任雪麗，周 蓉

1.山西醫(yī)科大學護理學院，山西 030001；2.山西醫(yī)科大學第二醫(yī)院

據(jù)統(tǒng)計，3%～18%的普通病房病人住院期間會發(fā)生心搏驟停、非計劃轉(zhuǎn)入重癥監(jiān)護室（ICU）或危及生命的器官衰竭等嚴重不良事件（serious adverse event，SAE）[1-2]。SAE 既不是突發(fā)性的，也不是不可預測的情況，而是一個漸進的過程[3]。多項研究表明，病人在嚴重病情變化前數(shù)小時會出現(xiàn)某些生命體征參數(shù)紊亂[4]。臨床護士評估病人病情主要依靠個人臨床經(jīng)驗或主觀感覺，若其對生理指標的異常改變反應不及時容易造成不恰當?shù)淖o理或延誤救治最佳時機[5]。已有研究顯示，危重病人延遲轉(zhuǎn)入ICU 與死亡率增加有關(guān)，感染性休克病人的抗生素治療每推遲1 h，死亡率約增加8%[6]。因此，有必要制定一個快速、簡便的評估工具幫助護士主動觀察和早期識別潛在的危重病人[7]。20 世紀90 年代末，早期預警評分系統(tǒng)（Early Warning Score，EWS）由Morgan 等提出，包括心率、呼吸頻率、收縮壓、體溫和意識水平5 項生理指標，每項指標被賦予一定的權(quán)重和分值，當總分或單項得分超過設(shè)定閾值時即會觸發(fā)相應的預警監(jiān)護方案[4]。目前，國內(nèi)外已發(fā)布了100 多個版本的EWS，而改良早期預警評分（Modified Early Warning Score，MEWS）和英國國家早期預警評分（National Early Warning Score，NEWS）是臨床使用廣泛的兩種危重疾病嚴重程度評分系統(tǒng)[8]。近年來，EWS 已在院前急救、院內(nèi)急救、ICU 等急危重癥領(lǐng)域得到普遍應用，但在普通病區(qū)的應用研究仍處于初步探索階段。英國重癥監(jiān)護協(xié)會和倫敦皇家醫(yī)學院推薦將MEWS 和NEWS 應用于綜合病房病人的病情風險評估，但其使用效果還有待進一步研究[9-10]?，F(xiàn)就EWS 在普通病房的應用現(xiàn)狀和現(xiàn)存問題進行闡述，旨在為?？撇》繎肊WS 提供參考。

1 EWS 在普通病房的應用

2014 年，中南大學湘雅醫(yī)院護理團隊在全院普通病區(qū)建立了MEWS 和標準化溝通模式（SBAR）胸卡標準化、MEWS 預警標識欄統(tǒng)一化、評估流程標準化、護理記錄書寫標準化和交接班內(nèi)容流程化五大病情早期預警流程[11]，這一突破性的臨床實踐提高了護士的預警意識，為醫(yī)護間有效溝通病人病情提供了科學、客觀的依據(jù)。姚美蓉等[12]回顧性分析了普通病房中醫(yī)囑為病危、病重的1 299 例病人的病歷資料，結(jié)果顯示，入院時和發(fā)生病情變化時的護理級別與對應的MEWS評分比較，差異有統(tǒng)計學意義；轉(zhuǎn)入ICU 組病人兩時間點的MEWS 得分均高于未轉(zhuǎn)入ICU 組，死亡組兩時間點的MEWS 得分均最高。表明MEWS 在早期識別潛在危重病人、預測病人預后方面有重要意義。曾芬蓮等[13]分別使用MEWS 和NEWS 對461 例神經(jīng)外科顱腦損傷病人的病情嚴重程度進行評估，結(jié)果表明，與MEWS 相比，NEWS 與病情嚴重程度的相關(guān)性更顯著，對病情惡化的預測效能更高。2017 年，英國皇家醫(yī)學院對NEWS 進行更新，形成更新版NEWS（NEWS 2）。Peng 等[14]將NEWS 2 與其他24 種類型EWS 預測顱內(nèi)腫瘤病人術(shù)后72 h 內(nèi)非計劃轉(zhuǎn)入ICU的效能進行比較，結(jié)果顯示,NEWS 2 和病人危險評分（Patient at Risk Score，PARS）的預測效能較高，受試者工作特征（ROC）曲線下面積（AUC）分別為0.86 和0.87。李備等[15]將改良后的NEWS 臨床響應措施應用于普通病房上消化道出血病人護理中，有效降低了意外事件發(fā)生率，改善了病人對護理工作的滿意度。王春梅等[16]對325 例腫瘤危重癥病人術(shù)后第1 次生命體征值進行NEWS 評分，根據(jù)NEWS 的風險分層標準，將NEWS 分值劃分為低危、中危、高危和極高危，以術(shù)后30 d 預后為結(jié)局指標，結(jié)果顯示，死亡組病人NEWS 得分高于存活組，NEWS 風險等級和30 d 內(nèi)死亡率存在顯著的正相關(guān)關(guān)系，中危、高危和極高危腫瘤危重癥病人30 d 死亡風險分別是低危病人死亡風險的4.577 倍、8.802 倍和53.571 倍。表明不同風險等級下的NEWS 評分可以量化評估腫瘤危重癥病人的死亡風險。張詠梅等[17]的研究探討了普外科1 221 例病人的MEWS 得分與病情嚴重程度及轉(zhuǎn)歸的關(guān)系，結(jié)果發(fā)現(xiàn)，MEWS 得分越高病人病情越重，轉(zhuǎn)歸越差，MEWS識別潛在危重病人和危重病人的最佳截斷值分別為3分和4 分，ROC 曲線下面積分別為0.915 和0.921，表明MEWS 可以幫助醫(yī)護人員量化評估病人的病情嚴重程度，前置救治措施，從而降低病死率。

