均住院日

從病情危重評分與患者平均住院日的關(guān)系看，對于全部患者和以治愈好轉(zhuǎn)為轉(zhuǎn)歸的患者而言，隨著危重評分的增加，其平均住院日呈現(xiàn)遞增趨勢；而以死亡為轉(zhuǎn)歸的患者，隨著危重評分的增加，其平均住院日呈現(xiàn)先上升后下降的倒U型趨勢（圖1）。

表1 不同危重評分收治人次與在院死亡率

表2 患者是否在院死亡Logistic回歸結(jié)果（OR值）

平均住院日對數(shù)值的OLS回歸結(jié)果顯示，在控制了年齡、性別、入院方式、Charlson合并癥指數(shù)和科室之后，與評分在0～24分的患者平均住院日相比，評分在25～49分、50～74分、75～99分、100～160分的患者平均住院日分別高出18.3%、51.8%、71.4%、55.2%（表3）。

4 討論

本研究借鑒LAPS2構(gòu)建方法，運用國內(nèi)醫(yī)院信息系統(tǒng)可以直接采集的患者生理數(shù)據(jù)，構(gòu)建了住院患者病情危重程度評分方法，并驗證了其有效性。結(jié)果顯示，從簡單關(guān)系看，所構(gòu)建的評分分值越高，住院患者死亡率越高；Logistic回歸結(jié)果也得出一致結(jié)論。

4.1 病情危重評分有效性

病情危重評分與患者平均住院日的關(guān)系，與我們的直觀感覺一致，即病情越危重的患者，越需要更長時間在醫(yī)院接受治療。而對于以死亡為轉(zhuǎn)歸的患者而言，隨著危重評分增加，平均住院日呈現(xiàn)倒U型趨勢，即先增加后迅速下降，這說明非常危重的患者由于過早死亡而出現(xiàn)平均住院日下降的現(xiàn)象。這也與我們的直觀感覺一致。平均住院日對數(shù)值的OLS回歸結(jié)果中，危重評分100分以上的患者平均住院日下降，其原因可能是病例數(shù)太少，也可能是事實既是如此，因為病情太重的患者最終死亡了。這些結(jié)果充分驗證了該危重評分在評價在院患者病情危重程度上的合理性、有效性。

4.2 病情危重評分需要本土化修訂

首先，LAPS2方法是基于美國北卡羅萊納州Kaiser Permanente醫(yī)療集團所屬醫(yī)院的電子病歷數(shù)據(jù)建立，其實驗室檢查指標(biāo)，如血鈉、肌酐、血壓等，是根據(jù)西方人生理指標(biāo)建立，其正常值參考范圍、異常值等在我國人群并不能完全適用（見ISO15189醫(yī)學(xué)實驗室認(rèn)證標(biāo)準(zhǔn)）。因此，這些指標(biāo)的賦值用于我國人群需要進行調(diào)整。

其次，LAPS2采用患者入住病區(qū)前72小時內(nèi)患者相關(guān)實驗室檢查結(jié)果，是因為在美國，患者正式住院之前便可獲得全面檢查，因此可收集到這些數(shù)據(jù)；而我國不同，只有在患者入院后才將被全面檢查并獲得實驗室檢查結(jié)果，在門診實施的實驗室檢查結(jié)果在大多數(shù)醫(yī)院的HIS系統(tǒng)中提取不到，因此我國需要采用入院后48小時或72小時內(nèi)檢驗數(shù)據(jù)（如果時間太短，有些檢查結(jié)果尚未報告；而如果時間太長，將排除很多住院患者，其預(yù)測價值會打折扣）。

圖1 不同危重評分患者的平均住院日情況

表3 Log(患者住院日)OLS回歸結(jié)果

第三，我國醫(yī)院與美國醫(yī)院信息化水平和電子病歷應(yīng)用情況差別較大。在美國醫(yī)院可以通過信息系統(tǒng)自動提取的指標(biāo)，比如神經(jīng)功能評分，在我國醫(yī)院則大部分無法通過信息系統(tǒng)自動提取。因此，該項目首先將對這兩種評價方法，運用我國醫(yī)院患者診療數(shù)據(jù)進行驗證，并根據(jù)我國醫(yī)院實際情況進行優(yōu)化完善。

4.3 病情危重評分的應(yīng)用價值

該危重程度評分有很多潛在應(yīng)用價值。對醫(yī)生來說，可用于對入院患者危重程度進行評估，從而為科學(xué)調(diào)配醫(yī)療資源提供依據(jù)。對管理者而言，可對醫(yī)生或科室的績效進行考評，以住院患者的危重程度作為對醫(yī)生或科室工作量的調(diào)整指標(biāo)，從而更全面準(zhǔn)確地衡量醫(yī)生或科室績效。同時，該指標(biāo)可以與在院患者實際死亡率相結(jié)合，來判斷醫(yī)生或科室、醫(yī)院的技術(shù)水平，即如果某醫(yī)院的患者危重程度高，同時其在院患者實際死亡率低，則可以認(rèn)為該醫(yī)院技術(shù)水平比其他醫(yī)院高。

4.4 局限性

需要說明的是，由于受傳統(tǒng)觀念影響，我國目前不少瀕死患者的家屬會要求出院回家，如果沒有該現(xiàn)象，患者在院期間的死亡率將會更高。因此，通過患者在院相關(guān)數(shù)據(jù)計算出的死亡率僅是最保守的估計，即危重評分的各分值區(qū)間對應(yīng)的死亡率僅是最低估計，實際死亡率可能會更高，或者說該危重評分對在院患者死亡率的預(yù)測價值被低估。

[1] 江學(xué)成.危重疾病嚴(yán)重程度評分臨床應(yīng)用意義[J].中國危重病急救醫(yī)學(xué),2004,12(4):195-197.

