基于決策樹(shù)構(gòu)建急診創(chuàng)傷患者低體溫早期預(yù)警模型及驗(yàn)證

梅潤(rùn),何乾峰,徐璐瑤,苑靜,何佩瑤,商瑜瑜,衛(wèi)攀,張俊

(1.空軍軍醫(yī)大學(xué)第二附屬醫(yī)院 急診科,陜西 西安 710038;2.前海人壽西安醫(yī)院 護(hù)理部, 陜西 西安 710024;3.西安國(guó)際醫(yī)學(xué)中心醫(yī)院 神經(jīng)外科, 陜西 西安 710018;4.陜西省武警總隊(duì)醫(yī)院 門(mén)診部,陜西 西安 710054;5.空軍軍醫(yī)大學(xué)第二附屬醫(yī)院 護(hù)理部;6.空軍軍醫(yī)大學(xué)第二附屬醫(yī)院 門(mén)診部)

低體溫被認(rèn)為是創(chuàng)傷者 “致死三聯(lián)征”之一,發(fā)病率在10%～66%[1-2],可引起患者內(nèi)環(huán)境紊亂,導(dǎo)致預(yù)后差并增加死亡風(fēng)險(xiǎn),故早期對(duì)創(chuàng)傷后患者低體溫進(jìn)行準(zhǔn)確鑒別顯得尤為重要。鑒于低體溫對(duì)創(chuàng)傷患者所造成的嚴(yán)重影響,國(guó)外指南[3]強(qiáng)調(diào)要積極有效預(yù)防和治療創(chuàng)傷患者低體溫,準(zhǔn)確預(yù)測(cè)低體溫的發(fā)生,以為其護(hù)理干預(yù)提供依據(jù)。目前現(xiàn)有的低體溫預(yù)測(cè)工具有客觀判斷量表瑞士低溫分期模型[4]、主觀判斷量表冷不適量表[5],但均存在一定局限性,如預(yù)測(cè)體溫與實(shí)際體溫偏差較大、無(wú)法用于預(yù)測(cè)無(wú)意識(shí)患者及不能體現(xiàn)因素間的相互作用。決策樹(shù)是機(jī)器學(xué)習(xí)算法與數(shù)據(jù)挖掘技術(shù)中較為常用的多特征分類(lèi)技術(shù),能較好地對(duì)納入指標(biāo)的重要性進(jìn)行排序,篩選出主要影響因素并進(jìn)行綜合分析,從而實(shí)現(xiàn)對(duì)研究對(duì)象準(zhǔn)確預(yù)測(cè)[6-7]。本研究基于決策樹(shù)構(gòu)建急診創(chuàng)傷患者低體溫早期預(yù)警模型,旨在為急診科醫(yī)護(hù)人員提供一種準(zhǔn)確、直觀的早期預(yù)警模型。

1 對(duì)象與方法

1.1 研究對(duì)象 采用便利抽樣法,回顧性選取2020年5月至2021年4月某院急診搶救室的急診創(chuàng)傷患者376例為研究對(duì)象。納入標(biāo)準(zhǔn)：(1)急性創(chuàng)傷患者;(2)年齡≥18歲。排除標(biāo)準(zhǔn)：(1)已發(fā)生低體溫;(2)伴有低血糖、營(yíng)養(yǎng)不良等易發(fā)生低體溫疾病;(3)伴慢性心臟病、消耗性疾病;(4)接受亞低溫治療;(5)急診室滯留時(shí)間<3 h。樣本量計(jì)算采用Kendall樣本量計(jì)算法及R語(yǔ)言分析多因素回歸模型各組樣本量[8],考慮到15%～20%樣本流失,本研究樣本量約為292～406例。本研究已獲得研究所在醫(yī)院倫理委員會(huì)批準(zhǔn)(TDLL-第202301-02號(hào))。