國外學者也為驗證EWS 對于普通病房病人發(fā)生病情變化的風險識別能力展開了一系列研究。Zografakis-Sfakianakis 等[18]針對153 例從普通病房轉(zhuǎn)入ICU 的病人進行了一項觀察性研究，發(fā)現(xiàn)15%的病人轉(zhuǎn)入ICU 前20 h 的MEWS 評分逐漸增加，轉(zhuǎn)入ICU前最后1 次的MEWS 得分與ICU 死亡率和住院時間顯著相關(guān)。Balshi 等[19]的研究還發(fā)現(xiàn)，病人轉(zhuǎn)出ICU時的MEWS 評分與48 h 內(nèi)ICU 再入院相關(guān)，MEWS預測ICU 再入院的ROC 曲線下面積為0.82，≥6 分預測再入院的靈敏度較高。Klepstad 等[3]指出，胃腸外科病人再入ICU 或高依賴病房(HDU)前，NEWS 得分平均每小時增加0.15 分，再入ICU 或HDU 前最后1 次測定的NEWS 得分明顯高于未再入ICU 或HDU 的病人(P＜0.001)。Van Galen 等[20]對1 053 例病人的MEWS評分進行為期1 個月的核查，結(jié)果顯示，盡管有1/3 的MEWS 計算錯誤，但MEWS≥3 分的病人明顯發(fā)生了更多的不良事件。Heller 等[21]將基于MEWS 的自動預警系統(tǒng)引入外科病房，對3 827 例病人進行為期12 個月的觀察性研究，結(jié)果顯示，心搏驟停發(fā)生率從應用前的0.53%下降為應用后的0.21%(P＜0.001)，ICU 非計劃入住率從3.6%降至3.0%(P＜0.001)。

國內(nèi)外多項研究表明EWS 操作簡便，獲取參數(shù)方便，能夠有效評估病人病情，預測嚴重不良事件的發(fā)生，為醫(yī)護人員及時調(diào)整不同級別的床旁響應措施提供依據(jù)。

2 EWS 的改進

Bedoya 等[22]認為NEWS 對臨床結(jié)局的改善微乎其微，超過85%的警報被一線護理人員忽視。唐蓉[2]的研究發(fā)現(xiàn)，MEWS 在普通病區(qū)對潛在事件、危重事件和危殆事件3 類終點事件的預測效能不足，ROC 曲線下面積僅為0.672。Teasdale[23]指出NEWS 僅依靠快速意識狀態(tài)評分系統(tǒng)(AVPU)不足以監(jiān)測住院病人發(fā)生神經(jīng)功能惡化的風險，應納入睜眼反應、運動反應、瞳孔對光反應等評估指標。Brunker 等[24]的研究也得出AVPU 評分對預測中度神經(jīng)損傷的敏感度和特異度較差。隨著醫(yī)學分科的不斷細化，專科差異日趨明顯，目前的EWS 僅納入了公共指標，專科特異性較差[25]，一定程度上影響了對病人危重病情變化的識別或判斷。因此，有學者開始嘗試將EWS 中的共性指標與專科指標、病人癥狀、主訴、實驗室檢查結(jié)果聯(lián)合應用于某些特殊疾病的病情評估中，以期進一步提高EWS 的靈敏度和特異度。

