文献分享会
摘要
背景
危重病常常导致老年重症监护室（ICU）幸存者持续的功能障碍。在重症监护室出院前识别高风险的幸存者，有助于在出院后有针对性地进行恢复性干预，可能会提高功能恢复的可能性。我们的目标是开发并验证老年人在ICU住院后一年内持续功能障碍的预测模型。
方法
分析样本包括参加2011年全国健康和老龄化趋势研究队列的社区生活参与者，他们在ICU住院后到2017年12月还活着，并在1年内进行了跟踪访谈。持续的功能障碍被定义为从ICU住院出院后12个月内未能恢复到ICU之前的功能水平。我们使用贝叶斯模型平均法从一组全面的17个因素中确定最终预测因素。使用曲线下面积（AUC）和校准图来评估歧视和校准。
结果
发展队列包括456例ICU入院患者（2,654,685次调查加权入院），验证队列包括227例ICU入院患者（1,350,082次调查加权入院）。在发展队列中，中位年龄为81.0岁（四分位数范围[IQR]76.0，86.0），231名（50.7%）参与者为女性；验证队列中的人口统计学特征与之相似。持续的功能障碍率为49.3%（发展期）和50.2%（验证期）。最后的模型包括年龄、ICU前的残疾、可能的痴呆、虚弱、以前的住院、视力障碍、抑郁症状和住院时间。该模型显示出良好的区分度（AUC 71%，95%置信区间[CI] 0.66-0.76）和良好的校准。当应用于验证队列时，该模型表现出类似的区分度（AUC 72%，95% CI 0.66-0.78）和良好的校准。
结论
在从ICU住院出院前应用该模型，可以识别出在随后一年中出现持续功能障碍风险最高的老年人，从而促进有针对性的干预和跟踪。
引言
对于每年数以百万计的危重病人来说，身体功能、认知功能和/或心理健康的持续损伤是很常见的；其中一个或多个领域的损伤被称为“重症监护病房后综合症（PICS）”。理想的情况是，在危重病人康复过程的早期，就能识别出长期损伤风险最高的病人，这样就可以针对他们进行恢复性干预、密切随访和新项目，如ICU后诊所。在认识到这一迫切需求后，召开了一次关于预测和识别危重病后长期损伤的国际共识会议。在系统回顾的基础上，该小组得出结论，现有的工具不足以预测PICS领域的长期损伤，预测模型的开发和验证应成为未来研究的重点。
在65岁及以上的老年人中，识别ICU后持续功能障碍风险最高的病人的需求尤为迫切。2015年，美国约有190万老年人被送入ICU。随着人口老龄化，这一数字预计只会增加；美国老年人口在2018年（5200万）和2060年（9500万）之间将增加近一倍。其中一个结果是持续的功能障碍（即在功能活动中持续增加的残疾），是老年ICU幸存者中普遍存在的问题。功能障碍和残疾的后果是公认的，包括增加死亡率、疗养院（NH）安置和更多使用家庭服务，给病人、护理人员和社会带来更多负担。
鉴于先前存在的因素和ICU后的功能结果之间存在着明确的联系，我们试图确定是否可以利用这些因素和ICU住院的数据来预测哪些老年ICU幸存者在从ICU住院出院后的一年内有最大的风险出现持续的功能障碍。通过在出院前应用这样的模型，医疗机构可以针对这些患者进行密切的跟踪和干预，以提高他们在随后几个月内的功能恢复机会。我们的目标是开发并验证一个模型，以预测老年ICU幸存者在出院后一年内出现持续功能障碍的风险。
方法
我们的稿件遵循《个人预后或诊断的多变量预测模型的透明报告》（TRIPOD）声明（核对表S1）中列出的指南。
数据和参与者的来源
国家健康和老龄化趋势研究（NHATS）是一项具有全国代表性的研究，研究对象是年龄≥65岁的医疗保险受益人，他们从2011年开始完成年度面谈。NHATS的分析权重调整了不同的无应答情况，并产生了全国性的流行病学估计。在2011年的初始队列中（n = 8245），应答率为70.9%。约翰霍普金斯大学机构审查委员会批准了该方案，所有参与者都提供了知情同意书。耶鲁大学机构审查委员会批准了对数据进行二次分析的协议（IRB协议#1607018022）。
NHATS的工作人员在参与者的家中进行年度访谈。当受试者不能回答时，将由熟悉受试者生活习惯的代理人（通常是家庭成员）进行访谈。当研究对象被确认死亡时，NHATS人员会与代理人一起完成最后一个月的生活访谈。
