优化ICU中床边护士与受过培训的研究人员所进行的谵妄评估结果的一致性

《Critical Care Medicine》：Optimizing Agreement Between Bedside Nurse-Documented and Trained Researcher Delirium Assessments in the ICU

本研究针对ICU患者谵妄评估不一致的问题，通过比较护士记录的ICDSC与研究者使用的CAM-ICU，发现两者Kappa值为0.42，中等一致性。随后构建包含ICDSC指标、机械通气及SOFA评分的预测模型，AUC达0.87，F1为0.72，表明模型能有效提升谵妄检测准确度，为后续大规模临床研究提供工具。

　　

摘要通俗语言总结

---

目的：

谵妄在重症监护病房（ICU）中十分常见且危害严重。重症监护谵妄筛查量表（ICDSC）和ICU混乱评估方法（CAM-ICU）是经过验证的用于识别谵妄的工具。然而，ICU中由护士记录的谵妄评估结果的准确性并不一致，这限制了其在临床研究中的应用价值。我们旨在评估并优化护士记录的谵妄评估结果与经过培训的研究人员评估结果之间的一致性。

设计、研究环境和患者：

在宾夕法尼亚州西南部一家大型学术医院的ICU中，对患有急性呼吸衰竭或败血症的重症成人患者，每天由护士（使用ICDSC）和经过培训的研究人员（使用CAM-ICU）进行谵妄评估。通过匹配的护士-研究人员评估结果，我们使用经过验证的临界值对患者的谵妄状态进行分类，并使用Cohen’s kappa系数来评估两者之间的一致性。我们构建并比较了多个逻辑回归模型，这些模型利用ICDSC记录、机械通气状态以及入院时的序贯器官功能衰竭评估（SOFA）来预测非昏迷患者的谵妄情况，以研究人员的CAM-ICU评估结果作为参考标准。我们通过十折交叉验证对模型进行了内部验证。

干预措施：

无。

测量方法和主要结果：

在279名患者的1535次匹配评估中，使用ICDSC的谵妄/正常临界值（ICDSC ≥ 4）进行的护士评估与使用CAM-ICU进行的培训研究人员评估之间的一致性为中等（Cohen’s kappa = 0.42）。一个结合了ICDSC各组成部分和临床数据的逻辑回归模型能够很好地预测谵妄（曲线下面积 = 0.87），并且在交叉验证中表现良好（F1分数 = 0.72）。在敏感性分析中，使用较少ICDSC信息的模型也显示出较好的区分能力（F1分数 = 0.60–0.70），其中使用经过验证的临界值的模型表现最差。

结论：

一个结合护士ICDSC评估结果和临床变量的谵妄预测模型可以提高ICU中谵妄检测的准确性，可用于未来利用大规模临床数据集来深入理解谵妄机制、发展过程和结局的实际研究。

通俗语言总结：谵妄是ICU患者面临的一个严重问题，但护士使用ICDSC工具进行的评估结果往往与研究人员使用CAM-ICU工具进行的评估结果存在差异。本研究评估了279名患有急性呼吸衰竭或败血症患者的1535次评估结果，发现两种方法之间的一致性为中等（Cohen’s kappa = 0.42）。一个结合ICDSC数据和临床变量的逻辑回归模型在预测谵妄方面表现出更好的准确性（AUC = 0.87，F1分数 = 0.72）。该模型可以通过提高大规模临床数据集中的谵妄检测能力，有助于进一步研究谵妄的机制和结局。

本文为机器生成，可能包含不准确信息。常见问题解答