1.2 研究方法

1.2.1 資料收集內(nèi)容 主要收集內(nèi)容：(1)基本信息,即患者年齡、性別、呼吸頻率、心率、收縮壓、舒張壓、血氧飽和度等。(2)創(chuàng)傷與院前救治狀況,即患者的受傷性質(zhì)、休克指數(shù)(shock index,SI)、是否夜間受傷、受傷環(huán)境溫度、救護(hù)車(chē)到達(dá)現(xiàn)場(chǎng)所用時(shí)間、救護(hù)車(chē)送達(dá)醫(yī)院所用時(shí)間、是否有衣物潮濕、院前是否進(jìn)行輸液、院前是氣管插管、入室時(shí)是否休克、創(chuàng)傷程度、創(chuàng)傷后的反應(yīng)程度等。其中創(chuàng)傷程度采用由Baker等[9]于1974年推出的創(chuàng)傷嚴(yán)重程度評(píng)分量表(injury severity score,ISS)評(píng)估,內(nèi)容包括面部、頭頸部、頭頸部、腹部、胸部、四肢及體表6個(gè)部位,采用6級(jí)評(píng)分法,<5分為輕傷,5～16分為中傷,17～25分為重傷,>25分為嚴(yán)重傷;創(chuàng)傷后的反應(yīng)程度采用Champion等[10]于1989年修正的創(chuàng)傷評(píng)分(revised trauma score,RTS)評(píng)估,內(nèi)容包含格拉斯哥昏迷評(píng)分、收縮壓和呼吸3個(gè)變量(0～4分,4 分為正常值)進(jìn)行加權(quán)即為RTS 值,RTS 取值為0.00～7.84分,其中0～4分為重度傷,分值越高即預(yù)后越好。

1.2.2 資料收集方法 登錄醫(yī)院電子病例系統(tǒng)收集患者相關(guān)臨床資料。為保證數(shù)據(jù)盡可能一致,由本研究2名具有護(hù)師及以上職稱(chēng)且在急診科工作5年以上護(hù)理經(jīng)驗(yàn)者參與科研集中培訓(xùn),培訓(xùn)內(nèi)容包括研究?jī)?nèi)容介紹、研究實(shí)施計(jì)劃,病例收集表的填寫(xiě)及相關(guān)資料填寫(xiě)規(guī)范化。培訓(xùn)結(jié)束后,統(tǒng)一進(jìn)行考核,考核合格者方能參與調(diào)查。

1.2.3 結(jié)局變量 結(jié)局變量以急診創(chuàng)傷患者是否出現(xiàn)低體溫。研究使用紅外耳溫計(jì)(美國(guó)偉倫博朗,Pro 6000型)測(cè)量創(chuàng)傷患者的體溫。入組患者均從入院開(kāi)始,每15 min測(cè)量1次體溫,記錄至患者入院24 h。當(dāng)患者出現(xiàn)體溫<36℃即表示患者創(chuàng)傷后出現(xiàn)了低體溫,并將其納入低體溫組,反之,體溫≥36℃則為體溫正常并納為體溫正常組[11]。

1.2.4 數(shù)據(jù)預(yù)處理 按照機(jī)器學(xué)習(xí)設(shè)置,將入選患者以3∶1比例隨機(jī)分為訓(xùn)練集(284例)和驗(yàn)證集(92例),隨機(jī)方法采用R語(yǔ)言的sample函數(shù)來(lái)劃分。

2 結(jié)果

2.1 不同特征患者低體溫發(fā)生情況比較 376例急性創(chuàng)傷患者的實(shí)際體溫測(cè)量發(fā)現(xiàn)低體溫117例(31.12%),體溫正常259例(68.88%)。低體溫組的RTS、SI、受傷時(shí)環(huán)境溫度、衣物潮濕、入室時(shí)休克與體溫正常組比較,差異有統(tǒng)計(jì)學(xué)意義(P<0.05)。見(jiàn)表1(無(wú)統(tǒng)計(jì)學(xué)意義項(xiàng)目略)。

2.2 預(yù)測(cè)急診創(chuàng)傷患者發(fā)生低體溫的決策樹(shù)模型 決策樹(shù)共有5層,共9個(gè)節(jié)點(diǎn),5個(gè)終節(jié)點(diǎn),篩選出的影響因素主要有入室時(shí)休克、RTS評(píng)分、受傷時(shí)環(huán)境溫度和衣物潮濕,其中入室時(shí)休克是決策樹(shù)的根節(jié)點(diǎn),其次影響因素為RTS評(píng)分,當(dāng)入室時(shí)休克RTS評(píng)分<4分,患者發(fā)生低體溫占比為13.00%;受傷時(shí)環(huán)境溫度≤8℃、衣物潮濕在決策樹(shù)底層,對(duì)于急診創(chuàng)傷低體溫的影響相對(duì)較弱。見(jiàn)表2。

