重症患儿转诊至三级医疗中心的重症监护病房是院间转诊服务区域化的一个重要组成部分，近年来，随着我国医疗体制的不断发展完善，以及儿童重症监护病房的快速发展，导致了重症患儿向三级医疗机构的集中化，重症患儿转诊至三级医疗中心可以获得更高水平的救治，而转诊的最终目的是为了改善愈后降低病死率^[1-2]。有研究显示，重症患儿在三级重症监护病房接受治疗将比在非重症监护病房内治疗有更好的转归^[3-5]。然而，尽管近年来在儿科方面取得了很大进展，但重症患儿的转诊仍面临着高风险环境、资源有限、检测能力有限等的限制，因此，重症儿童的转诊仍是一个很大的挑战。重症患儿在院际转诊过程中有发病率及病死率增加的风险^[6-8]。因此需要一项可以广泛应用于危重转诊患儿评估转诊风险的评分系统，目前，国际上存在多项危重患儿病情评分系统，然而，能够在资源有限的环境中通用的评分较少，且大多没有被广泛使用或验证。本研究旨在通过简单客观的生理参数及转诊过程中的危险因素构建院间转诊死亡风险模型，以计算重症患儿进行院间转诊的死亡概率，有利于转诊团队和患儿(或家属)权衡风险与利益，减少医疗纠纷。

1 资料与方法 1.1 一般资料

回顾性收集2014年3至2015年12月通过本院转诊团队接诊至本院的、年龄 > 28天且 < 18周岁的850例患儿，排除标准：①排除转诊过程中与本研究相关的转诊信息记录不全的患儿。②排除转诊过程中发生死亡的患儿，③排除转诊后未入住重症监护病房(PICU)的患儿；最终纳入802例患儿进入本研究，并将该802例作为模型组；采用bootstrap方法重复多次随机抽取其中的401例作为验证组，对该模型进行验证。

1.2 相关概念

① 不良事件^[9]，分为紧急不良事件和严重不良事件。紧急不良事件：指发生后短时间内可能危及生命的不良事件；本研究中的紧急不良事件主要包括：心搏呼吸骤停、心动过缓(婴儿低于60次/min)、气管导管堵塞、气管导管脱落、中心性发绀。严重不良事件：指发生后短时间内无生命危险，但可显著加重病情的不良事件；本研究中的严重不良事件主要包括：神志改变、血氧饱和度显著降低(低于80%)、低体温、超高热、静脉通路丢失、心动过速、血压升高、药物使用不当、侵入性操作失败；②专业转诊团队定义，由一名执业医生、一名执业护士及经验丰富的一名或两名驾驶员组成，且转诊医生及护士有相应执业资格证书并获得了ALS培训合格证；③转诊患儿早期预警评分(trnsport paediatric early warning score，TPEWS)，TPEWS评分^[10]是由Petrillo等于2012年提出，该评分指标包括呼吸频率、呼吸做功及氧气治疗等呼吸系统指标，皮肤颜色和毛细血管充盈时间等循环系统指标和对刺激的反应、GCS评分等神经系统指标。该评分分值范围为0-9分，分值越高则说明患儿生理稳态越差、病情越严重，分值越低则表明患儿病情相对稳定。④小儿危重病例评分(pediatric clinical illiness score，PCIS)^[11]，该评分包含10项生理指标，总分为100分，分值≥80为非危重，分值 < 80为危重，分值越低则表明病情越重。⑥72 h转诊死亡定义：指转诊到达并入住接收医院后72 h内发生的死亡。

1.3 研究内容

从由湖南省儿童医院转运中心进行转诊的危重患儿获取以下资料用于本研究的分析：①转诊患儿的病情危重程度；②是否为专业转诊团队完成转诊；③转诊过程中是否发生不良事件；④转诊前(转诊团队到达转诊医院后的30 min内)、转诊过程中、转诊后(转诊患儿到达接收医院后的30 min内)患儿的PCIS、TPEWS的评分。

1.4 统计学方法

采用SPSS 18.0软件进行统计分析。以转诊72 h内是否死亡为应变量，其他变量作为自变量，进行单因素和多因素的分析，自变量中计量资料采用均数和标准差表示，组间比较采用成组t检验，计数资料采用频数分析，两组间或多组间比较采用χ²检验，选择单因素分析结果中P < 0.05的变量作为潜在预测变量，进行多因素Logistic回归分析，建立危重患儿72 h转诊死亡风险模型，根据Logistic回归模型中各变量的回归系数β值计算分值，同时对β值取整后作为简化赋分，计算出所有研究对象的得分，建立评分系统。根据最后得分进行危险分类。预测模型和评分系统诊断工具的分辨力通过受试者工作特性曲线ROC(receiver operating characteristic curve)下面积进行评价，选择合适的临界值，准确度评价采用敏感度、特异度、准确率、阳性预测值、阴性预测值、阳性似然比、阴性似然比；风险预测的一致性评价采用Hosmer-Lemeshow拟合优度检验方法；采用非参数Bootstrap方法进行死亡风险模型的内部验证；采用U检验比较建模人群和验证人群的ROC曲线下面积, 根据诊断界值计算评分系统诊断工具在验证人群中的敏感度、特异度、准确率、阳性预测值、阴性预测值、阳性似然比、阴性似然比。

