基于Gephi和CiteSpace對國內(nèi)外早期預(yù)警評分系統(tǒng)研究的可視化分析

黃子旋 冷虹瑤 沈巧 柯淞淋 易敏 鄭顯蘭

危重患者早期識別不及時將延誤最佳救治的時機，將被動搶救轉(zhuǎn)化為院內(nèi)主動監(jiān)測，提前預(yù)防是各個臨床單元的重要任務(wù)。據(jù)報道，急診患者病情惡化識別不及時延遲轉(zhuǎn)入ICU救治的發(fā)生率達59.4%[1],人均救治費用增加了99 773美元[2]。20世紀末歐美國家最早提出早期預(yù)警評分系統(tǒng)（EWS）[3],通過對脈搏、呼吸、血壓、體溫、意識狀態(tài)等重要生理指標評分，早期識別潛在危重患者并輔助指導相應(yīng)干預(yù)措施，改善患者臨床結(jié)局,降低院內(nèi)不良事件,促進醫(yī)療安全。國外重癥監(jiān)護指南推薦應(yīng)用早期預(yù)警評分系統(tǒng)對急危重癥患者進行病情風險分級[4]。目前歐美國家早期預(yù)警評分系統(tǒng)應(yīng)用廣泛、較為成熟，而我國早期預(yù)警評分系統(tǒng)研究仍處于探索期[5-6]。有學者從不同視角對國內(nèi)外EWS研究現(xiàn)狀進行總結(jié)，但都建立在對文獻的定性梳理基礎(chǔ)上，對EWS研究文獻進行定量分析鮮有報道[7-9]。文獻計量可視化分析通過計算機軟件把文獻信息轉(zhuǎn)換為知識圖譜，具有直觀形象、清晰展現(xiàn)研究領(lǐng)域發(fā)展趨勢的優(yōu)點[10]。因此，本研究借助可視化軟件Gephi及CiteSpace梳理EWS研究現(xiàn)狀，比較中外早期預(yù)警評分系統(tǒng)研究熱點及前沿，探討我國在該領(lǐng)域研究的優(yōu)勢和劣勢，為我國學者對早期預(yù)警評分系統(tǒng)的進一步研究與應(yīng)用提供參考。

1 資料與方法

1.1 數(shù)據(jù)來源及檢索策略

本研究以中國知網(wǎng)CNKI以及Web of Science（WOS）核心合集數(shù)據(jù)庫為檢索源。CNKI檢索式為：SU%=國家早期預(yù)警評分+改良早期預(yù)警評分+校正改良早期預(yù)警評分+重要性早期預(yù)警評分+新生兒早期預(yù)警評分+兒童早期預(yù)警評分+早期預(yù)警評分；WOS檢索式為：TS＝（“National Early warning score” OR “Modified Early Warning Score”O(jiān)R “Vital Early Warning Score”O(jiān)R “Standardized Early Warning Score OR “Neonatal Early warning score”O(jiān)R“Early warning score”O(jiān)R “Pediatric Early Warning Score”O(jiān)R “Track and Trigger System”。檢索時間為2010年1月—2021年1月，檢索類型限制為“期刊”/“Article”，語言限定為中文/英語。

1.2 文獻納入與排除標準

納入標準：與早期預(yù)警評分系統(tǒng)研究相關(guān)的文獻。排除標準：重復(fù)發(fā)表的文獻；會議論文、經(jīng)驗交流、經(jīng)驗薈萃、研究咨詢、新聞報道；研究內(nèi)容缺失；文獻數(shù)據(jù)無法提取整合分析。

1.3 數(shù)據(jù)格式轉(zhuǎn)化

檢索下載CNKI中文文獻題錄以“Refworks”格式及自定義文本格式導出，WOS英文文獻題錄以“全記錄與引用的參考文獻”純文本格式導出，每條記錄包括時間、作者、關(guān)鍵詞、共被引文等信息，提取文本格式的信息轉(zhuǎn)化為Gephi.0.9.2軟件的矩陣數(shù)據(jù)格式[11]，對中文數(shù)據(jù)Refworks格式轉(zhuǎn)化為CiteSpace5.5.R2軟件可直接繪圖的Converted數(shù)據(jù)格式。

