中华急诊医学杂志  2021, Vol. 30 Issue (12): 1514-1522   DOI: 10.3760/cma.j.issn.1671-0282.2021.12.021
基于倾向性评分匹配法急诊院前救护(EMS)与病情危重程度及相关影响因素的研究
金魁1 , 王恺鹏2 , 刘庆源3 , 汪跃国1 , 王玉兰1 , 黄崇建1 , 王焕力1 , 周树生1 , 赖颖蕾4 , 张梦萍4 , 徐军5     
1. 中国科学技术大学附属第一医院急救中心急诊重症医学科(EICU),合肥   236000;
2. 南京理工大学数学与统计学院   210094;
3. 安徽建筑大学数理学院,合肥   236000;
4. 中国科学技术大学 数学科学学院,合肥   236000;
5. 中国医学科学院北京协和医院急诊科   100730
摘要: 目的 通过分析急诊院前救护(emergency medical services, EMS)与患者病情严重程度相关性,评价EMS资源的合理使用情况;分析EMS送入急诊抢救室患者的相关特征,构建相关预测模型并为进一步优化EMS资源使用提供循证医学证据。方法 利用中国急诊专科医联体多中心急诊分诊数据相关数据库(CETAT数据库)抽取2020年1月至2021年7月间中国科学技术大学附属第一医院急诊抢救室收住患者的相关信息,根据就诊时是否呼叫EMS送诊将患者分为EMS送入组(AB+组)和自行就诊组(AB-组)。记录患者入急诊抢救室后的一般情况、生命体征、化验室检查结果等数据。根据最终是否收住重症医学科、专科监护室、接受急诊手术和/或急诊介入手术等处理判断患者的病情危重程度。分别建立不需要化验室检查的9变量模型和需要化验室检查的22变量模型进行倾向性评分校正,分析呼叫EMS转运是否与患者危重程度相关。亚组分析中按患者就诊原因分析EMS与患者危重程度的相关性。结果 本研究纳入期间抢救室收住患者16 489名,经相关标准筛选后最终纳入患者6 975名,其中AB+组患者2 768名(39.7%),AB-组患者4 207名(60.3%)。AB+组中的高危患者522名(18.9%),AB-组中高危患者563名(13.4%)。与AB-组相比,AB+组患者年龄更大,昏迷患者的比例更高,就诊时自主心率更快,而舒张压和血氧饱和度更低。9变量模型中,性别,意识水平,体温,心率以及舒张压是患者呼叫EMS的相关因素,22变量模型中,意识水平,血氧,中性粒细胞绝对值,白蛋白等是患者呼叫EMS的相关因素。倾向性评分校正前,呼叫EMS送诊是患者病情危重的独立危险因素(OR=1.5, 95%CI: 1.32~1.72, P<0.001),倾向性评分9变量模型校正后,EMS送诊比值比较未校正时减小(OR=1.24,95%CI: 1.08~1.42,P<0.001)但仍有统计学意义,倾向性评分22变量模型校正后EMS送诊与患者病情危重程度无相关性(OR=1.10,95%CI: 0.95~1.28,P=0.195)。亚组分析中,中枢神经系统疾病就诊,心血管系统疾病就诊和外伤是就诊的前三位原因。未经倾向性评分校正前,中枢神经系统疾病、消化系统疾病、外伤就诊的患者EMS送诊与患者危重程度有关。9变量模型校正后,仅外伤亚组中EMS送诊与病情危重程度相关。22变量校正后,3个亚组中呼叫EMS送诊均与患者危重程度无显著相关性。结论 呼叫EMS送诊在急诊抢救室收住患者中较为常见。与患者危重程度相关性随模型校正变量的增加而降低,提示EMS送诊并不意味着患者病情危重,多参数联合预测模型对于准确区分危重患者、优化院前EMS使用、避免不合理呼叫至关重要,未来的EMS资源或应当基于预测模型进行分层使用。
关键词: 急诊    分诊    院前救护    临床评估    危险因素    决策模型    倾向性评分    预测模型    
The influence of calling emergency medical services (EMS) on severity of disease among patients admitted to emergency room: A propensity-matched study
Jin Kui1 , Wang Kaipeng2 , Liu Qingyuan3 , Wang Yueguo1 , Wang Yulan1 , Huang Chongjian1 , Wang Huanli1 , Zhou Shusheng1 , Lai Yinglei4 , Zhang Mengping4 , Xu Jun5     
1. Division of Life Science and Medicine, University of Science and Technology of China, Hefei 230001, China;
2. School of Mathematics and Statistics, Nanjing University of Science and Technology, Nanjing 210094, China;
3. School of Mathematics and Physics, Anhui Jianzhu University, Hefei 236000, China;
4. School of Mathematical Sciences, University of Science and Technology of China, Hefei 230026, China;
5. Department of Emergency, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences, Beijing 100730, China
Abstract: Objective To evaluate the association between the use of emergency medical services (EMS) and the severity of disease among patients admitted to the emergency room, to analyze the characteristics of the patients, and to build prediction model providing evidence-based use of EMS resources. Methods The data of patients admitted to the Emergency Room of the First Affiliated Hospital of University of Science and Technology of China from January 2020 to July 2021 were extracted from the Chinese Emergency Triage Assessment and Treatment (CETAT) database. Patients were divided into the EMS use group (AB+ group) and self-seeing group (AB- group) according to whether they used EMS. The patients' general condition, vital signs and laboratory tests results were recorded. The severity of patients' condition was judged based on whether the patient was admitted to the department of critical medicine, specialized care unit, emergency operation and/or emergency percutaneous intervention. A 9-variable model that did not require laboratory inspection and 22-variable model that required laboratory inspection were established to correct the propensity score to analyze the correlation between the severity of disease and the EMS use. In the subgroup analysis, the correlation between the EMS use and severity of the patients was analyzed according to the reason of the patient's visit. Results During the study period, 16 489 patients were admitted to the emergency room, and 6975 patients were finally enrolled in this study. There were 2768 patients (39.7%) in the AB+ group and 4207 patients (60.3%) in the AB- group. In the AB+ group 522 patients (18.9%) were in high risk, and in the AB- group 563 patients (13.4%) were in high risk. Compared with the AB- group, patients in the AB+ group were older and had a higher proportion of coma, a faster autonomic heart rate, and a lower diastolic blood pressure and peripheral oxygen saturation (SpO2). In the 9-variable model, sex, consciousness, temperature, heart rate and diastolic blood pressure were associated with the EMS use. In the 22-variable model, consciousness, SpO2, neutrophils, and albumin were the relevant factors for patients using EMS. Before the correction of propensity score, the EMS use was an independent risk factor for critically ill patients (OR=1.5, 95% CI 1.32-1.72, P < 0.001). After adjusted using 9-variable propensity score, the EMS use ratio decreased significantly compared with that without correction (OR=1.24, 95% CI 1.08-1.42, P < 0.001). Interestingly, after adjusted with propensity score match with 22-variable model, there was no association between the severity of disease and t the EMS use (OR=1.10, 95% CI 0.95-1.28, P=0.195). In subgroup analysis, patients' chief complaint of central nervous system, cardiovascular system, and trauma were the top three reasons at admission. Before the propensity score correction, the EMS calling patients with chief complaint of central nervous system, digestive system, and trauma were related to the severity of the patients. After adjusted with 9-variable model the EMS use was associated with the severity of the disease only in trauma patients, and after adjusted with 22-variable model there was no statistical difference considering the severity of the disease in all subgroups. Conclusions The EMS use is common. However, the association of the EMS use with the severity of disease is decreased with variable models using propensity score. These findings indicate that the EMS use should be based on multivariable models, which may be important in detecting critically ill patients, optimizing the EMS use, and avoiding unnecessary call in the future.
Key words: Emergency medicine    Triage    Emergency medical services    Clinical assessment    Risk factors    Decision model    Propensity score    Prediction model    

