预测急诊短期复诊患者高风险：创新 HANDLE-24 评分引领生命科学精准诊疗新方向

为解决急诊复诊患者风险评估难题，台北荣民总医院研究人员开展 “预测短期复诊患者急诊科就诊时高风险复诊” 研究。得出 HANDLE - 24 评分可预测不良结局的结果。该研究成果能助力临床精准诊疗，强烈推荐科研读者阅读。

　　

解读《预测短期复诊患者急诊科就诊时的高风险复诊：HANDLE-24 评分》

在医学领域，急诊科（Emergency Department，ED）的工作效率与患者的救治质量密切相关。来自台北荣民总医院（Taipei Veteran General Hospital，TVGH）急诊科等多个单位的研究人员，包括 Chung-Ting Chen、Po-Hsiang Liao 等，在《BMC Emergency Medicine》期刊上发表了题为 “Predicting high - risk return at emergency department presentation for patients who undergo short - term revisits: the HANDLE - 24 score” 的论文。这篇论文在急诊科患者管理和风险评估领域具有重要意义，为提升急诊科医疗服务质量提供了新的思路和方法。

一、研究背景

72 小时内急诊科复诊率是衡量急诊科医疗质量的关键指标。通常人们认为，这些复诊患者可能是首次就诊时过早出院，其复诊或许与不安全或无效的治疗相关。然而，实际情况却更为复杂。一方面，部分复诊是由于医疗差错、初次诊断或治疗不充分导致的；但另一方面，疾病的自然发展进程、当地基层医疗和专科服务难以获取，甚至患者因非紧急问题前来复诊等因素也不容忽视。这意味着，72 小时内的急诊科复诊现象并非完全由医疗质量问题引起，其背后存在诸多复杂因素。

尽管此前已有研究识别出急诊科复诊的一些风险因素，但针对复诊后患者后续结局的研究数据却相对匮乏。目前，我们并不清楚哪些复诊患者更有可能出现不良结局。因此，开发一种能够预测急诊科复诊患者不良结局的风险评估工具显得尤为重要。它不仅有助于早期识别高风险患者，以便为其提供个性化的医疗服务和有针对性的干预措施，还能帮助合理规划和管理医疗资源，提高急诊科的工作效率和医疗质量。

二、研究方法

（一）研究设计与数据来源

研究采用回顾性队列分析方法，数据来源于 2019 年 1 月至 2020 年 12 月台北荣民总医院的电子健康记录（Electronic Health Record，EHR）系统。研究对象为 18 岁及以上，在急诊科首次就诊治疗并出院后 72 小时内再次复诊的患者。为确保研究数据的可靠性和有效性，研究人员排除了存在数据缺失、违背医嘱以及在前一年频繁前往 5 家及以上急诊科就诊的患者。研究人群被分为两部分：2019 年的数据用于构建风险模型（开发队列），2020 年的数据则用于验证模型（验证队列） 。该研究获得了台北荣民总医院伦理委员会 / 机构审查委员会的批准（Protocol Number: 2021–06-027CC），由于研究的回顾性特点，委员会豁免了患者的知情同意。

（二）数据收集与结局指标

研究人员从 EHR 系统中回顾性提取并收集了患者的常规人口统计学特征、既往病史、生理指标以及患者结局等信息。详细记录了患者的合并症情况，如恶性肿瘤、冠状动脉疾病、充血性心力衰竭、心律失常、高血压、慢性肺病、缺血性或出血性中风、痴呆、慢性肾病、糖尿病、慢性肝病或消化性溃疡疾病等。同时，对一些关键症状和指标进行了明确的定义，例如，症状性心动过速指心率大于 150 次 / 分钟，症状性心动过缓指心率小于 50 次 / 分钟；呼吸困难定义为呼吸频率大于 20 次 / 分钟或小于 10 次 / 分钟。此外，还计算了格拉斯哥昏迷评分（Glasgow Coma Scale，GCS）的变化值和分诊评分的变化值，以此评估患者意识水平和整体健康状况的变化。血液检查项目包括白细胞（White Blood Cell，WBC）计数、中性粒细胞计数、淋巴细胞计数、血红蛋白（Hemoglobin，Hb）水平、血小板计数以及钠和钾水平等，并进一步分析了中性粒细胞与淋巴细胞比值（Neutrophil - to - Lymphocyte Ratio，NLR）、血小板与淋巴细胞比值（Platelet - to - Lymphocyte Ratio，PLR）和全身免疫炎症指数（Systemic Immune Inflammation Index，SII） 。研究的主要结局指标是高风险复诊，即 72 小时急诊科复诊后入住重症监护病房（Intensive Care Unit，ICU）或院内死亡。