结果
在每年的NHATS访谈中，收集了七项功能活动的详细数据：穿衣、清洁、上厕所、吃饭、下床、在室内活动和外出。对于每项活动，功能障碍被操作为需要他人的帮助或无法进行该活动。功能测量包括这七项活动（范围，0-7）。在功能指标部分缺失的情况下，我们采用了多重估算法（方法S1和表S1）。
ICU后持续功能障碍的结果被定义为从ICU住院出院后12个月内未能恢复到ICU前的功能状态。如果受试者因病重（且无代理人）、身体或精神上无法参与，或新近在NH（完成设施问卷，但未收集个人残疾数据）而未完成后续NHATS访谈，则被定为结果。在目前的分析中，有35个观察点符合这些标准（n = 16，n = 3，和n = 16）。
确定ICU入院人数和变量
2011年至2017年的ICU入院情况是通过重症监护收入代码确定的，使用链接的收费医疗保险索赔数据。我们包括普通、专科和冠心病护理单元的代码，但不包括精神病或中级重症护理。为了确定机械通气的需要，我们包括所有具有ICD-9代码96.7x和ICD-10代码5A1935Z、5A1945Z和5A1955Z的观察。
预测因素
这些变量包括年龄、性别、种族和民族、教育、医疗补助状况、体重指数、抑郁症状、虚弱、听力障碍、视力障碍、社会隔离、慢性病、ICU前的任何残疾、可能的痴呆、入院前6个月的住院次数、机械通气和住院时间。表S3和表1的脚注中提供了操作细节。在年度访谈中和从医疗保险索赔数据中收集了关于每个潜在预测因素的数据。
分析样本的集合
图1概述了分析样本的集合情况。我们选择了每个年度间隔的第一次ICU入院者（n = 1500），排除了那些在ICU前功能评估中缺少所有7个项目的人（n = 404），排除了参与者从NH入院、在年度访谈时在NH中、或在过去一年中在NH护理中度过超过100天的案例（n = 99），以及那些在ICU前有最大残疾的人（n = 33）以消除地板效应。由于本研究的重点是ICU幸存者的功能恢复，因此被访者在医院死亡（n = 97）或出院接受安宁疗护（n = 53）的观察不符合分析条件。从ICU住院出院后1年以上获得的访谈（n = 71），以及缺少后续访谈的观察（n = 60，最常见的原因是参与者拒绝[n = 37]或代理人拒绝[n = 10]）都被排除。分析样本包括来自576名参与者的683例ICU入院病例。经过调查加权，这683个观察值代表了2011年医疗保险受益人队列中到2017年底的4,004,767次ICU入院，后续访谈到2018年底。
统计分析
样本被分为发展队列（2/3的样本，n = 456次ICU入院，来自399个参与者，代表2,654,685次调查加权的ICU入院）和验证队列（1/3的样本，n = 227次ICU入院，来自212个参与者，代表1,350,082次调查加权的ICU入院）。对于每个队列，我们产生了结果的描述性统计。少量的预测数据缺失（<5%，详见表S2和表1的脚注），在随机缺失的假设下，用全条件规范进行了多重估算。在发展队列中，我们采用了贝叶斯模型平均法（BMA），在计算每个给定变量的后验效应概率时，考虑了所有变量的所有组合。我们只保留了那些在所有归因中表现出平均后验效应概率>50%的变量；额外的统计细节在统计附录中提供。在BMA中选择的计数和连续预测因子随后被检查为线性，并被用于适合发展队列的多变量模型。为了获得具有全国代表性的估计值，该模型使用NHATS调查的设计参数对发展队列进行了拟合。在验证了发展队列中可接受的区分度（C-统计）和校准（图）后，这些系数被直接应用于验证队列，在那里区分度和校准也得到了评估。模型选择是使用R软件包“BMA”进行的，详情见方法S2。最终的模型使用了NHATS调查参数和具有可交换相关结构的广义估计方程，使用SAS可调用的SUDAAN 11版34进行拟合，否则，分析使用SAS 9.4版和SAS/STAT 14.3进行。
综合预测性曲线