研究表明超过1/3的急诊死亡病例若在院前得到及时合理救治,可显著减少患者相关的病死率[1-3]。我国通过EMS送诊的急诊患者向区域医疗中心集中,导致相当比例的EMS资源被非危重急诊患者占用[4],确需EMS送诊的患者常难以得到及时转运[5-7]。如何合理高效的配置和利用院前急救资源是我国急诊医疗体系中亟待解决的问题,然而我国对于这方面的研究仍然较少,院前和院内的分诊体系虽已经应用于临床[8],但仍缺乏基于急诊数据构建的以循证医学证据为基础的数学风险预测模型。

本研究基于急诊分诊相关数据库,抽取2020年1月至2021年7月急诊抢救室就诊患者的相关资料,根据患者是否为呼叫EMS送诊将患者分组,分析不同送诊交通方式与患者病情危重程度的关系,同时分析使用EMS送入患者的相关特征, 构建不同变量水平的预测模型,为合理使用院前医疗资源和未来更加科学的分诊模型构建提供循证医学证据。

1 资料与方法 1.1 一般资料

本研究基于中国急诊专科医联体多中心急诊分诊数据相关数据库(Chinese Emergency Triage Assessment and Treatment database, CETAT 1.0)数据,数据库于2020年开始建立,通过收集急诊就诊患者相关数据,分析急诊患者就诊、分诊、监测、治疗的相关数据,旨在优化和合理使用急诊相关资源。目前已纳入全国范围内7家大型三甲教学医院分诊入抢救室患者的相关数据,收集数据量已经超过8万条,由中国科学技术大学数学学院负责数据质量监督、清洗、和维护,所有数据使用前均进行隐私保护处理,删除患者相关个人信息。

本研究数据选取数据库中2020年1月至2021年7月的收住中国科学技术大学附属第一医院抢救室的患者相关资料。研究方案符合医学伦理学标准经中国科学技术大学附属第一医院伦理委员会批准,伦理编号:(2021-ky027)。由于本研究的回顾性特点,且未进行任何临床干预,医院伦理委员会未要求提供患者知情同意书。