1.4 數(shù)據(jù)分析方法

應(yīng)用可視化軟件Gephi0.9.2中Force Atlas布局算法以及圓形輪廓Fruchterman Reingold彈簧模型繪制圖譜[12],展現(xiàn)國家或區(qū)域、研究作者合作關(guān)系網(wǎng)絡(luò)。圖譜中節(jié)點大小與發(fā)文量成正比，連線數(shù)量隨著合作聯(lián)系越緊密越多，連線也越粗[13]。采用CiteSpace5.5.R2軟件對關(guān)鍵詞進行共現(xiàn)和突現(xiàn)分析，①設(shè)置時間區(qū)間參數(shù)為“2010—2021年”，時間跨度為1，提取對象設(shè)置為“Top 20”。②設(shè)置節(jié)點處理參數(shù)為Keyword、Reference。③選擇修圖參數(shù)Pruning為Pathfinder，繪制共現(xiàn)和突現(xiàn)圖譜探討早期預(yù)警評分系統(tǒng)研究熱點和前沿。為進一步反映中英文文獻高頻關(guān)鍵詞的關(guān)聯(lián)程度及核心地位，使用SPSS 20.0統(tǒng)計軟件Euclidean度量距離模型，對中英文文獻高頻關(guān)鍵詞進行多維尺度分析[14]。同時，通過CiteSpace軟件對WOS數(shù)據(jù)庫共被引文獻聚類分析后繪制“時線圖”展示該研究領(lǐng)域知識結(jié)構(gòu)及其演化過程[15]，可視化實現(xiàn)過程如圖1所示。

圖1 早期預(yù)警評分系統(tǒng)研究可視化分析流程圖

2 結(jié)果

共檢索早期預(yù)警評分系統(tǒng)研究中英文文獻2213篇，剔除重復(fù)發(fā)表論文（英文15篇，中文20篇）、會議論文（英文8篇，中文12篇）、經(jīng)驗交流等與主題無關(guān)論文（英文22、中文2篇），最后納入文獻2134篇。

2.1 一般情況分析

2.1.1 年發(fā)文量變化趨勢 國內(nèi)外年發(fā)文量在2010—2015年處于緩慢上升期，此后年發(fā)文量均在100篇以上。隨后，國外年發(fā)文量在2017年前處于平穩(wěn)上升期，2018—2020年呈現(xiàn)快速增長趨勢，由2019年的195篇迅速增加到2020年的316篇?？傮w而言，國內(nèi)外年發(fā)文量呈現(xiàn)持續(xù)上升趨勢，具體信息見圖2。

圖2 近十年早期預(yù)警評分系統(tǒng)研究發(fā)文量統(tǒng)計

2.1.2 發(fā)表期刊分布 近十年早期預(yù)警評分系統(tǒng)相關(guān)研究英文文獻主要發(fā)表于494本期刊，中文文獻發(fā)表于244本期刊。國內(nèi)外發(fā)表數(shù)量最多的期刊是RESUSCITATION（80篇）；對WOS數(shù)據(jù)庫收錄5篇及以上的期刊進行統(tǒng)計，34.3%英文文獻影響因子集中在2～3分，21.3%英文文獻影響因子在4分及以上。

2.2 早期預(yù)警評分系統(tǒng)研究領(lǐng)域科研力量分布

2.2.1 國家或地區(qū)貢獻 2010—2020年共有107個國家或地區(qū)在Web of Science上發(fā)表了早期預(yù)警評分相關(guān)文章，其中發(fā)文超過20篇的國家或地區(qū)有19個，合作國家或地區(qū)關(guān)系網(wǎng)絡(luò)的平均聚類系數(shù)為0.851，具有較高準確度和清晰度[13]。中心度反映網(wǎng)絡(luò)中節(jié)點的關(guān)鍵性，數(shù)值越高說明該節(jié)點越核心[11]；中心度排名前3位國家是英國、加拿大和美國，連線數(shù)值分別為342、274和246，具體信息見圖3。

圖3 早期預(yù)警評分系統(tǒng)研究國家或地區(qū)合作網(wǎng)絡(luò)