2 结果 2.1 一般情况

802例转诊患儿中，男性患儿613例(76.43%)，女性189例(23.57%)，月龄为(15.41±28.69)个月，年龄跨度为28 d至14.5岁，72 h死亡23例(2.87%)；验证数据纳入401例，男性患儿309例(77.06%)，女性患儿92例(22.94%)，月龄为(15.98±29.47)个月，年龄跨度为28 d至14.5岁，72 h死亡12例(2.99%)。建模数据和验证数据在上述指标方面差异均无统计学意义(P > 0.05)。见表 1。

2.2 对转诊中各风险因素进行单因素的Logistic回归分析

802例院间转诊重症患儿在入院后72 h内发生死亡23例，死亡发生率为2.87%。通过单因素Logistic回归分析结果显示，病情危重程度、转诊过程是否由专业转诊团队完成、转诊过程中是否发生不良事件、TPEWS评分是否升高、转诊过程中是否使用药物和转诊距离与转诊后72 h内是否死亡的差异均有统计学意义(P < 0.05)。

2.3 各因素与72 h是否死亡的Logistic回归分析和预测风险模型赋分值

对经过单因素Logistic回归分析后具有统计学意义的因素进行多因素Logistic回归分析，转诊过程中药物使用、转诊距离的P值 > 0.05，无统计学意义。经过多因素Logistic回归发现，影响院间转诊重症患儿72 h内死亡的因素有非专业转诊团队(OR=4.08，95%CI:1.19~14.01)、转诊过程中发生不良事件(OR=16.10，95%CI:5.00~51.92)、客观原因进行转诊(OR=3.23，95%CI:1.03~10.19)、TPEWS评分升高(转诊过程中患儿病情恶化)(OR=5.54，95%CI:1.99~15.42)。根据多因素Logistic回归分析的回归系数，病情危重程度、非专业转诊团队、转诊过程中发生不良事件、TPEWS评分升高分别赋1.40、2.78、1.17和1.71分，通过对回归模型的β值进行简化赋分，病情危重程度、非专业转诊团队、转诊过程中发生不良事件、TPEWS评分升高分别赋1、3、1和2分，通过对每个患者的所有变量求和，得到总分数。转诊患儿死亡风险模型的总分为0~7分。

2.4 转诊患儿死亡风险模型的验证

72h简化死亡风险模型对应ROC曲线面积(95%CI)为0.899(0.841~0.957)，说明该模型有较好的分辨力，进一步采用H-L拟合优度检验评价该模型的拟合性发现其预测值与实际值是相似的(χ²=4.17，P=0.24)。绘制以简化赋分总评分与转诊后72 h内是否死亡的ROC曲线，模型组中ROC曲线下面积(95%CI)为0.877(0.803~0.952)(图 1)。转诊死亡风险模型原始赋分与简化赋分ROC曲线下面积进行比较无统计学意义(Z=-0.45，P > 0.05)。基于ROC曲线选择2分为最佳临界值，其灵敏度、特异度、阳性预测值、阴性预测值、阳性似然比和阴性似然比分别为86.96%、70.73%、8.06%、99.46%、2.97、0.18。

在验证组中，采用非参数Bootstrap方法进行内部验证得结果显示，评分系统的平均ROC曲线下面积(95%CI)为0.905(0.000~1.000)，与建模组中ROC曲线分析结果相似。经统计分析发现其在建模组与验证组人群中差异无统计学意义(Z=-0.40，P > 0.05)。对验证组进行H-L拟合优度检验发现72 h简化死亡风险模型拟合性较好(χ²=4.78，P=0.19)。根据模型组中的2分为最佳临界值，其灵敏度、特异度、阳性预测值、阴性预测值、阳性似然比和阴性似然比分别为83.33%、69.92%、7.87%、99.27%、2.77、0.24。

2.5 模型组和验证组中各种危险得分和不同危险分类

转诊死亡风险评分中随着评分分值的升高，转诊患儿转诊72 h内死亡的风险亦随之增高(表 4)。基于ROC曲线，确定以2分为临界值时，具有最佳的敏感度和特异度，分别为86.96%和70.73%，并以该分值将转诊的危重患儿分为低风险患儿和高风险患儿(表 4)。在建模组中，85.54%的患儿被认为为低风险患儿，14.46%的患儿被认为为具有高风险，其中高危人群死亡比例12.93%, 低危人群死亡比例为1.17%(χ²=49.302，P < 0.01)。