2.3 決策樹(shù)模型的預(yù)測(cè)效果 訓(xùn)練集ROC曲線(xiàn) 曲線(xiàn)下面積(area under curve,AUC)為0.704(95%CI：0.641～0.766),靈敏度為86.00%,特異度為50.60%(見(jiàn)圖1a)。驗(yàn)證集的AUC為0.681(95%CI：0.576～0.786),靈敏度為84.10%,特異度為50.00%(見(jiàn)圖1b)。

表1 不同特征患者低體溫發(fā)生情況比較

表2 決策樹(shù)模型分類(lèi)規(guī)則

圖1 模型預(yù)測(cè)急診創(chuàng)傷患者低體溫風(fēng)險(xiǎn)的ROC曲線(xiàn)(訓(xùn)練集a,驗(yàn)證集b)

3 討論

3.1 低體溫評(píng)估工具現(xiàn)狀 核心溫度的測(cè)量是準(zhǔn)確判斷低體溫嚴(yán)重程度的“金標(biāo)準(zhǔn)”[12]。國(guó)外指南推薦以瑞士低溫分期模型來(lái)預(yù)測(cè)體溫分期,并采取復(fù)溫等相應(yīng)措施可解決核心體溫難以測(cè)量情況[4]。但瑞士低溫分期模型過(guò)于簡(jiǎn)單,僅考慮患者當(dāng)時(shí)的狀況,未考慮病情的進(jìn)展性及其潛在影響因素,且該模型多應(yīng)用于意外低體溫患者,對(duì)創(chuàng)傷患者缺乏特異性。有學(xué)者[5]開(kāi)發(fā)了冷不適量表,并表示要注重患者的主觀感受,但該量表僅適用于有意識(shí)的患者,且研究是在模擬狀態(tài)下進(jìn)行的信效度檢驗(yàn),考慮到臨床混雜因素的影響,有待進(jìn)一步檢驗(yàn)。此外還有一些創(chuàng)傷嚴(yán)重量表,如ISS,盡管研究發(fā)現(xiàn)低體溫的發(fā)生與ISS顯著相關(guān),但這類(lèi)量表用于評(píng)估患者創(chuàng)傷情況對(duì)低體溫發(fā)生與進(jìn)展缺乏準(zhǔn)確性與合理性[13]。數(shù)據(jù)挖掘方法能為臨床提供有價(jià)值的信息,針對(duì)復(fù)雜的醫(yī)學(xué)數(shù)據(jù),決策樹(shù)算法在提取信息方面彰顯了較大的優(yōu)勢(shì)。其可解釋各因素對(duì)結(jié)果變量的重要程度,并以樹(shù)形圖形式直觀呈現(xiàn),便于臨床護(hù)理人員識(shí)別高危人群,制定個(gè)體化綜合干預(yù)方案[14-15],且構(gòu)建過(guò)程不受變量間共線(xiàn)性影響,并可同時(shí)處理常規(guī)型與數(shù)據(jù)型屬性,展現(xiàn)各因素間的交互作用。

