條文本
PDF
摘要
客觀的評估通用早期預警評分(EWS)在疾病亞組和臨床環境中的預測性能。
設計係統的回顧。
數據源Medline、CINAHL、Embase和Cochrane數據庫1997 - 2019年的係統綜述。
入選標準EWS內部或外部驗證的隨機試驗和觀察性研究，以預測疾病亞組或臨床環境中的惡化(死亡率、重症監護病房(ICU)轉移和心髒驟停)。
結果我們確定了770項研究，其中103項被納入。研究設計和方法不一致，存在顯著偏倚風險(高:n=16，不清楚:n=64，低風險:n=28)。隻有兩項隨機試驗。在所有亞組和國家預警評分(I2= 72% - -99%)。預測精度(曲線下平均麵積;95% CI)最高的是醫學(0.74;0.74至0.75)和外科(0.77;0.75至0.80)環境和呼吸道疾病(0.77;0.75至0.80)。很少有研究評估特定疾病中的EWS，例如心髒病(n=1)和呼吸係統(n=7)。死亡率和ICU轉移是最常被研究的結果，心髒驟停是最少被檢查的結果(n=8)。與電子健康記錄的整合並不常見(n=9)。
結論盡管EWS在一些亞組中表現良好，但EWS的方法學和驗證研究的質量不足以推薦其用於所有疾病和所有臨床環境。迫切需要在方法和研究設計上保持一致性，遵循預測風險評分的共識指南。在大規模實施之前，進一步的研究應考慮到具體的疾病和環境，使用電子健康記錄數據。
PROSPERO注冊號普洛斯彼羅CRD42019143141。
- 成人重症監護
- 風險管理
- 臨床治理
- 流行病學
數據可用性聲明
所有與研究相關的數據都包含在文章中或作為補充信息上傳。
這是一篇開放獲取的文章，根據創作共用署名非商業(CC BY-NC 4.0)許可證發布，該許可證允許其他人以非商業方式分發、混音、改編、在此基礎上進行構建，並以不同的條款許可其衍生作品，前提是正確引用原始作品，給予適當的榮譽，任何更改都已注明，並且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/．
數據來自Altmetric.com
本研究的優勢和局限性
第一次係統回顧調查早期預警評分(EWS)在不同患者疾病亞組和臨床環境中的表現。
對不同疾病和臨床亞組的不同EWS和國家EWS驗證研究進行meta分析。
這項研究僅限於特定的疾病和環境，沒有考慮在一般人群中使用EWS。
EWS預測精度的分析是基於曲線下麵積，而不是其他驗證措施。
在1997-2019年研究期間，EWS的方法及其驗證發生了變化。
簡介
在各種疾病中，患者病情惡化的範圍從重症監護複查和敗血症到心肺驟停和死亡。1 2延誤或未能及時發現病情惡化，對預後、發病率、死亡率和醫療保健利用產生不利影響。3.例如，英國每年有2萬例住院心髒驟停，用於複蘇和術後護理的費用為5000萬英鎊。4在世界各地，及早發現和預防不適患者病情惡化對降低死亡率和發病率、降低醫療保健成本以及分配稀缺的高依賴性和重症護理資源具有深遠影響。需要采取預防性幹預措施來克服這些挑戰。5
長期以來，人們就知道某些特定的特征與患者健康狀況惡化有關，2 5 - 8包括生理參數，如心率和血壓。5 9 - 12早期預警評分(EWS)在高收入國家廣泛使用，其依據是早期發現患者病情惡化的需要。EWS是來自預測模型的工具，用於評估患者特征和生理參數，以對發展惡化事件或需要醫療護理的風險進行分層。13基於EWS的算法可以是“聚合加權”的，將一組參數相加以產生分數，或者使用更高級的統計建模。14EWS為臨床決策提供信息，在需要時能夠升級關注和護理。通用工具，如改進的早期預警評分(MEWS)，15是為不同的醫院環境而開發的，但專門的、非標準的EWS也為特定的亞群體而設計，例如，快速急診醫學評分16快速順序器官衰竭評估(qSOFA)17針對感染病人。在識別不同環境時，EWS可能損害了評估的簡單性和及時性。13例如，許多EWS依賴於在評估的最初幾個小時不存在的參數，如血液檢查和成像。1 18 19