1.1.1 纳入标准

① 年龄≥18岁;②入院后未要求限制或姑息治疗;③非心搏骤停患者;④化验室检查数据血常规,生化,凝血像三项检验无缺失。

1.1.2 排除标准

① 年龄<18岁;②入抢救室后放弃相关治疗;③入抢救室后未能收住入院;④资料不全或失访。

1.2 研究分组及方法

根据患者就诊急诊抢救室时的交通方式将患者分组,其中呼叫EMS送入组(AB+组),定义为就诊时患者来诊的交通方式为呼叫EMS送入。自行就诊组(AB-组)定义为患者来诊的交通方式为自行来院,包括但不限于如:出租车送入、自行驾车、步行、平车自行来院就诊。根据患者就诊的主诉将来诊患者的疾病分为9类分别为:呼吸系统,心血管系统,消化系统,中枢神经系统,血液系统,内分泌系统,泌尿系统,外伤,和中毒。以上分类以患者入抢救室时的主诉为依据,由未获知研究方案的3名急诊医师根据患者主诉记录情况进行分类。若合并两种或以上的主诉,则按照本次抢救室就诊的最主要原因为最终分类。

1.3 观察指标

本研究为不涉及患者隐私及治疗干预的观察性研究,经医院伦理委员会审批,未要求提供患者知情同意书。记录患者的性别,年龄,就诊急诊的主诉和疾病种类,患者入抢救室来诊时的生命体征、相关实验室检查、抢救室滞留时间、来院交通方式、预检分诊等级等信息。其中收住抢救室的预检分诊等级参照标准为我国目前使用的预检分诊专家共识分级为Ⅰ-Ⅴ级其中Ⅰ级患者最严重,Ⅳ、Ⅴ级为非急症。所收集相关信息根据是否需要进行相关实验室检验获取分为两类:直接获取变量:包括性别、意识水平、年龄、体温、脉搏、呼吸、收缩压、舒张压、和血氧饱和度。化验室检查后获取变量,包括血常规,肝肾功能,电解质水平,凝血功能等化验室检查。

1.4 研究终点

首要研究终点为患者入抢救室后最终是否判断为危重患者,危重患者(high risk, HR组)定义为符合以下条件之一:①经由抢救室直接收住重症医学科(ICU)的患者(包括:综合ICU,外科ICU,心脏ICU,和急诊EICU);②经由抢救室医师多学科会诊后认为需要紧急外科手术的患者(直接进入急诊手术室);③经多学科医师会诊直接行介入手术患者(直接收住介入手术室)。未符合以上判断标准,直接由抢救室收入普通病房,或未给予加强监护治疗的患者判断为低危患者(Low Risk, LR组)。

1.5 统计学方法

本研究所有资料由急救电子病历系统收集。所有数据清洗和统计分析由中国科学技术大学应用数学学院完成,统计分析均由为未事先告知研究方案的人员进行,并由两名独立的统计学专家独立完成并对相关结果进行核对。对于连续变量使用Wilcoxon秩和检验比较组间差异,对于分类变量使用检验或Fisher确切概率法比较组间差异。选择倾向性评分方法基于已知的混杂因素匹配类似患者,以逻辑回归模型计算倾向性评分(propensity Score,PS)进行基于十分位点的匹配。增广模型基于赤池信息准则(akaike information criterion, AIC)进行逐步回归(变量选择);根据参数获取方式构建2个水平的倾向性评分校正呼叫EMS的影响因素,其中9变量模型为EMS专业人员到达现场后能够立即获取的信息进行的变量筛选,而22变量模型为纳入了常规化验室检查参数后进行的变量的筛选。最终确定能够在救护车到达当时获取的变量和需要进一步化验检查完善的变量(9变量模型和22变量模型,表 4[9]。根据患者主诉分类进行亚组分析。所有检测为双侧检验,以P<0.05为差异有统计学意义;未进行多重比较调整。所有分析使用R 4.0.2。

2 结果 2.1 纳入患者基本情况

共纳入急诊抢救室患者数据库患者16 489名,其中未成年患者348(2.1%)名,最终未收住入院的患者4 521名(27.4%),入抢救室后行心肺复苏的患者563名(3.4%),数据不全的患者4 082名(24.8%)最终纳入本研究的患者6 975名。在纳入的患者中AB+组患者2 768名(39.7%),AB-组患者4 207名(60.3%),AB+组中HR患者522名(18.9%),AB-组中HR患者563名(13.4%)。所有纳入的患者中就诊前三位原因为:中枢神经系统(45%),心血管系统(17.7%),外伤(13.0%)(见表 1图 1)。

表 1 纳入患者情况分析 Table 1 The general information of the enrolled patients
参数 例(%) AB+组a AB-组b
HR+c HR-d HR+ HR-
呼吸主诉就诊 476(6.82) 52 197 51 176
心血管主诉就诊 1234(17.69) 129 338 229 538
消化主诉就诊 844(12.10) 62 336 40 406
内分泌主诉就诊 70(1.00) 6 23 10 31
中枢主诉就诊 3135(44.95) 153 942 167 1873
血液主诉就诊 79(1.13) 1 15 0 63
泌尿系主诉就诊 70(1.00) 4 17 2 47
中毒为主诉 135(1.94) 11 45 11 68
外伤为主诉 907(13.00) 99 327 52 429
其他 25(0.36) 5 6 1 13
总数 6975 522 2246 563 3644
注:aAB+组呼叫EMS送诊患者;bAB-组自行来诊患者;cHR+高危患者;dHR-低危患者