[2] 聶錦坤.急危重病評分系統(tǒng)的研究[D].北京:北京中醫(yī)藥大學(xué),2007:6-9.

[3] 郭超,佘丹陽,謝立新.危重癥預(yù)后評分系統(tǒng)初探[J].解放軍醫(yī)學(xué)雜志,2010,35(9):1151-1153.

[4] 杜昌.常用的危重疾病嚴(yán)重程度評分方法[J].中國社區(qū)醫(yī)師,2010(46):6-7.

[5] 高現(xiàn)同.不同危重病評分系統(tǒng)對危重病人動態(tài)評分的應(yīng)用比較[D].貴陽:貴陽醫(yī)學(xué)院,2012.

[6] 劉丹紅.各類疾病住院患者危重度分級研究[D].西安:第四軍醫(yī)大學(xué),2003.

[7] 杜昌.急診危重癥評分概述[J].中國社區(qū)醫(yī)師,2010(46):5.

[8] 周榮斌,張樹義,李春盛.危重病預(yù)后評分系統(tǒng)[J].中華醫(yī)院管理雜志,1998,14(2):92-94.

[9] 丁俊琴,閆曉麗,崔怡,等.疾病嚴(yán)重程度評價量表的建立與應(yīng)用研究[J].中華護理雜志,2015,50(1):53-56.

[10] 吳國豪,吳肇漢,黃德驤,等.外科危重患者的預(yù)后評估[J].中華外科雜志,1995,33(1):32-34.

[11] 周俊.醫(yī)院住院醫(yī)療資源利用效率評價模型優(yōu)化研究[D].武漢:華中科技大學(xué),2013.

[12] Gabriel JE, Marla NG, John DG.Risk-adjusting hospital mortality usinga comprehensive electronic record in anintegrated health care delivery system[J]. MedCare, 2013(51):446-453.

[13] Escobar G, Greene J, Scheirer P,et al. Risk adjusting hospital inpatientmortality using automated inpatient,outpatient, and laboratorydatabases[J]. MedCare,2008(46):232-239.

[14] Van WC, Escobar GJ, Greene JD,et al. The kaiserpermanente inpatientrisk adjustment methodology was validin an external patient population[J]. J ClinEpidemiol,2010(63):798-803.

[15] Escobar GJ, LaGuardia J, Turk BJ, et al. Early detection of impending physiologic deterioration among patients who are not in intensive care: development of predictive models using data from an automated electronic medical record[J]. J Hosp Med, 2012(7):388-395.

[16] Oake N, Taljaard M, Van WC, et al. The effect of hospital-acquired clostridium difficile infection on in-hospital mortality[J]. Arch Intern Med,2010(170):1804-1810.

[17] Wong J, Taljaard M, Forster AJ, et al. Derivation and validation of a model to predict daily risk of death in hospital[J]. Med Care, 2011(49):734-743.

[18] Gabriel JE, Marla NG, John DG. Risk-adjusting hospital mortality using a comprehensive electronic record in an integrated health care delivery system: quantifying hidden severity[EB/OL].(2016-10-07)[2017-03-10].http://links.lww.com/ MLR/A429.

[19] Wong J, Taljaard M, Forster AJ. Addition of time-dependent covariates to a survival model significantly improved predictions for daily risk of hospital death[J]. J EvalClinPract, 2013(19):351-357.?

Constructing and effectiveness analysis on inpatients illness severity score based on physiology

/ LI Lin, ZHENG Chao, JIN Ming, CAO Xiutang, LIU Lihua, TIAN Ou// Chinese Hospitals. -2017,21(6):29-32

illness severity score, logistic regression model, Ordinary Least Square regression model

Objective: To construct a score for inpatients illness severity applied to hospital information system in China and to test its effectiveness. Methods: Patients over the age of 18 in a large general hospital who were hospitalized from July 1, 2015 to December 31, 2015 were selected as the object of study, and extracted their medical record data. According to the Laboratory Acute Physiology Score, version 2 (LAPS2), 14 physiological indicators were included and built an illness severity score that applied to Chinese hospital information system. The relationship between the score and hospital mortality and average length of stay (LOS) were analyzed and a Logistic model was established to explore the relationship between the score and death, and an Ordinary Least Square (OLS) model was established to explore the relationship between the score and average LOS. Results: The severity score of the inpatients was a continuous variable ranged from 0 to160. With the score increasing, the number of patients decreased, and hospital mortality increased. Logistic regression results showed that the higher the score, the greater the likelihood of death in hospital. With the increase in scores, the average LOS in all patients and patients who were cured was increasing, while the average LOS of patients who died declined. OLS regression results are consistent. Conclusion: The severity score of inpatients based on physiological indexes is effective.

2016-03-28](責(zé)任編輯 鮑文琦)

“十二五”第二批軍隊醫(yī)學(xué)創(chuàng)新專項課題“軍隊醫(yī)院科技干部臨床優(yōu)勢考評標(biāo)準(zhǔn)構(gòu)建與應(yīng)用研究”(14CXZ003）；2016全軍醫(yī)學(xué)科技青年培育計劃拔尖項目“傷情危重程度評分方法研制及在野戰(zhàn)醫(yī)療救治中的應(yīng)用研究”(16QNP147）

①解放軍總醫(yī)院，100853 北京市海淀區(qū)復(fù)興路28號

田 鷗：解放軍總醫(yī)院政治部主任

E-mail：to301@163.com