從支離破碎的實施和通過專門工具進行的不充分早期評估，EWS已經轉向了通用預測模型，特別是國家早期預警評分(NEWS)，20.其次是NEWS2。21NEWS旨在對整個國家衛生服務體係(NHS)的急性疾病嚴重程度進行普遍評估。22雖然與其他EWS相比顯示出良好的辨別能力，特別是在預測死亡率方麵，但需要在評分中容納額外的臨床參數。更新的NEWS2，強調2型呼吸衰竭、意識混亂和嚴重敗血症的適當評分，21得到了英國國民醫療服務體係的正式認可23成為急症護理中使用的EWS。然而，人們一直擔心對臨床醫生的呼叫過多，行政工作量以及不同疾病和環境下的不同症狀。24通用EWS的成效(箱1)在所有環境中標準化使用，在特定疾病人群中尚不清楚25並且像其他臨床預測模型一樣，需要驗證來估計鑒別和校準。26雖然內部驗證是有用的，但概括性和再現性需要外部驗證。27
定義
係統綜述評估了院前、重症監護病房(ICU)和一般情況下的EWS，3 28 29膿毒症,15納入標準狹窄，研究質量評估不充分。最近的一項係統綜述評估了普通患者EWS的發展和驗證，但不包括特定疾病亞組或環境的研究。30.
客觀的
在係統綜述中，我們將評估通用EWS在特定疾病和臨床環境中預測死亡率、轉移到ICU和心髒驟停方麵的表現。
方法
搜索策略
該方案遵循係統評價首選報告項目和元分析方案指南。311997年(EWS的初步開發)至2019年期間，在MEDLINE、CINHAL和Embase上發現了發表的文章。檢索Cochrane數據庫的係統評價(CDSR)和試驗(CENTRAL)。灰色文獻搜索穀歌Scholar。在篩選過程中，從綜述文章和研究的參考文獻中添加研究。搜索策略由兩位作者(BA和AB)開發，並由第三位作者(TB)審查。用於搜索數據庫的術語包括用於早期預警或跟蹤和觸發評分的術語以及首字母縮略詞、已識別的子組和設置(例如，醫學主題標題(MeSH))和自由文本搜索術語(圖1；在線補充方法)．
搜索策略，包括關於不同疾病亞組和臨床環境中普遍早期預警評分(EWS)的研究。
納入和排除標準
根據疾病類別和臨床情況確定患者亞組(在線補充方法)．研究包括:(1)在成人患者中驗證通用EWS與標準化預測模型;(2) EWS驗證是在特定環境或疾病中進行的;(3)檢查EWS的性能，或對死亡率、轉移到ITU和心髒驟停的影響;(4)為前瞻性或回顧性隊列、橫斷麵、病例對照設計或試驗。
排除的研究有:(1)患者年齡小於16歲;(2) EWS性能僅在推導時檢驗，未在驗證時檢驗;(3)針對特定亞組製定非通用EWS，如產科患者的產科預警評分或感染患者的qSOFA評分;或(4)EWS驗證是在一般患者數據集或設置中進行的，例如，在綜合醫院進行驗證而不考慮醫院亞組。
數據提取
文章由一個作者(BA)按標題和摘要進行篩選，然後由兩個審稿人(BA和AB)進行全文篩選。數據由兩名審稿人(BA和AB)使用標準化和試點數據表單獨立提取。第三個審稿人(TB)解決了任何分歧。用於研究預測準確性的提取項目是基於CHARMS的32檢查表，除了工具派生，它被排除在外。
質量評估
使用預測模型偏倚風險評估工具(PROBAST)評估驗證研究的偏倚風險，33它從四個方麵將研究分為低偏倚風險、不明確偏倚風險和高偏倚風險:參與者選擇、預測因素、結果和總體偏倚風險內的分析以及研究適用性領域。
證據合成
我們使用MS Excel和R程序進行分析。我們用描述性統計和圖形圖總結了結果。在不同的亞組中，使用曲線下麵積(AUC)對確定的普遍EWS和研究中的NEWS進行meta分析。將AUC進行相關係數Fisher-Z變換為95% CI的正態分布Z，評估效應量，檢驗異質性。在適用的情況下，進行了敘述綜合。