2.2.2 作者貢獻 圖4左顯示國內(nèi)作者合作關(guān)系網(wǎng)絡(luò)。統(tǒng)計分析顯示，5名及以上作者合作的研究團隊有3個，中心度排名前3位的作者分別是新疆維吾爾自治區(qū)人民醫(yī)院李萍（16篇）、廣西醫(yī)科大學第四附屬醫(yī)院阮海林（10篇）、中南大學湘雅醫(yī)院彭伶麗（6篇）；圖4右顯示國外作者合作關(guān)系 網(wǎng)絡(luò)，5名及以上作者合著的研究團隊有7個，合作聯(lián)系最多的是英國伯恩茅斯大學Smith.Gary B與樸次茅斯市公立醫(yī)院Schmidt.Paul研究團隊，中心度排名前3位的作者分別是伯恩茅斯大學Smith（28篇）、加拿大桑德貝區(qū)健康中心Kellett（23篇）、樸次茅斯市公立醫(yī)院Meredith.Paul（19篇）。對比分析國內(nèi)外作者合作網(wǎng)絡(luò)，國外跨機構(gòu)、跨地區(qū)作者合作強度較高，國內(nèi)不同機構(gòu)作者團體間合作較少、連線較稀疏、不緊密。

圖4 CNKI（左）和Web of Science(右）早期預(yù)警評分系統(tǒng)研究作者合作網(wǎng)絡(luò)

2.3 研究熱點及前沿探測

2.3.1 關(guān)鍵詞可視化共現(xiàn)分析 運用CiteSpace 5.5.R2軟件分別生成中文（圖5左）和英文關(guān)鍵詞共現(xiàn)圖譜（圖5右）。中文圖譜形成55個節(jié)點和66條連線，節(jié)點密度為0.044。英文圖譜形成4個節(jié)點和72條連線，節(jié)點密度為0.050。中心度前5位中文關(guān)鍵詞為改良早期預(yù)警評分、急診、早期預(yù)警評分、病情評估、臨床預(yù)后；前5位英文關(guān)鍵詞為hospital mortality（死亡率）、Rapid Response System（快速反應(yīng)系統(tǒng)）、validation（驗證）、risk factors（風險因素）、Early warning Score（早期預(yù)警評分）。

圖5 2010—2020年早期預(yù)警評分系統(tǒng)研究關(guān)鍵詞共現(xiàn)圖譜

2.3.2 關(guān)鍵詞突現(xiàn)分析 通過CiteSpace 5.5.R2軟件Burst指數(shù)及其持續(xù)時間分析突現(xiàn)關(guān)鍵詞區(qū)域時間內(nèi)爆發(fā)強度[16]，反映該領(lǐng)域研究前沿。2010—2015年國際對Medical Emergency Team（醫(yī)療急救小組）、Quality of care（護理質(zhì)量）、Outcome（臨床結(jié)局）、Trigger System（預(yù)檢分診系統(tǒng)）等較為關(guān)注，見表1。同期，國內(nèi)學者較為關(guān)注院前急救、比較EWS與快速急診內(nèi)科評分等研究領(lǐng)域，見表2。2017—2021年EWS研究突現(xiàn)關(guān)鍵詞中文有新生兒、兒童、不良事件、并發(fā)癥以及SBAR溝通模式，英文有Management（管理）、Information technology（信息技術(shù)）以及National early warning score（英國國家早期預(yù)警評分）。

表1 早期預(yù)警評分系統(tǒng)研究突現(xiàn)關(guān)鍵詞信息（英文）

2.3.3 關(guān)鍵詞多維尺度分析 通過關(guān)鍵詞多維尺度分析可進一步揭示高頻關(guān)鍵詞的核心地位、關(guān)聯(lián)程度及相似性[14]。中英文多維尺度圖4個象限均形成聚集關(guān)鍵詞群，主要集中以下2個方面：①急診學科領(lǐng)域，以關(guān)鍵詞Emergency Department（急診）、Septic Shock（感染性休克）、Risk Assessment（風險評估）、院前急救、多發(fā)傷等形成聚群；②危重癥學科領(lǐng)域，以關(guān)鍵詞Intensive Care Unit（重癥監(jiān)護室）、Clinical deterioration（病情惡化）、臨床預(yù)后、死亡率、預(yù)測效能等形成聚群。此外英文多維尺度分析還探測出信息技術(shù)Electronic health record（電子病歷系統(tǒng)）、Machine learning（機器學習）等新的關(guān)鍵詞。其中改良早期預(yù)警評分接近多維尺度圖核心位置，反映中文文獻研究重點在改良早期預(yù)警評分。研究的熱點和關(guān)鍵詞共現(xiàn)分析基本一致，見圖6。