2.1 EWS 與其他指標的聯(lián)合應用 曾芬蓮等[26]的研究表明，NEWS 結(jié)合格拉斯哥昏迷評分（GCS）能較好地預測顱腦損傷病人是否需要轉(zhuǎn)入ICU 接受更高級別的監(jiān)護。李曉燕等[27]的研究發(fā)現(xiàn)，MEWS 聯(lián)合血糖值評分能有效判斷糖尿病急性并發(fā)癥病人病情，隨著評分增高，病人病情呈加重趨勢，以轉(zhuǎn)入ICU 和死亡為預測結(jié)局，ROC 曲線下面積均在0.95 以上。Viglino等[28]開發(fā)的早期預警評分O2(EWSO2)將EWS 中的生命體征參數(shù)與心肺參數(shù)(呼吸速率、心率、血氧飽和度、氧濃度分數(shù))相結(jié)合，這種新的評分方法在預測呼吸困難病人不良預后方面比NEWS、NEWS 2 和氧合指數(shù)（SpO2/FiO2）的準確性更高。Lee 等[29]將優(yōu)化后的MEWS+SpO2/FiO2評分(MEWS-SF)與MEWS 評分進行比較，結(jié)果顯示，MEWS-SF 對轉(zhuǎn)入ICU 和院內(nèi)死亡率的預測效能均高于MEWS，可作為識別普通病房惡性血液病病情惡化的有效工具。

2.2 專科病房病人病情變化EWS 的構(gòu)建 陳圓圓等[30]對995 例顱腦腫瘤開顱手術(shù)病人進行前瞻性調(diào)查研究，構(gòu)建了由瞳孔、MEWS 和GCS 評分組成的顱腦腫瘤病人術(shù)后病情惡化早期預警模型，其ROC 曲線下面積為0.852[95%CI（0.816，0.887）]，靈敏度、特異度均為80.5%，準確率為85.0%，可較好地預測病人術(shù)后嚴重病情變化，如非計劃轉(zhuǎn)入ICU、非計劃二次手術(shù)，為早期實施醫(yī)療護理干預提供預警支持。于漫等[31]基于MEWS 形成的心血管疾病早期預警評分量表包括體溫、收縮壓、心率、呼吸、血氧飽和度、意識、心律失常、疼痛評分、年齡9 個條目，Cronbach's α 系數(shù)為0.73，與MEWS 評分的相關(guān)系數(shù)＞0.9，校標關(guān)聯(lián)效度較好，可幫助護士客觀評估病人疾病的嚴重程度并進行危險分層，為護理決策提供可靠依據(jù)。喬成平等[25]采取回顧性病例對照研究方法構(gòu)建的婦科病人危重病情變化早期預警評估表（GEWS），除納入NEWS 評分7 項參數(shù)外，還增加了疾病類型、下腹痛、血紅蛋白濃度、陰道流血量、相關(guān)癥狀5 項婦科?？祁A警指標，該評估表的ROC 曲線下面積為0.96，最佳截斷值為3.5 分，靈敏度為92.32%，特異度為88.85%，與NEWS 相比，GEWS可以更準確地預測病人危重病情變化風險。Kim 等[32]建立的胃腸預警評分(EWS-GI)包含心率、呼吸頻率、ACDH 評分（A 為清醒，C 為模糊，D 為昏睡，H 為無反應）、SpO2/FiO2、肌酐、總膽紅素、凝血國際標準化比值（INR）和乳酸8 項指標，研究發(fā)現(xiàn)，其在預測消化內(nèi)科病人轉(zhuǎn)入ICU 方面比MEWS 更有效。Bell 等[33]利用病人人口統(tǒng)計學數(shù)據(jù)、生命體征值、實驗室檢查指標建立病情惡化預測模型，輸出后轉(zhuǎn)換成1～10 的惡化指數(shù)，結(jié)果顯示，該指數(shù)識別住院病人病情惡化的靈敏度和特異度優(yōu)于MEWS 和NEWS。O' Brien等[34]通過回顧杜克大學醫(yī)院普通病房病人3 年的病歷記錄，構(gòu)建了包含生命體征、查爾森合并癥指數(shù)、實驗室檢驗等多變量的病情惡化風險評估表，經(jīng)驗證，其ROC 曲線下面積為0.814，高于NEWS 曲線下面積（0.740）。