患者和公眾參與
患者或公眾沒有參與我們研究的設計、實施、報道或傳播計劃。
結果
研究特點
在我們搜索到的16181篇文章中，我們根據標題和摘要篩選出了1355篇文章，全麵評估了770篇文章的資格。在最後階段，我們納入了2006年至2019年間發表的103項研究。這些研究主要是觀察性的(回顧性=65，前瞻性=36,RCT=2)。急診室(n=48)是最常見的臨床設置，其次是內科(n=12)、ICU (n=12)和外科(n=9)設置。敗血症(n=33)是最常見的疾病亞組。其他亞組從呼吸係統(n=8)到腎髒(n=1)(圖1和圖2)．死亡率是主要的研究結果。心髒驟停很少被研究(n=8)。
關於在不同疾病亞組和臨床環境中早期預警評分表現的研究數量。每個氣泡表示檢查不同早期預警評分的疾病亞組和/或設置。氣泡的大小表示研究的數量(n)，重疊的氣泡表示疾病亞組和設置重疊的研究。CVD，心血管疾病;急診科;GiI，胃腸道疾病;ICU，重症監護室。
質量評估
大多數研究發現存在顯著的偏倚風險(高風險=16;風險不明確=64)，隻有28項研究的風險較低。就適用性而言，在特定疾病組中狹窄的納入條件通常與偏倚風險有關，而在一般情況下，偏倚往往是由於樣本量低或EWS評估時間不明確所致。樣本量差異很大(中位數:551，範圍:43-920 029)。根據患者數量、入院人數或未指定特定研究樣本來定義研究人群存在差異。近一半的研究(n=49;48%)在<500例患者中通過多次觀察或單一觀察集驗證(表1 - 4)．外部驗證(n=83)比內部驗證(n=18)更常見，兩項研究包括內部驗證和外部驗證(在線補充表S1)．
EWS在患者亞組中的驗證
子組和EWS
在驗證EWS的研究中，亞組定義、模型和預測準確性的方法存在異質性。在急診室接受治療的感染患者的研究中，疾病和環境之間通常存在重疊34-36ICU收治膿毒症患者。37 38最近的研究檢查了與電子健康記錄(EHRs)集成的EWS模型(n=9)。使用ews嵌入式電子病曆對數據集的研究樣本量較大，從504個3913 014例患者40（表1 - 4)，具有中高預測能力(AUC: 0.65-0.85)。幾項研究對同一隊列的不同EWS進行了比較(n=21)35 38 41（在線補充表S2)．
方法
不同研究的方法存在顯著的異質性。大多數研究是觀察性的。同一研究中不同EWS的預測精度評價比較普遍。22 42-44為了衡量EWS的準確性，AUC是最常用的(n=94)，特別是在同一研究中比較不同EWS時。22日45結果的表述是可變的;例如，許多研究都缺少置信區間。其他措施，如分析敏感性和特異性、預後指數和or，僅在8項研究中發現(表1 - 4)．因此，隻有在選擇AUC作為測量指標的研究中分析預測精度才可行。
從EWS評估到終點的時間是可變的。許多研究包括(n=43) 24-48小時內的AUC，而11項研究的終點在EWS後48小時以上。然而，大多數人(n=65;63%)沒有具體說明時間範圍或住院結果。
EWS的預測性能
結局最常見的是死亡、轉移到ICU、發生敗血症(感染患者)和心髒驟停。很少有研究檢查其他結果，例如呼吸停止(n=1)和器官衰竭(n=4)。死亡率、ICU入院率和心髒驟停在醫療方麵的預測效果最好(AUC均值:0.74、0.75和0.74)46-48手術設置(0.80,0.79和0.75)，49個50呼吸係統疾病(分別為0.75、0.80和0.75)。膿毒症的EWS預測在所有亞組中都具有合理的預測性能(AUC: 0.71-0.79)，尤其是感染性疾病(AUC: 0.79)。與特定疾病組相關的某些結果未被研究，例如，心髒病患者的心髒驟停未被研究22；呼吸疾病患者沒有進行呼吸停止測試。46 - 52點