图 1 纳入患者情况分析及相关主诉占比 Fig 1 Analysis of the enrolled patient situation and proportion of related chief complaints
2.2 两组患者人口学数据,入抢救室生命体征及相关化验室检查比较

两组患者中性别,自主呼吸频率,淋巴细胞绝对值,血红蛋白浓度,血小板总数,总胆红素,肌酐,血钾、钙、磷、镁等离子水平差异无统计学意义(均P>0.05)。与AB-组患者相比,AB+组的患者年龄更大,意识障碍的比例更高,自主心率更快,收缩压和舒张压均更低,血氧饱和度也更低(P<0.05);化验室检查中,AB+组患者白细胞计数更高,中性粒细胞绝对值,肝脏酶学,钠、氯离子浓度,阴离子间隙更高;而红细胞总数,血红蛋白浓度,白蛋白水平,凝血酶原时间,活化部分凝血活酶时间,和纤维蛋白原水平更低(P<0.05)。见表 2

表 2 纳入患者基线情况比较(M, IQR) Table 2 Comparison of baseline characteristics of patients in the AB+ and AB- groups
参数 AB-组 AB+组 统计量 P
n=4 207 n=2 768 χ2值或Wilcoxon值
年龄(岁)a 64(52, 74) 65(52, 75) 5641848 0.028
男性(n, %) 2262(53, 8) 1767(63.8) 1.57 0.210
意识(n, %)      
  清晰 3086(73.4) 1871(67.6) 127.7 <0.001
  模糊 688(16.4) 352(12.7)
  昏迷 433(10.3) 545(19.7)
体温a 36.5(36.3, 36.7) 36.5(36.3, 36.6) 6119715 <0.001
自主心率a 80(72, 94) 85(74, 100) 5184026 <0.001
自主呼吸a 20(20, 21) 20(20, 21) 5793533 0.681
收缩压a 142(123, 164) 140(119, 162) 6067312 0.003
舒张压a 84(72, 97) 83(70, 96) 6097364 <0.001
血氧a 96(95, 98) 96(94, 98) 6232353 <0.001
白细胞总数a 9.06(6.84, 12.38) 9.78(7.19, 13.31) 5329877 <0.001
中性粒细胞百分比a 80.1(70.15, 87.3) 81.8(72.1, 88.2) 5425515 <0.001
中性粒细胞绝对值a 6.99(4.81, 10.32) 7.8(5.2, 11.31) 5305362 <0.001
淋巴细胞绝对值a 1.16(0.77, 1.7) 1.1(0.71, 1.7) 5976492 0.061
红细胞总数a 4.18(3.66, 4.61) 4.13(3.5275, 4.6) 6032231 0.011
血红蛋白浓度a 129(112, 143) 128(108, 143) 5971572 0.070
血小板总数a 178(140, 224) 180(136, 227) 5802342 0.806
谷丙转氨酶 20(14, 32) 22(14, 37) 5475298 <0.001
谷草转氨酶a 24(18, 36) 26.2(19, 40.4) 5312764 <0.001
白蛋白a 40.7(37.1, 43.8) 39.9(35.1, 43.5) 6360539 <0.001
球蛋白a 28.3(24.85, 32) 27.6(24.2, 31.1) 6224367 <0.001
总胆红素a 13.1(9.3, 18.6) 12.9(9, 19) 5872957 0.540
肌酐a 71(57, 92.8) 70.2(55.9, 94) 5845604 0.779
a 3.87(3.57, 4.2) 3.885(3.54, 4.26) 5740721 0.320
139(137, 141) 138.8(136, 141) 6100073 <0.001
a 104(101, 107) 103.39(100, 106.1) 6360842 <0.001
a 2.22(2.115, 2.33) 2.23(2.11, 2.33) 5833982 0.889
a 1.05(0.87, 1.25) 1.06(0.87, 1.25) 5795839 0.746
a 0.83(0.75, 0.9) 0.83(0.75, 0.9) 5807232 0.853
阴离子间隙a 10.92(8.46, 14.88) 14.99(10.77, 18.29) 3885440 <0.001
渗透压a 282.4(277.7, 287.8) 282.1(276.96, 288.18) 5915126 0.260
血糖a 7.21(6.05, 9.24) 7.395(6.13, 9.51) 5594822 0.006
凝血酶原时间a 13.4(12.7, 14.3) 13.2(12.3, 14.2) 6541055 <0.001
活化部分凝血活酶时间a 34.9(31.5, 38.4) 33.4(29.6, 37.8) 6600893 <0.001
纤维蛋白原a 3.27(2.65, 4.13) 3.16(2.44, 4.15) 6140453 <0.001
注:aMQL, QU)
2.3 EMS转运相关影响因素分析