圖6 CNKI（左）和WOS（右）早期預(yù)警評分系統(tǒng)關(guān)鍵詞多維尺度分析

2.4 演變趨勢及發(fā)展方向

2.4.1 共被引文獻聚類分析 通過聚類分析Web of Science數(shù)據(jù)庫早期預(yù)警評分研究共被引文獻繪制成時線圖（見圖7），反映該領(lǐng)域研究演變趨勢。共被引文獻聚類網(wǎng)絡(luò)模塊值Q為0.78，前7位聚類輪廓值Silhouette值均＞0.7，表明聚類同質(zhì)性及合理性較好[17]。高中心性節(jié)點主要集中在聚類0和5，說明這些聚類影響力及受關(guān)注度高，突增強度高的節(jié)點主要集中在聚類3急診醫(yī)療服務(wù)和5深度學習主題，說明這些聚類發(fā)展趨勢逐漸增強。

2.4.2 高被引文獻分析 分析圖7各聚類高被引文獻。聚類0、3、5各有2篇高被引文獻，被引頻次最高的文獻是2013年Smith GB基于實時臨床數(shù)據(jù)庫對35583名患者比較34個版本早期預(yù)警評分工具的前瞻性準確性的隊列研究[18]。突增強度最高的文獻是2017年英國倫敦皇家醫(yī)學院發(fā)布指南關(guān)于國家早期預(yù)警評分第二版的更新[19]，被引頻次突增速度快，屬于聚類3急診醫(yī)療服務(wù)。見表3。

圖7 早期預(yù)警評分系統(tǒng)研究領(lǐng)域共被引文獻網(wǎng)絡(luò)前7位聚類時線圖

表3 近十年早期預(yù)警評分系統(tǒng)研究前8位高被引文獻信息

3 討論

3.1 早期預(yù)警評分研究現(xiàn)狀分析

近十年國內(nèi)外早期預(yù)警評分系統(tǒng)研究不斷發(fā)展，2020年EWS研究的發(fā)文量將近2010年發(fā)文量的10倍，共發(fā)表相關(guān)中英文文獻2134篇，總體發(fā)文量呈上升趨勢，說明該領(lǐng)域研究日益受到國內(nèi)外學者的關(guān)注。國際上Morgan等[3]于1997年首先提出早期預(yù)警評分,隨后其他學者均在此基礎(chǔ)上進行改良。國內(nèi)周巍等[20]于2009年在《中華急診醫(yī)學雜志》上發(fā)表題名為“改良的早期預(yù)警評分在急性胰腺炎中的應(yīng)用”是首篇有關(guān)早期預(yù)警評分的核心學術(shù)文獻，為國內(nèi)相關(guān)研究奠定了基礎(chǔ)。自此，國內(nèi)EWS相關(guān)論文產(chǎn)量處于持續(xù)上升趨勢，且在未來仍有可能保持較高熱度。

綜合分析國家和作者發(fā)文量及中心度，EWS研究主要集中在英國、美國、愛爾蘭等國家，其中以英國伯恩茅斯大學Smith作者、英國樸次茅斯市公立醫(yī)院Schmidt.Paul作者發(fā)文量及合作連線最多；上述國家及作者在論文產(chǎn)量、跨區(qū)域合作強度及學術(shù)影響力較為突出。這可能與國內(nèi)外對早期預(yù)警評分系統(tǒng)研究關(guān)注程度不同有關(guān)。英國、愛爾蘭醫(yī)療服務(wù)系統(tǒng)相繼出臺政策，把“早期預(yù)警評分系統(tǒng)”規(guī)定為各醫(yī)療機構(gòu)病情評估方法，定期開展危重癥患者病情早期預(yù)警培訓項目[21-22]。而我國僅有部分醫(yī)院建立EWS病情早期預(yù)警工作流程，仍處于實踐研究階段[23]。因此，建議我國衛(wèi)生部門推出相關(guān)支持項目，發(fā)揮導向作用，促進早期預(yù)警評分系統(tǒng)研究的深度和廣度，不斷提高研究質(zhì)量并推動研究成果的普及。