（三）统计分析

在统计分析阶段，对于连续变量，研究人员采用中位数和四分位间距或均值和标准差进行描述；对于分类数据，则用频率和比例来表示。连续变量通过 Mann - Whitney U 检验进行独立样本评估，分类变量则根据情况选择 Pearson 卡方检验或 Fisher 精确检验。研究人员基于 2019 年开发队列的数据，通过多变量分析（纳入单变量分析中 p<0.10 的因素），运用向后逐步逻辑回归分析构建模型。逻辑回归分析得到的优势比（Odds Ratio，OR）用于量化各变量与高风险结局之间的关联强度，并根据 OR 值为相关参数分配分数，每 0.5 的 OR 值对应 0.5 分，从而建立了一个评分系统 ——HANDLE - 24 评分。之后，研究人员利用 2020 年验证队列的数据对模型进行外部验证。通过受试者工作特征（Receiver Operating Characteristic，ROC）曲线分析评估最终评分的预测能力，计算 ROC 曲线下面积（Areas under the Curve，AUC）并给出 95% 置信区间（Confidence Intervals，CI） 。同时，运用 Hosmer–Lemeshow 拟合优度检验评估模型的校准度，所有分析均使用 IBM SPSS Statistics 软件（版本 20.0）进行，双侧检验，p<0.05 被认为具有统计学意义。

三、研究结果

（一）患者基本情况

在研究期间，开发队列和验证队列中分别确定了 1224 例和 985 例符合 72 小时急诊科复诊条件的患者。开发队列中，5.1%（n=63）的患者入住 ICU，2.2%（n=27）的患者院内死亡，41.4%（n=507）的患者住院治疗，0.2%（n=2）的患者以院外心脏骤停（Out - of - Hospital Cardiac Arrest，OHCA）形式复诊；验证队列中，相应比例分别为 4.7%（n=46）、3.9%（n=38）、48.9%（n=482）和 0.1%（n=1） 。进一步分析发现，高风险复诊的患者往往年龄更大，3 个月内住院的可能性更高，平均动脉压（Mean Arterial Pressure，MAP）小于 65 mmHg 的发生率更高，更容易出现呼吸困难、GCS 评分恶化、复诊时分诊级别升高、两次急诊科就诊间隔≤24 小时以及首次就诊住院时间≥240 分钟等情况。此外，高风险复诊患者的合并症发生率，如冠状动脉疾病、充血性心力衰竭、高血压、慢性肺病、中风、慢性肾病、糖尿病和慢性肝病等，也明显高于非高风险复诊患者。而且，出现不良结局的复诊患者更常抱怨与急性冠状动脉综合征（Acute Coronary Syndrome，ACS）相关的症状，如胸闷或胸部不适。高风险复诊还与高 NLR 以及贫血、血小板减少、高钠血症和低钠血症的高发生率显著相关。