根据是否使用救护车转运入院,对患者相关参数行logistic回归模型进行倾向性评分相关变量筛选。9变量模型中,性别,意识水平,心率,舒张压,血氧是患者是否呼叫EMS转运的影响因素其中男性患者、意识障碍、体温较低、心率较快,舒张压较低,血氧饱和度较低的患者更容易呼叫EMS送诊。22变量模型中,意识水平、血氧、白细胞计数等对于患者是否呼叫EMS有显著影响(表 3)。

表 3 倾向性评分相关参数筛选表 Table 3 Selection of variables used for propensity score match
变量 OR 95%CI Z P
男性 0.89 0.80~0.99 -2.240 0.025
意识 1.33 1.24~1.42 8.180 <0.001
年龄 1.00 0.99~1.00 1.649 0.099
体温 0.85 0.77~0.93 -3.476 <0.001
心率 1.01 1.01~1.09 5.980 <0.001
呼吸 1.01 0.99~1.03 1.649 0.099
收缩压 1.00 0.99~1.00 0.370 0.711
舒张压 0.99 0.990~0.998 -2.713 0.007
血氧 0.99 0.979~0.992 -4.507 <0.001
意识 1.41 1.31~1.52 8.744 <0.001
体温 0.91 0.82~1.00 -1.957 0.050
舒张压 1.00 0.99~1.01 1.950 0.051
血氧 0.99 0.98~0.995 -3.213 0.001
白细胞计数 0.97 0.94~1.00 -1.773 0.076
中性粒细胞绝对值 1.05 1.007~1.097 2.050 0.040
血红蛋白浓度 1.00 0.99~1.01 -1.941 0.052
平均红细胞血红蛋白浓度 1.01 1.002~1.010 3.108 0.002
γ-谷氨酰转肽酶 1.00 0.998~1.001 -2.028 0.052
白蛋白 0.96 0.950~0.977 -5.355 <0.001
白蛋白/球蛋白 1.49 1.228~1.806 4.061 <0.001
二氧化碳结合力 1.50 1.437~1.561 19.215 <0.001
0.85 0.766~0.949 -2.899 <0.001
0.70 0.665~0.734 14.320 <0.001
1.47 1.409~1.536 17.589 <0.001
0.79 0.669~0.928 -2.751 0.006
1.64 1.066~2.521 2.251 0.024
阴离子间隙 1.52 1.473~1.571 25.755 <0.001
渗透压 0.98 0.976~0.991 -4.145 <0.001
活化部分凝血活酶时间 0.99 0.984~0.997 -2.706 0.007
凝血酶时间 1.01 0.999~1.014 1.939 0.053
中性粒细胞百分比 1.01 0.998~1.012 1.645 0.100
注:OR:优势比;95%CI为95%可信区间
2.4 总体结局指标比较和亚组分析

在未校正混杂因素前,对于纳入的总体人群来说,呼叫EMS送诊与到达急诊抢救室后患者的病情危重程度呈正相关(OR=1.50,95%CI: 1.32~1.72,P<0.001);亚组分析中消化系统主诉就诊(OR=1.87,95%CI: 11.20~2.94,P<0.01),中枢神经系统主诉就诊(OR=1.82,95%CI: 1.43~2.31,P<0.01),外伤主诉就诊(OR=2.50,95%CI: 11.71~3.67,P<0.01)的患者救护车转运入院与患者的危重程度呈正相关。而其他主诉,例如呼吸,心血管,内分泌,中毒等为主诉的患者救护车送诊与患者的危重程度差异无统计学意义。血液系统疾病,泌尿系统疾病的患者由于样本量不足,无法进行相关单因素和倾向性评分校正的回归分析(图 2表 4)。

A: 未使用倾向性评分校正;B:9变量倾向性评分校正模型;C:22变量倾向性评分校正模型 图 2 不同模型中EMS与患者病情危重程度关系 Fig 2 The relationship between the EMS use and severity of patients in different models