3.2 急診創(chuàng)傷低體溫發(fā)生的影響因素及護(hù)理工作指導(dǎo) 本研究納入的376例急性創(chuàng)傷患者的低體溫發(fā)生率為31.12%(117/376),與相關(guān)文獻(xiàn)[1]報(bào)道一致。通過(guò)決策樹(shù)CART算法篩選出的影響因素主要有入室時(shí)休克、RTS評(píng)分、受傷時(shí)環(huán)境溫度和衣物潮濕,其中入室時(shí)休克是決策樹(shù)的根節(jié)點(diǎn),說(shuō)明入室時(shí)休克與急診創(chuàng)傷患者發(fā)生低體溫的關(guān)聯(lián)性最強(qiáng),在臨床決策中可優(yōu)先考慮。次級(jí)影響因素為RTS評(píng)分,當(dāng)入室時(shí)休克,RTS評(píng)分<4分,患者發(fā)生低體溫占比為13%;受傷時(shí)環(huán)境溫度≤8℃、衣物潮濕在決策樹(shù)底層,對(duì)于急診創(chuàng)傷低體溫的影響相對(duì)較弱。分析為：入室時(shí)休克的患者多伴有不同程度意識(shí)障礙,下丘腦體溫調(diào)節(jié)中樞更易受到創(chuàng)傷刺激的影響,抑制了機(jī)體的產(chǎn)熱反應(yīng)[16]。研究[16]發(fā)現(xiàn),RTS評(píng)分是創(chuàng)傷患者發(fā)生低體溫最重要的危險(xiǎn)因素,發(fā)生低體溫患者RTS評(píng)分均為10分,與劉力行等[17]研究結(jié)果相似,且其結(jié)果顯示RTS評(píng)分每降低1分,患者發(fā)生低體溫的概率將增高0.643倍。Forristal等[19]發(fā)現(xiàn)與低溫相關(guān)風(fēng)險(xiǎn)因素還有更冷的室外溫度等,其低體溫組的平均環(huán)境溫度為8℃。Weuster等[20]在研究多發(fā)性創(chuàng)傷患者意外低溫中發(fā)現(xiàn),環(huán)境低溫是創(chuàng)傷低體溫的風(fēng)險(xiǎn)因素,并發(fā)現(xiàn)入急診室時(shí)患者發(fā)生休克也和低體溫有關(guān)。研究[21-23]顯示,急救車(chē)到達(dá)現(xiàn)場(chǎng)時(shí),發(fā)生低體溫的患者中有19%處于潮濕狀態(tài),30%未穿衣服,67%臥于地上,并提到當(dāng)患者處于潮濕狀態(tài)時(shí)低體溫發(fā)生風(fēng)險(xiǎn)至少增加2倍。因此,醫(yī)護(hù)人員應(yīng)重點(diǎn)評(píng)估患者創(chuàng)傷嚴(yán)重程度、注意患者現(xiàn)場(chǎng)救治情況,且救護(hù)車(chē)內(nèi)配備好保暖用具,依據(jù)患者的病情制訂初步救治計(jì)劃,并予以相應(yīng)的處理,如輔助呼吸、更換污染與潮濕衣服、止血與抗休克等,在轉(zhuǎn)運(yùn)過(guò)程中輸液、注意保溫。

3.3 急診創(chuàng)傷低體溫決策樹(shù)預(yù)測(cè)模型的預(yù)測(cè)效能 本研究采用ROC曲線(xiàn)評(píng)估決策樹(shù)模型預(yù)測(cè)效果,結(jié)果發(fā)現(xiàn),驗(yàn)證集與訓(xùn)練集結(jié)果相似,AUC分別為0.681、0.704,靈敏度分別為84.10%、86.00%,說(shuō)明該模型檢測(cè)出低體溫者的能力較高;但特異度僅為50.00%和50.60%,說(shuō)明該模型正確地判定體溫正常者的能力偏低。考慮可能為本研究樣本量來(lái)源單一,加上患者可能伴有其他合并癥,這就可能會(huì)導(dǎo)致所要篩查的疾病結(jié)果不夠“特異”地針對(duì)低體溫,從而特異度偏低。基于決策樹(shù)模型的可視化圖片,可方便臨床醫(yī)護(hù)人員根據(jù)患者的臨床指標(biāo)將其區(qū)分為有低體溫風(fēng)險(xiǎn)者或體溫正常者[24]。

4 小結(jié)

本研究基于入室時(shí)休克、RTS評(píng)分、受傷時(shí)環(huán)境溫度和衣物潮濕構(gòu)建決策樹(shù)模型能有效預(yù)測(cè)急診創(chuàng)傷低體溫風(fēng)險(xiǎn)。但本研究為單中心的回顧性研究,進(jìn)行模型建立與驗(yàn)證的樣本來(lái)源單一,代表較局限,期待今后多中心研究,為醫(yī)務(wù)人員提供更為完善且可靠風(fēng)險(xiǎn)篩查模型。