为了帮助临床医生向患者提供关于结果的有意义的风险水平的建议，我们根据发展队列中的预测概率创建了一个综合预测性曲线。该曲线指定了结果的观察率和三个风险水平：“干预”水平，触发干预以减少患者的结果风险；“警告”水平，触发关于患者结果风险的讨论；以及“常规护理”。临床判断和风险的分位数被用来选择这三个类别之间的分界线。发展队列中的平均结果率（49.3%）被选为常规护理和“警告”范围之间的分界线，而风险的第7个十分位数（对应于65%的预测结果风险）被选为干预的触发点。
结果
开发和验证队列中的参与者
表1列出了开发组和验证组的描述性特征。两个队列在关键的人口统计学、老年病学和医院变量方面是相似的。
模型的开发和规范
在发展队列中，有225个(49.3%)观察值出现了ICU后持续的功能障碍这一主要结果，在验证队列中有114个(50.2%)观察值。BMA程序选择了八个预测因素：年龄、ICU前残疾、可能的痴呆、Fried frailty计数、ICU入院前6个月的住院次数、视力障碍、抑郁症状和住院时间。风险预测模型的完整回归结果见表S4。
模型性能
模型性能良好，曲线下面积（AUC）为71%（95%CI为0.66-0.76），校准图（图2，面板A）显示出持续良好的校准。当该模型直接应用于验证队列时，分辨力仍然良好（AUC=0.72，95%CI 0.66-0.78），校准也是如此（图2，面板B）。
综合预测性曲线
综合预测性曲线见图3。发展队列中观察到的ICU后持续功能障碍率（49.3%）用箭头表示。49.3%的观察率和65%的干预阈值（第7分位数）之间的区域被指定为预测风险的“警告”范围。方法S3中提供了使用该模型估计特定患者结果的预测概率的方程式。
讨论
在老年人中，重症监护室住院后持续的功能障碍是很常见的，可能会产生有害的后果，包括失去独立性，这是一个非常有价值的健康结果。然而，临床医生没有工具来预测哪些老年人在重症后持续的功能障碍风险最大。我们的研究开始应对这些挑战，在全国范围内具有代表性的老年重症监护室幸存者中，开发并验证了重症监护室后持续功能障碍的风险预测模型。这样一来，我们的工作有助于填补最近一次国际共识会议所确定的关键知识空白：需要建立模型来预测ICU后综合征三个领域的长期损伤：功能、认知和心理健康3。
为了便于模型在ICU幸存者康复早期（即从ICU住院出院前不久）的应用，我们考虑了以前与出院后结果相关的ICU前因素，以及ICU住院的因素。确定的预测因素具有良好的表面有效性，可以在出院前对ICU幸存者进行评估；事实上，先前的研究已经证明了在ICU住院出院前对老年ICU幸存者进行弗里德虚弱评估的可行性。在模型中的其他因素中，年龄、先前的住院时间和住院时间可以从电子医疗记录（EMR）中得出，任何残疾（是/否）、抑郁症状和视力障碍可以通过几个问题确定。可能的痴呆症可以通过以下三种方式之一进行评估：通过电子医疗记录（通过先前的诊断），或通过与病人或代理人进行简短的评估；这种方法虽然比其他预测因素更广泛，但可以确保几乎所有的病人都能得到评估。
我们的研究建立在先前的工作基础上，这些工作表明，在接近出院时进行的评估可以帮助将ICU幸存者分层为可能在随后一年内出现功能依赖的群体，以及最近在年轻的机械通气患者中的工作。在老年ICU幸存者中，出院是一个关键的时间点，可以安排康复、支持服务和转介资源，如ICU后诊所。尽管物理和/或职业治疗提供了宝贵的评估，可以为出院地点和院后康复服务的需要提供信息，但我们的预测模型是在这些评估的基础上，针对最需要长期跟踪和重新评估的病人。对于高危患者，在ICU后和/或老年病诊所建立护理有助于确保在短期康复时间之外的长期随访和功能再评估。重症监护室后门诊通常包括对身体功能、认知功能和心理健康的评估，能够将病人转到后续的康复评估和治疗，以及情感支持服务（如支持小组）。不能针对ICU后损伤的高风险患者进行干预，如ICU后门诊，已被认为是改善ICU幸存者生活质量的障碍；我们的模式解决了这个障碍。此外，先前的研究表明，危重病后医院转诊的家庭康复服务并不能确保病人真正接受服务。识别最需要长期随访、功能重新评估和危重病后康复的老年ICU幸存者，应增加实现持续功能康复的可能性。