表 4 不同预测模型EMS送诊与患者病情危重程度的倾向性评分模型 Table 4 The association of the EMS use and severity of disease, using propensity score match with different number of variables
主诉分类(未校正模型) OR 95%CI Z P
中枢主诉就诊 1.82 1.43~2.31 1.486 <0.001
  心血管主诉就诊 0.90 0.69~1.166 -0.735 0.438
  外伤主诉 2.50 1.71~3.67 2.931 <0.001
  消化主诉就诊 1.87 1.20~2.94 2.466 <0.001
  呼吸主诉就诊 0.91 0.57~1.44 -1.407 0.738
  中毒为主诉 1.51 0.55~4.20   0.480
  内分泌主诉就诊 0.81 0.21~2.90   0.779
  总体 1.50 1.32~1.72   <0.001
主诉分类(9变量模型) OR 95%CI Z P
  中枢主诉就诊 1.21 0.94~1.56 1.486 0.137
  心血管主诉就诊 0.91 0.70~1.17 -0.735 0.462
  外伤为主诉 1.80 1.21~2.66 2.931 <0.001
  消化主诉就诊 1.75 1.12~2.74 2.466 0.014
  呼吸主诉就诊 0.71 0.44~1.14 -1.407 0.160
  中毒为主诉 1.08 0.41~2.84 0.151 0.881
  内分泌主诉就诊 0.65 0.16~2.68 -0.596 0.551
  总体 1.24 1.078~1.42 3.05 <0.001
主诉分类(22变量模型) OR 95%CI Z P
  中枢主诉就诊 1.10 0.85~1.44 0.73 0.466
  心血管原因就诊 1.01 0.77~1.34 0.081 0.935
  外伤为主诉 1.03 0.66~1.61 0.126 0.900
  消化原因就诊 1.32 0.83~2.10 1.185 0.236
  呼吸原因就诊 0.83 0.51~1.34 -0.766 0.444
  中毒为主诉 0.31 0.08~1.16 -1.742 0.082
  内分泌原因就诊 0.79 0.22~2.81 -0.366 0.715
  总体 1.10 0.95~1.28 1.297 0.195
2.5 倾向性评分校正后结局指标比较和亚组分析

根据患者是否呼叫EMS送诊进行倾向性评分。分别建立9变量和22变量倾向性评分模型,建立经PS校正后的回归模型(表 3)。9变量模型校正后EMS送诊与患者病情危重程度的总体比值比(OR)减小(OR=1.24,95%CI: 1.08~1.42,P<0.01),亚组分析中消化系统主诉就诊(OR=1.75,95%CI: 1.12~2.74,P=0.01)和外伤患者(OR=1.80,95%CI: 1.21~2.66,P<0.01)患者危重程度仍然与EMS送诊呈正相关。22变量模型校正后患者病情严重程度与患者是否使用救护车转运OR值进一步减小,两者之间已无相关性(OR=1.102,95%CI: 0.95~1.28,P=0.195),亚组分析中各亚组中EMS送诊也与患者病情严重程度无关(图 2, 表 4)提示EMS送诊。

3 讨论

本研究利用CETAT数据库相关数据基于倾向性评分的方法,研究EMS院前利用的合理性,研究使用的数据库是目前国内最大的急诊分诊数据库,所得结果对于院前急救资源的优化和合理使用有重要的循证医学意义。本研究的结果显示:单因素模型中救护车送诊与患者的危重程度呈正相关,提示患者可能从使用救护车送诊中获益。然而,随着纳入相关变量进行倾向性匹配校正混杂因素后,EMS送诊与送诊患者病情危重程度的相关性逐渐减弱,纳入22变量模型后患者危重程度与救护车送诊无相关性。提示呼叫EMS转运前若能通过相关预测模型进行评估和监测,或能够更加合理的使用宝贵的院前急救资源。

不合理的救护车资源使用,必然导致呼叫救护车的等待时间增加,从而显著影响时间限制性疾病患者的预后[10]。本研究的相关结果对于理解我国EMS现状有重要意义。首先:本研究中39.7%的抢救室收住患者经由院前EMS转运至医院,这一比例高于亚洲的其他国家如韩国和日本[11-12],也高于欧美等发达国家[13]与我国近期其他一些研究中的结果类似[14]。然而,研究中纳入的患者经EMS转运急诊分诊收入抢救室后,有近半数的患者(40.64%)最终由抢救室直接离院。强烈提示EMS资源被不合理的救护车呼叫和转运所占用是EMS资源紧张的重要原因,是我国EMS体系中亟需解决的问题。这一结果与亚洲的其他几项研究结果类似:韩国Park等的研究中,纳入超过一千万急诊患者,报道其急诊医疗体系(EMS)中使用不合理的比例约为36.23%[11]。本研究中EMS使用的不合理比例高于Park等的研究结果,可能的原因包括:①一方面我国经济和人民生活水平不断提高,呼叫EMS送诊的比例逐年升高研究显示1997年呼叫EMS就诊患者比例9.7%[15],而目前多项研究中均报道呼叫EMS就诊的患者占所有来诊患者的40%左右[7, 14, 16]。另一方面,我国的初级保健医疗体系仍然处于发展阶段,初级医疗机构的医疗水平仍有待进一步提高,大量的急诊患者首诊仍然以地区医疗中心就诊为主[4]。Park等的研究中,韩国社区医疗机构的急诊就诊比例呈逐年升高趋势。我国急诊患者却有向区域医疗中心集中的趋势,“超级医院”在我国不断涌现,而社区急诊医疗资源配置相对薄弱。②在所有EMS使用不合理患者中,28.13%的患者实际上是应当使用而未能及时使用,仅8.1%的患者为EMS的过度使用; 而我国的EMS不合理使用中,过度使用则极为常见,卢家发等[17]的研究中纳入了深圳地区的EMS呼叫数据,发现其救护车的空诊率超过30%,且相当部分(27.19%)的救护车被呼叫出诊后甚至未能见到患者。郑洪黎等[18]的研究中45.4%的患者呼叫EMS后症状自行缓解,而导致救护车空返;这些研究都表明如何建立科学高效的院前患者预测和评估模型和加强公众对急诊院前资源合理使用的教育[19],可能是未来减少不必要EMS呼叫的关键。此外,患者将EMS资源作为“出租车”使用的现象也较为普遍,这或许也解释了本研究中较高比例的患者在抢救室就诊后自行离院。③我国EMS体系不允许拒绝运送患者,EMS从业人员常年存在较大缺口,这可能也在某种程度上导致了对患者病情严重程度的评估和处理的不足,增加了不合理使用EMS的几率。