3.2 EWS研究熱點分析

關(guān)鍵詞高度概括文獻核心內(nèi)容，通過關(guān)鍵詞共現(xiàn)及多維尺度分析梳理該研究領(lǐng)域的研究熱點主要集中在以下方面。

3.2.1 基于EWS病情預(yù)警管理模式 關(guān)鍵詞共現(xiàn)分析顯示，中心度排前兩名的英文高頻關(guān)鍵詞是快速反應(yīng)系統(tǒng)（RRS）及醫(yī)療急救小組（MET），說明該領(lǐng)域受國際研究學者較多關(guān)注，是該領(lǐng)域研究熱點?？焖俜磻?yīng)系統(tǒng)是指醫(yī)護人員通過早期預(yù)警評分系統(tǒng)監(jiān)測患者相關(guān)生理指標，早期識別病情惡化，并啟動快速反應(yīng)小組或急救醫(yī)療小組及時干預(yù)的預(yù)警管理模式[8]。目前基于EWS病情預(yù)警管理模式在歐美發(fā)達國家較完善成熟，該系統(tǒng)明確了EWS應(yīng)答流程，為患者病情惡化前早期、迅速、合理地給予醫(yī)療護理干預(yù)提供了規(guī)律有序的工作模式[24-25]。但國內(nèi)基于EWS病情預(yù)警管理模式的實踐仍處于探索期，基于EWS的護理應(yīng)答程序尚未達成共識[26]，余金秀等[27]對兒科普通住院患者采用的護理應(yīng)答程序是：EWS為0～1分時按護理級別進行巡視；2分時報告通知醫(yī)生并啟動至少1次生命體征監(jiān)測；當EWS為3分時，立即通知醫(yī)生進行初步醫(yī)療處理，每30 min巡視1次；≥4分時或單項評分為3分時，通知醫(yī)生15 min內(nèi)到達患兒床旁干預(yù)。劉海燕等[28]對急診呼吸系統(tǒng)疾病患者的護理工作流程是：當EWS≤4分時，通知急診?？谱o士，每1～2 h巡視1次；5～8分時通知醫(yī)生及護理組長進行初步救治處理，每30 min巡視1次。耿壯麗[29]對急性心肌梗死患者的護理應(yīng)答程序為：當EWS為0～3分時，在患者身份識別卡貼藍色標識，每4 h復(fù)評；當EWS為4～7分時，貼黃色標識，每1 h復(fù)評；當EWS≥8分時，貼紅色標識并立即通知醫(yī)生及護理組長干預(yù)，每30 min復(fù)評。雖然這些護理措施取得了較好的臨床效果，但是對于重復(fù)評估的時間、動態(tài)評估的間隔時間以及基于 EWS分值不同分級護理的方案尚無標準，影響了EWS在臨床推廣應(yīng)用。

3.2.2 早期預(yù)警評分預(yù)測危重患者的價值 關(guān)鍵詞共現(xiàn)分析顯示，國內(nèi)外中心度前五名共同高頻關(guān)鍵詞臨床預(yù)后、預(yù)測效能，Validation（驗證），Hospital Mortality（住院死亡率）受到研究學者較多關(guān)注，是該領(lǐng)域研究熱點。早期預(yù)警評分工具的敏感性低容易導致漏診、延誤病情、降低預(yù)測價值，而特異性低則會浪費有限的醫(yī)療資源，最佳截斷點（即最大約登指數(shù)）是權(quán)衡早期預(yù)警評分工具的靈敏度及特異度，優(yōu)化早期預(yù)警評分系統(tǒng)的重要分界值[30-31]。應(yīng)用EWS進行病情轉(zhuǎn)歸預(yù)測驗證時，常用的結(jié)局指標包括①以患者住院死亡率為結(jié)局指標，高被引文獻[32]顯示國家早期預(yù)警評分NEWS≥6分為最佳截斷點，AUC（ROC曲線下面積）為0.822（95%CI0.690～0.953）,預(yù)測效力高；②以患者心搏驟停為結(jié)局指標，不同研究顯示[33-34]NEWS≥5分或者7分為最佳截斷點，AUC均在0.8以上，假陽性率均較低；③以患者轉(zhuǎn)入ICU為結(jié)局指標，NEWS≥4分為最佳截斷點[35]，AUC為0.87（95%CI, 0.79～0.95），提示需要每小時復(fù)評。此外還有少數(shù)研究對患者ICU住院天數(shù)、住院率等結(jié)局指標進行EWS預(yù)測效能的驗證[36]。由于這些最佳截斷點的單中心病例回顧研究較多、證據(jù)等級較低[30]，關(guān)于不同斷截點劃分的標準尚未達成共識，仍需通過更多的同質(zhì)化隨機對照試驗為EWS截斷值劃分的分類提供依據(jù)。