最好的預測表現是在心髒，46中風46 53和腎46(AUC分別為0.93、0.88和0.87)。在緊急情況下，預測準確性是可變的(AUC: 0.56-0.91)。54-58在血液學和腫瘤學疾病中，EWS預測死亡率的準確性達不到最佳水平(在線補充圖S1)、心髒驟停和ICU轉院(AUC: 0.52-0.69;圖3及4)．59 - 61EWS對急診科ICU轉移的預測是合理的，57 62傳染病,63 64這兩組重疊的地方，42 65但在胃腸病和血液病方麵則不然(AUC: 0.64和0.60)60 66（在線補充圖S2心髒驟停是三個終點中最少檢查的結局(n=8)，並且未對心髒疾病進行研究(圖3及4，在線補充圖S3)．
不同疾病亞組的預警評分表現。每個氣泡代表由每個疾病亞組的早期預警評分預測的關鍵事件，每個事件類型旁邊的研究的平均AUC。氣泡的大小代表每個亞組的研究數量。CA，心髒驟停;CVD，心血管疾病;GI，胃腸道疾病;ICU，重症監護室;OF，器官衰竭;風濕性關節炎，呼吸停止。
早期預警評分在不同臨床環境中的表現。每個氣泡代表由每個疾病亞組的早期預警評分預測的關鍵事件，每個事件類型旁邊的研究的平均AUC。氣泡的大小代表每個亞組的研究數量。CA，心髒驟停;急診科;ICU，重症監護室;OF，器官衰竭;風濕性關節炎，呼吸停止。
對於死亡率預測，納入的EWS的meta分析顯示，所有亞組的統計異質性都很高(I2= 72% - -99%) (圖5)．在NEWS在不同疾病亞組的驗證研究中，也存在顯著的異質性(I2= 99%;圖6)．
不同疾病亞組和臨床環境中死亡率的普遍早期預警評分(EWS)預測準確性的森林圖。CVD，心血管疾病;急診科;GI，胃腸道疾病;咳咳，血液病;ICU，重症監護室;傳染病;Med，醫療環境;Onco，腫瘤疾病;腎、腎疾病; renal diseases; Resp, respiratory diseases; stroke, patients who had a stroke; Surg, surgical settings . Note: number following author(s) and year indicate more than one EWS evaluated in the study.
NEWS對死亡率預測精度的森林圖。AUC，曲線下麵積;新聞，全國預警評分。
討論
在對所有疾病和環境下的普遍EWS進行全麵審查時，我們有三個主要發現。首先，不同疾病和臨床環境下的EWS研究在方法學、預測性能指標和每個亞組的研究數量上存在異質性。其次，EWS在特殊情況下(包括心髒病)的驗證是有限的。第三，盡管電子病曆與電子作業係統的整合已得到廣泛應用，但基於電子作業係統的研究很少。
評價的不一致和缺乏高質量驗證使得有效性證據存疑，最終影響了EWS如何能夠並且應該在臨床實踐中作為惡化預測的風險評分。所有亞組研究的異質性對EWS在所有疾病和所有環境中的實施提出了挑戰。在方法學上，觀察資料的選擇方法、EWS評分與事件之間的時間範圍以及評估所用的指標不一致。在結果之前選擇多個觀察或單個觀察可能不會顯著影響EWS的排名。67然而，與多個觀測值相比，選擇單一觀測值通常與高AUC相關，67年46支持對每個事件使用多個觀察。此外，AUC，最常用的預測性能的測量，有局限性，其他指標，包括積極的預測值，也應該進行評估。68在事件發生前用標準化方法記錄商定閾值點的觀測值對於有效評估EWS是必要的。