合理使用EMS资源,可能需要从以下方面进行推动:①构建符合我国国情的社区、EMS、和院内预测评估体系。以瑞士为例,其EMS从业人员在对患者进行评估后,有决定是否使用EMS转运的权力,被EMS专业人员判断为非必要使用EMS资源的患者将被拒绝转运至医疗机构[13],我国在未来或也应当不断完善社区急救医疗体系,根据区域设置EMS覆盖范围从而缩短响应时间,减少不当EMS使用[20-23]。②建立和完善符合我国国情的EMS送诊必要性预测模型,本研究中构建了9变量和22变量两种EMS应用模型,9变量模型参数由于不需要检验设备即可获取(年龄、呼吸、血氧、血压等),可用于EMS从业人员进行现场判断患者是否需要救护车送诊。22变量模型中,纳入了必要且能够快速获取的化验室检查结果,或许更加适合在配备了一般化验检查能力的初级医疗或社区医疗机构使用。未来的研究或应当逐步增加CETAT数据库的样本量,通过机器或神经学习网络,进一步增加模型的预测准确性,对我国现有的基于专家意见的EMS和分诊体系进行有效的补充[8, 24],为科学合理的利用我国的EMS资源提供循证医学证据。③构建个体化、精细化的EMS送诊体系、将某些疾病的干预前移至EMS。本研究中因心血管系统、呼吸系统疾病就诊的患者是否呼叫EMS送诊与患者危重程度在使用PS校正前后均无相关性,其原因可能与我国EMS的平均等待时间较长(10~15 min)[5],而呼吸心血管系统的症状较重,患者常难以耐受而自行寻求其他交通工具就诊相关,提示应充分重视自行来院的该类患者。然而,本研究中该两类患者的危重程度与是否使用EMS送诊并无关联,提示EMS的院前相应处理可能不足,这与国内外的其他几项研究的结果一致[2, 12]。未来或应当进一步关注EMS送诊后该类患者在院前处理中的细节,以个体化EMS的处理流程[25]

本研究同样存在一些不足。首先,本研究所使用的CETAT1.0数据库由2019年底开始建立,对于我国极大的人口基数和就诊数量来说,本研究中使用的数据来源为单中心,且数据量仍然较少,且仅纳入了最终收住入院,相关检验数据完整的患者,可能无法代表全部急诊患者就诊时的真实情况。其次,本研究纳入的患者资料来源于大型三级医院,结论中的预测模型可能仅能代表该类医疗机构的所在城市和就诊人群,应用于其他城市和医学中心时需要加以注意,但本研究中构建的相关模型或可作为今后机器学习和神经网络系统的基础在未来不断进行完善。再次,本研究中虽然按照相关主诉对就诊患者进行了亚组分析,但由于血液系统相关主诉和泌尿系统相关主诉的患者纳入样本量不足,未能进行分析。最后,虽然本研究中使用了倾向性评分校正患者使用EMS的相关影响因素,但仍可能存在未能校正的混杂因素干扰相关结果。