为了说明该模型在实践中的应用，让我们考虑三个假设的老年人（70岁、75岁和80岁），他们从重症监护室入院后幸存下来，并在住院总时间为1周后即将出院。70岁的病人在2个月前有过一次住院经历，符合前期虚弱的标准（由于体力活动少和步态速度慢），在基线上对两项移动活动有依赖性，并表示他在阅读报纸时有困难（视力障碍）。他没有任何抑郁症状，也没有痴呆症的迹象。物理治疗确定他可以通过家庭康复服务出院回家。初级团队应用预测模型，发现他在未来一年内出现持续功能障碍的预测风险为70%，将该患者列入“干预”类别。然后，团队在当地的重症监护室后门诊为患者建立了护理，安排老年医学专家进行密切随访，确保患者护理导航员每周给患者打电话，直到他在重症监护室后门诊和老年医学门诊就诊（由患者护理导航员确保家庭康复服务已经开始）。两周后，他在ICU后门诊就诊，接受认知功能、心理健康的评估，并重复评估身体功能，以便跟踪他的长期进展。认知筛查提出了对轻度认知障碍的担忧，因此ICU后门诊医生提醒老年医学专家，病人在下周接受了老年医学专家的访问。在老年医学科就诊期间，他接受了完整的认知评估，并接受了视力评估的转诊。患者还加入了ICU后支持小组，在那里他向其他老年ICU幸存者学习恢复过程；与他们交谈提高了他恢复身体活动基准水平的自我效能。
这位75岁的患者可能患有痴呆症（根据与她同住的女儿回答的《区分衰老和痴呆的八项知情人访谈》[AD8]27问题）和轻度抑郁症状，2个月前也有一次住院经历。她在一项移动活动中具有依赖性（在外面走动），但并不虚弱，也没有视力障碍。模型显示她的预测结果风险为53%（“警告”范围），因此团队向病人和她的女儿咨询她在出院后几个月内可能无法恢复的风险。她被转介到门诊接受物理和职业治疗，女儿被告知如果她觉得她母亲在出院后的几周内没有恢复，如何联系ICU后门诊和老年医学专家。这名80岁的患者在基线上不依赖任何功能活动，尽管他由于体力活动少而预先变得虚弱。他没有视力障碍、抑郁症状或痴呆症。他的预测风险为38%，属于“常规护理”的范畴，因此在出院时没有进行额外的咨询或干预措施。在他的出院文件上，他被建议在出院后与他的主治医生安排随访，这是目前的护理标准。
这项研究的一个主要优势是使用了具有全国代表性的队列来开发和验证该模型。一个相关的优势是NHATS的高响应率和对少数民族人口的超额取样，这增加了我们研究结果的普遍性。此外，我们的研究利用了对基线（ICU前）残疾、虚弱、认知状态和其他重要因素的前瞻性测量，这些因素先前已被证明与ICU后残疾有关。本研究的另一个优势是其对功能结果的关注，这是对ICU幸存者42和老年人最重要的结果之一。最后，本研究仔细遵守了TRIPOD声明和最近由一组期刊编辑共同推动的声明所建议的预测建模的最佳做法。
本研究有几个局限性。虽然该模型经过了严格的内部验证，但没有经过外部验证。然而，这是第一个预测老年ICU幸存者持续功能障碍的模型，与没有任何模型对这一人群进行风险分层相比，这是一个很大的进步，也是未来工作可以建立的基础。我们无法捕捉到行政数据中报告较少的ICU住院期间的某些因素，如谵妄，这可能会进一步提高模型的性能44。此外，许多老年因素评估是在ICU入院前收集的，而不是在ICU入院和出院之间。然而，这些特征在老年人入住ICU期间不太可能改善；如果有的话，这些因素的严重程度可能会增加。此外，这些因素以前已被证明与ICU后的功能结果密切相关，因此在模型开发中作为潜在的预测因素是很重要的。6,11,14 最后，我们的NHATS数据集只能与收费的Medicare入院相联系；因此，本研究不包括在管理的Medicare下的ICU入院。
对于老年ICU幸存者来说，持续的功能障碍对患者、家庭和整个卫生系统都有毁灭性的影响。通过早期识别高风险患者（在从索引ICU住院出院前），临床医生可以针对患者进行恢复性干预和密切跟踪，从而提高随后几个月功能恢复的可能性。该模型解决了老年ICU幸存者在身体功能领域的这一空白。未来的研究应该在这项工作的基础上，为受危重病影响的其他功能领域（如认知功能）开发风险预测模型。
转自：“一起学科研”微信公众号
如有侵权，请联系本站删除！