3.3 EWS研究前沿分析

通過突現(xiàn)關(guān)鍵詞及共被引文獻網(wǎng)絡(luò)準確把握研究前沿[10,15]，突現(xiàn)關(guān)鍵詞信息技術(shù)Information technology自2017年頻次突增，同時，還探測出相關(guān)英文聚集關(guān)鍵詞群包括電子病歷記錄（electronic health record）、機器學習（machine learning）等，說明EWS信息化系統(tǒng)的研發(fā)與應(yīng)用是該研究領(lǐng)域前沿。追蹤聚類5的施引文獻，Badriyah等[37]開發(fā)了基于決策樹分析算法的早期預(yù)警評分系統(tǒng)軟件（DTEWS），通過臨床數(shù)據(jù)庫將198，775例急診患者住院期間生命體征參數(shù)導入軟件得出預(yù)警評分，預(yù)測患者轉(zhuǎn)入ICU和住院死亡率的AUC分別為0.862和0.899，準確性較高，為后續(xù)相關(guān)研究奠定了基礎(chǔ)。相繼追蹤聚類5高被引文獻，Skyttberg等[38]研究將早期預(yù)警評分納入電子病歷系統(tǒng)，通過護士輸入EWS所需的指標參數(shù)時，電子病歷系統(tǒng)能夠自動歸入相應(yīng)的色彩區(qū)塊或計算數(shù)值，減少人為計算的錯誤。相較國外研究，我國關(guān)于早期預(yù)警評分信息化系統(tǒng)、EWS觸發(fā)軟件以及電子病歷系統(tǒng)研究較少、預(yù)警信息化程度較低[39-40]。國內(nèi)學者馮小芳等[41]于2021年建立了新生兒早期預(yù)警評分信息化系統(tǒng)，自動標識患兒預(yù)警等級，提送至護理界面實現(xiàn)預(yù)警，但目前該系統(tǒng)需要手動錄入生命體征等數(shù)據(jù)后，才能評分提醒患者病情分級，尚未實現(xiàn)智能收集生理參數(shù)功能。傳統(tǒng)的評分系統(tǒng)具有單一時點評估特點，信息收集不完整，對病情變化預(yù)測評估不連續(xù)[39-40]，EWS信息化系統(tǒng)具有動態(tài)監(jiān)測、連續(xù)評估潛在危重患者病情進展、保障患者安全的特點，或?qū)⒊蔀镋WS研究的必然發(fā)展趨勢。

3.4 護理啟示與研究局限

本文利用CiteSpace和Gephi軟件對國內(nèi)外早期預(yù)警評分系統(tǒng)研究主題進行文獻計量分析，梳理了EWS研究現(xiàn)狀，對中外研究熱點、前沿進行了對比和總結(jié)，這也給國內(nèi)研究學者以及臨床護理人員提供了啟發(fā)：①EWS研究受到中外學者較多關(guān)注，尤其是英國、美國、加拿大等國家在該領(lǐng)域?qū)W術(shù)影響力突出，國內(nèi)后續(xù)護理研究可借鑒國際EWS研究經(jīng)驗加強不同機構(gòu)護理團隊間的合作聯(lián)系、促進EWS研究成果產(chǎn)出。②我國基于EWS病情預(yù)警管理模式仍處于探索階段，臨床上EWS分級護理的方案、截斷值劃分尚未達成共識，今后仍需充分分析循證證據(jù)及臨床數(shù)據(jù)，不斷優(yōu)化病情風險評分分類，探索護理預(yù)測預(yù)控最佳時機。 ③EWS信息化系統(tǒng)是目前該領(lǐng)域研究前沿，國內(nèi)自動化預(yù)警系統(tǒng)軟件研究報道較少，可作為未來護理信息化研究的重要方向。本研究局限在于僅納入CNKI和Web of Science數(shù)據(jù)庫早期預(yù)警評分系統(tǒng)相關(guān)研究，未對其他數(shù)據(jù)庫收錄的文獻進行分析，建議今后研究可擴大數(shù)據(jù)采集范圍進行更為全面分析，并與其他病情惡化早期初篩工具對比研究，論證危重癥評分工具?？撇》N臨床應(yīng)用范圍、邊界條件以及使用時機的差異。