利益冲突  所有作者均声明不存在利益冲突

参考文献
[1] Olander A, Bremer A, Sundler A J, et al. Assessment of patients with suspected sepsis in ambulance services: a qualitative interview study[J]. BMC Emerg Med, 2021, 21(1): 45. DOI:10.1186/s12873-021-00440-4
[2] Redwood E, Hyun K, French JK, et al. The influence of travelling to hospital by ambulance on reperfusion time and outcomes for patients with STEMI[J]. Med J Aust, 2021, 214(8): 377-378. DOI:10.5694/mja2.51005
[3] Kim KH, Ro YS, Park JH, et al. Association between case volume of ambulance stations and clinical outcomes of out-of-hospital cardiac arrest: a nationwide multilevel analysis[J]. Resuscitation, 2021, 163: 71-77. DOI:10.1016/j.resuscitation.2021.04.014
[4] Jin K, Zhang H, Seery S, et al. Comparing public and private emergency departments in China: Early evidence from a national healthcare quality survey[J]. Int J Health Plann Manage, 2020, 35(2): 581-591. DOI:10.1002/hpm.2968
[5] 张进军, 赵永春, 李航, 等. 北京市城区救护车通行能力现况调查[J]. 中华急诊医学杂志, 2007, 5(9): 1001-1003. DOI:10.3760/j.issn:1671-0282.2007.09.032
[6] 王玉兰, 王甲莉, 郑雯, 等. 急性胸痛患者使用院前急救医疗服务的影响因素探讨[J]. 2016, 25(9): 1114-1118. DOI: 10.3760/cma.j.issn.1671-0282.2016.09.004.
[7] 黄文凤, 田振彪, 冯雪艳, 等. 急性胸痛患者呼叫急救医疗服务延迟的影响因素分析[J]. 中国急救医学, 2017, 37(6): 515-518. DOI:10.3969/j.issn.1002-1949.2017.06.009
[8] 急诊预检分诊专家共识组. 急诊预检分诊专家共识[J]. 中华急诊医学杂志, 2018, 27(6): 599-604. DOI:10.3760/cma.j.issn.1671-0282.2018.06.006
[9] Farrington CP. Estimating prevalence by group testing using generalized linear models[J]. Stat Med, 1992, 11(12): 1591-1597. DOI:10.1002/sim.4780111206
[10] Lumley HA, Flynn D, Shaw L, et al. A scoping review of pre-hospital technology to assist ambulance personnel with patient diagnosis or stratification during the emergency assessment of suspected stroke[J]. BMC Emerg Med, 2020, 20(1): 30. DOI:10.1186/s12873-020-00323-0
[11] Park SJ, Kim JY, Yoon YH, et al. Analysis of the adequacy of prehospital emergency medical services use of patients who visited emergency departments in Korea from 2016 to 2018: data from the national emergency department information system[J]. Emerg Med Int, 2021, 2021: 1-10. DOI:10.1155/2021/6647149
[12] Yasui H, Michihata N, Matsui H, et al. Association between ambulance use and hospitalization costs among heart failure patients[J]. Heart Vessels, 2021, 36(5): 654-658. DOI:10.1007/s00380-020-01732-8
[13] Forsell L, Forsberg A, Kisch A, et al. Inequalities and short-term outcome among patients assessed as non-urgent in a Swedish ambulance service setting[J]. Int Emerg Nurs, 2021, 57: 101018. DOI:10.1016/j.ienj.2021.101018
[14] 罗东, 程涛, 董明明, 等. 不同来诊方式急诊患者就诊规律及特点分析[J]. 中华全科医师杂志, 2019, 18(9): 847-50. DOI:10.3760/cma.j.issn.1671-7368.2019.09.009
[15] 李继光, 朱玉森, 万建华, 等. 急诊患者流行病学研究[J]. 中华医院管理杂志, 1997, 13(4): 219-222. DOI:10.3760/cma.j.issn.1000-6672.1997.04.114
[16] 胡滨, 王振常, 王斯佳, 等. 三级甲等医院急诊拥堵和工作效率提升的关键因素相关性分析研究[J]. 中华急诊医学杂志, 2018, 27(8): 943-948. DOI:10.3760/cma.j.issn.1671-0282.2018.08.027
[17] 卢加发, 舒敏, 吴京兰, 等. 2014至2018年深圳市南山区10 590例院前急救救护车空诊案例分析及对策研究[J]. 中华危重病急救医学, 2020, 32(8): 1003-1007. DOI:10.3760/cma.j.cn121430-20200513-00380
[18] 郑洪黎, 毛远征, 邹利群. 院外急救救护车空返的原因分析[J]. 中国急救复苏与灾害医学杂志, 2017, 12(3): 259-261. DOI:10.3969/j.issn.1673-6966.2017.03.019
[19] 张文武, 窦清理, 梁锦峰, 等. 政府主导公众急救培训: 深圳宝安的实践[J]. 中华急诊医学杂志, 2019, 28(1): 126-128. DOI:10.3760/cma.j.issn.1671-0282.2019.01.027
[20] 韩伟, 姜莹莹, 李景波. 我国香港与内地急救医疗服务体系的比较及其启示[J]. 中华医院管理杂志, 2020, 36(12): 1037-40. DOI:10.3760/cma.j.cn111325-20200624-01544
[21] 王庆国, 高圣岚. 基于可达性计算的急救医疗服务选择[J]. 交通运输系统工程与信息, 2019, 19(1): 151-157. DOI:10.16097/j.cnki.1009-6744.2019.01.023
[22] 孔林, 张国富, 苏兆品, 等. 基于改进蚁群算法的救护车应急救援路径规划[J]. 计算机工程与应用, 2018, 54(13): 153-159. DOI:10.3778/j.issn.1002-8331.1702-0215
[23] Jánošíková Ľ, Jankovič P, Kvet M, et al. Coverage versus response time objectives in ambulance location[J]. Int J Health Geogr, 2021, 20(1): 32. DOI:10.1186/s12942-021-00285-x
[24] 罗杰, 艾山木, 赵金川, 等. "急诊透视系统"缓解院内急诊拥挤的应用[J]. 中华急诊医学杂志, 2021, 30(9): 1144-7. DOI:10.3760/cma.j.issn.1671-0282.2021.09.020
[25] Cooper JG, Ferguson J, Donaldson LA, et al. The ambulance cardiac chest pain evaluation in Scotland study (ACCESS): a prospective cohort study[J]. Ann Emerg Med, 2021, 77(6): 575-588. DOI:10.1016/j.annemergmed.2021.01.012