（二）多变量分析与 HANDLE - 24 评分

多变量分析显示，呼吸困难、分诊级别升高、两次就诊间隔≤24 小时、高血压和慢性肝病合并症、胸部不适主诉以及复诊时伴有高钠血症和低钠血症，这些因素被确定为高风险复诊的独立预测因素。基于这八个因素，研究人员构建了 HANDLE - 24 评分系统，评分范围为 0 - 22 分。其中，高血压、ACS 症状、钠代谢紊乱（dysnatraemia）、呼吸困难、慢性肝病、分诊级别升高和 24 小时内复诊等因素各自对应不同的分值。以 8.5 分为临界值预测高风险复诊时，其敏感性为 55.3%，特异性为 92.7%，阳性似然比为 7.577，阴性似然比为 0.482 。在开发队列和验证队列中，HANDLE - 24 评分的 AUC 分别为 0.816（95% CI 0.760 - 0.871，P<0.001）和 0.804（95% CI 0.750 - 0.858，P<0.001），表明该评分系统具有良好的诊断准确性。Hosmer–Lemeshow 拟合优度检验结果显示，开发队列和验证队列的卡方值分别为 7.417（p=0.284）和 1.743（p=0.942），说明逻辑模型适用于该研究分析。

（三）风险分组与不良结局概率

根据 HANDLE - 24 评分，研究人员将成年复诊患者分为低风险组（0 - 8.5 分）、中风险组（9 - 11.5 分）和高风险组（12 - 22 分）。低风险组患者复诊后入住 ICU 或院内死亡的概率为 3.0%，中风险组为 27.5%，高风险组则高达 44.7%，三组之间的差异具有统计学意义（Cochran - Armitage 趋势检验，p=0.001） 。在住院、入住 ICU 和院内死亡等方面的调查中发现，新开发的 HANDLE - 24 评分系统也能够显著预测这些结局。

四、研究结论与讨论

（一）研究结论

研究人员成功开发并验证了 HANDLE - 24 评分系统，该评分系统可以利用急诊科复诊后短时间内（通常 1 小时内）收集的行政数据和实验室研究数据，预测成年复诊患者的不良结局。通过 HANDLE - 24 评分，能够将 72 小时内急诊科复诊的成年患者准确分为三个不同风险组，这对于预测患者后续住院、入住 ICU 或院内死亡的风险具有重要意义。HANDLE - 24 评分提供了一种简单且经过验证的工具，通过整合常规可得的临床和实验室数据，实现早期风险分层，有助于提高急诊科对复诊患者的管理水平。

（二）讨论

该研究揭示了高风险急诊科复诊与多种因素密切相关，如高血压、胸部不适症状、钠代谢紊乱、呼吸困难、慢性肝病、分诊级别升高以及短时间内复诊等。基于这些因素构建的 HANDLE - 24 评分系统，具有良好的预测能力，AUC 在开发队列和验证队列中均大于 0.8，表明其能够有效区分高风险和非高风险的急诊科复诊患者。这一评分系统的优势在于，它所依赖的临床和实验室数据在大多数医院都易于获取，且风险分组方式与普遍的临床决策过程相契合，具有较强的实用性和可推广性。

然而，研究也存在一定的局限性。首先，作为一项回顾性研究，可能存在未考虑到的混杂因素影响变量与结局之间的关系，回顾性设计本身也容易引入潜在偏差，且依赖现有的 EHR 系统可能导致数据不完整或不一致。其次，研究仅考虑了急诊科复诊时的实验室检查结果，未收集实验室指标的变化轨迹数据，这对评估患者病情的影响有待进一步研究。此外，研究数据仅来源于单一中心，其结果在不同医院环境和患者群体中的适用性还需要进一步验证，且研究未收集复诊时的主要症状数据，无法深入分析症状进展和复诊原因。

尽管存在这些不足，HANDLE - 24 评分系统在急诊科患者管理方面仍具有重要的潜在价值。它可以帮助临床医生早期识别高风险复诊患者，从而制定更具针对性的治疗方案，优化医疗资源的分配。未来的研究需要在不同类型的医院、不同地理区域和更多样化的患者群体中进一步验证 HANDLE - 24 评分系统，以充分评估其适应性和实用性，进而为改善患者结局和提升急诊科医疗服务质量提供更有力的支持。