在验证组中，转诊患儿72 h死亡风险随着评分的升高而增加。验证组中定义高低风险类别与模型组中类似，341/401(85.04%)的患儿被认为为低风险患儿，60/401(14.96%)的患儿被认为具有高风险，其中高危人群死亡比例为16.67%, 低危人群死亡比例为0.57%(χ²=45.446，P < 0.01)。

3 讨论

本研究建立了一项危重患儿72 h转诊死亡风险预测模型及评分系统，由病情危重程度、非专业转诊团队、转诊过程中发生不良事件、转诊过程中TPEWS评分升高4个变量构成。研究显示该评分系统在建模组及内部验证组中的ROC曲线下面积分别为0.877和0.905，说明该评分系统具有较好的分辨力。应用H-L拟合优度检验评价该评分在建模组与验证组两组中的一致性，P值分别为0.24和0.19，说明风险模型风险预测一致性较高。以2分为临界值，该评分系统预测危重患儿72 h转诊死亡的灵敏度、特异度、阳性预测值、阴性预测值、阳性似然比和阴性似然比分别为83.33%、69.92%、7.87%、99.27%、2.77、0.24；，在验证组中，预测危重患儿72 h转诊死亡的灵敏度、特异度、阳性预测值、阴性预测值、阳性似然比和阴性似然比分别为83.33%、69.92%、7.87%、99.27%、2.77、0.24。说明该风险预测评分系统由较高的准确性。综上，该评分系统不仅具有较高的分辨力，且具有较高的风险预测一致性，表明该评分系统能够较准确的预测危重转诊患儿72 h内是否发生死亡，提示急救治疗团队应对该患儿引起高度重视，以期进行更有效的治疗，从而降低危重患儿转诊72 h病死率，改善愈后。

本研究中纳入的病情危重程度、非专业转诊团队、转诊过程中发生不良事件、转诊过程中TPEWS评分升高均对危重转诊患儿预后有显著影响。PCIS来评估患儿病情危重程度，是目前国内应用最为广泛且最有效的病情评估方法^[12-15]。PCIS评分具有可靠、简便、实用、适用于儿科和全面的特点^[11]，该评分包含10项生理指标，总分为100分，分值 < 80为危重型患儿^[12]，分值越低则表明患儿病情越重，病死率越高，即病情越重的转诊患儿，预后越差，与本研究中的结果相似。有研究认为决定转诊患儿转诊结局的主要因素是转诊人员的素质^[16]，在转诊过程中，非专业转诊团队危重症意识相对欠缺，可能无法早期识别潜在的危重状态，而专业的转诊团队在转诊过程中能够持续提供重症监护式的治疗及护理，从而有效降低了专业转诊团队的不良事件发生率^[17]。相对于非专业转诊团队，专业转诊团队的由于其具备的业素养，对于危重患儿的转诊能起到积极的作用，有利于转诊患儿转诊过程中的病情稳定。重症患儿在转诊过程中限制在狭小的救护车内，由于空间、医疗资源有限，且各种不可控制因素的增加，导致在转诊过程中很容易发生各种不良事件^[9]，转诊不良事件的发生在一定程度上会加重患儿的病情，有部分转诊患儿可能因不良事件的发生导致病情恶化，从而违背了院际转诊的初衷。有研究甚至认为部分转诊患儿可能有更差的临床愈后^[19]。因此，对于危重患儿的转诊，应予积极进行病情评估，尽早进行有效干预，以尽量减少不良事件的发生。TPEWS评分是在儿童早期预警评分(paediatric early warning score, PEWS)^[20]的基础上改良而来的，改良的TPEWS^[10]较为全面地涵盖了对患儿呼吸、循环及神经系统的评估，增加了多项目前重症患儿常常采用或者转运过程中可能采用的治疗措施作为评估指标，较全面地反映了转运环境，TPEWS可以能够应用于普通病房、急诊室及危重患儿转运。TPEWS评分作为能够对患儿病情恶化可能性进行有效评估的工具，在院际转诊过程中的应用能够早期发现各种危险因素对患儿疾病状态的影响，从而促使转诊团队进行早期有效的干预，使患儿病情保持平稳。

本研究存在以下局限，由于样本量相对较少(纳入的危重转诊患儿802例，其中死亡23例)，只能将所有研究对象用于建模，并选取建模组中1/2进行验证，显然该模型需要更大样本量进行进一步的验证，以评估其适用性及效能。尽管本研究存在一定不足，但研究结果显示，我们建立的评分系统仍然是有效可信的。