具有標準化模型的通用EWS主要是為病房和急診科的普通患者群體設計的，在特定疾病和環境中仍未得到充分評估。在醫療和急診科環境中，EWS表現良好，這表明EWS在一般環境或臨床評估早期階段的作用。我們在呼吸道疾病方麵的積極發現可能表明，當患者病情惡化時，一些EWS(如NEWS2)的重點是呼吸變化。當預期發生嚴重事件時，特定疾病區域可能會顯示獨特的警報信號，這可能不會被通用EWS捕獲，例如NEWS2，其中惡化的預測是基於所有患者的預定義閾值。23危急事件通常與心血管疾病有關。隨著心血管疾病成為全球死亡的主要原因，以及發病率對健康和社會護理的重大影響，早期發現惡化是必要的。69然而，EWS在CVD中的有效性很差，一些參數可能不適用，EWS可能不具有代表性。25最近一項對COVID-19感染患者的NEWS2研究發現，在嚴重程度預測方麵表現不佳，70盡管先前存在的疾病在嚴重後果的患者中是常見的和可預測的。EWS可能需要考慮特定疾病的危險因素和合並症。
EHR的廣泛采用和患者觀察的數字化預計將通過減少記錄和計算中的人為錯誤以及護理升級的延遲，有助於有效使用EWS。然而，考慮基於電子病曆的EWS的研究相對較少，這些研究沒有分析EWS的預測性能是否與電子病曆的使用、疾病或環境有關。為了了解EWS的應用和性能，研究EWS的實施和采用是必要的。由機器學習導出的預測算法已成功地應用於EWS的開發和驗證41 71但這需要穩健的評估。研究EWS在EHR中的實施過程將為護理升級提供定性和定量的見解，以及在日常實踐中使用EWS的促進因素和障礙。
在本綜述和納入的研究中存在一些局限性。我們的目標是對1997年以來發展的所有EWS進行全麵調查，但如此長的研究周期可能會導致在統計和技術上比較新舊驗證方法時產生偏差。我們排除了針對特定疾病人群或環境專門推導和驗證的EWS，並排除了考慮一般患者人群的研究。薈萃分析僅對使用AUC的研究進行，不包括其他評估EWS性能的方法。一般患者環境和特定疾病或患者亞群之間的區別取決於醫院、醫療保健係統和國家，並且在患者路徑的不同階段，患者和環境之間不可避免地存在重疊。隻有納入明確疾病或確定背景的研究才能避免混淆。
在疾病亞組中驗證EWS應考慮疾病之間的相似性和差異性，樣本量，並包括模型判別和校準措施。進一步的研究應堅持既定的臨床結果指南和用於決策的預測性臨床評分，如PROGRESS框架。72
結論
特定疾病亞組和環境中的普遍EWS需要進一步驗證其在檢測惡化結果方麵的表現。盡管在迄今為止的研究中，EWS在呼吸係統患者和醫療和手術環境中表現良好，但在所有疾病亞組和所有臨床環境中預測的準確性仍然未知。目前的證據基礎並不一定支持在所有情況下的所有患者中使用標準EWS。未來的研究應包括在特定的患者亞群和環境中驗證EWS，采用標準化的方法，遵循既定的指南。將電子病曆應用於電子檔案係統的開發，應考慮在電子檔案係統內進行驗證和實施，以改進電子檔案係統。
數據可用性聲明
所有與研究相關的數據都包含在文章中或作為補充信息上傳。
參考文獻
補充材料
-
補充數據
此網頁文件由BMJ出版集團從作者提供的電子文件製作而成，並沒有對內容進行編輯。
腳注
推特@ baneenalhoud， @DrRiyazPatel， @amibanerjee1
貢獻者AB構思了這項研究。BA, AB和TB進行搜索，數據提取和數據分析。英航寫了初稿。所有作者都對研究結果的解釋、批判性的審查和手稿的修訂做出了貢獻。
資金英航獲得了沙特阿拉伯文化局的博士資助。
相互競爭的利益AB獲得了阿斯利康的研究資助。
出處和同行評審不是委托;外部同行評審。
補充材料此內容由作者提供。它沒有經過BMJ出版集團有限公司(BMJ)的審查，也可能沒有經過同行評審。討論的任何意見或建議僅是作者的意見或建議，不被BMJ認可。BMJ不承擔因對內容的任何依賴而產生的所有責任和責任。如果內容包括任何翻譯材料，BMJ不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南、術語、藥品名稱和藥物劑量)，並且對因翻譯和改編或其他原因引起的任何錯誤和/或遺漏不負責。