以上研究均使用了Logistic 回歸分析法構(gòu)建模型，其優(yōu)點是研究結(jié)果簡單、直觀、易于解釋[35]。隨著機器學習(machine learning，ML)的發(fā)展，一些研究者開始嘗試使用決策樹、隨機森林、支持向量機、深度學習等算法開發(fā)模型，與EWS 不同，機器學習模型直接從大量數(shù)據(jù)中學習和挖掘某種規(guī)律或關(guān)系，可以結(jié)合風險評分趨勢，調(diào)整不同數(shù)量的協(xié)變量，并針對不同護理環(huán)境和人群進行優(yōu)化[36]。Pimentel 等[37]基于機器學習算法開發(fā)了全院預警電子布告欄系統(tǒng)(HAVEN)，包括靜態(tài)(時不變)變量，如性別、年齡和動態(tài)(時變)變量，如生命體征、實驗室指標，可在每次記錄新變量時重新計算病人的病情惡化風險，與NEWS、基于實驗室的急性生理學評分(LAPS-2)和電子心搏驟停風險分診評分(eCART)比較后發(fā)現(xiàn)，在發(fā)生主要結(jié)局(心搏驟停和非計劃轉(zhuǎn)入ICU)的24 h 時間窗內(nèi)，HAVEN 的ROC曲線下面積高達0.901。在以精度為10%(每評估10例病人得到1 例真陽性結(jié)果)的級別下，HAVEN 可提前48 h 區(qū)分出超過40%的主要結(jié)局事件。Kia 等[38]使用隨機森林算法構(gòu)建了住院病人病情惡化預測模型（MEWS++），結(jié)果顯示病人從普通病房轉(zhuǎn)至ICU 前6 h，其ROC 曲線下面積為0.85，靈敏度為81.6%，特異度為75.5%。與MEWS 相比，靈敏度提高了37%，特異度提高了11%，ROC 曲線下面積增加了14%。

3 現(xiàn)階段EWS 在識別普通病房病人病情變化中存在的不足

首先，我國學者關(guān)于EWS 的研究多集中于評估病人病情嚴重程度、預測預后以及應答程序的應用方面，在?？祁I(lǐng)域的創(chuàng)新性研究較少，未來可進一步探索EWS 在?？撇》恐械膽脙r值，構(gòu)建適合某些?？萍膊〔∪说摹⒎直娑容^高的病情變化預測模型。值得注意的是，EWS 中某些指標的數(shù)值和區(qū)間設(shè)置有待進一步考量和調(diào)整[2]，如NEWS 將收縮壓111～219 mmHg（1 mmHg=0.133 kPa）設(shè)為0 分，但多數(shù)情況下即使病房病人血壓波動范圍未達到評分取值要求，高于基礎(chǔ)血壓的20%也會引起醫(yī)護人員警惕并進行及早干預，不合理的評分標準會導致大量的錯誤警報，造成護士警報疲勞，影響病情評估的準確性。此外，護士是病情觀察的“前哨兵”，也是EWS 有效實施的關(guān)鍵，有必要廣泛調(diào)查我國各地醫(yī)院預警評分工具的臨床應用現(xiàn)狀以及一線護士的使用體驗或經(jīng)驗。國外研究者通過構(gòu)建多種形式的教育計劃，如交互式電子學習、跨學科預警評分系統(tǒng)現(xiàn)場培訓課程以及模擬場景幫助護士使用EWS 識別和管理病情惡化的病人。Saab 等[39]的研究發(fā)現(xiàn)，EWS 教育計劃在短期內(nèi)能有效提高護士計算EWS 和記錄生命體征方面的知識、態(tài)度和行為。其次，護士通常根據(jù)醫(yī)囑和病人病情變化進行即刻生命體征測量，測得的數(shù)據(jù)缺乏實時性，無法動態(tài)跟蹤和記錄病情變化趨勢。無線生命體征監(jiān)測系統(tǒng)可減少護士工作量、提高病人轉(zhuǎn)運途中的安全性、全天候監(jiān)測住院病人的MEWS 高值并在病情惡化早期階段觸發(fā)警報，有效克服傳統(tǒng)EWS 單一時點測量的局限性[40]。該技術(shù)將實時數(shù)據(jù)自動上傳至醫(yī)療電子病歷系統(tǒng)，幫助醫(yī)護人員第一時間掌握病人病情發(fā)展軌跡，為大數(shù)據(jù)平臺的搭建和預測模型研究奠定基礎(chǔ)。隨著人工智能的快速發(fā)展，生命體征跟蹤系統(tǒng)、臨床決策支持系統(tǒng)和自學習系統(tǒng)的出現(xiàn)不僅彌補了EWS 間歇性評估的缺陷，而且有利于醫(yī)護人員借助病人以往的電子病歷信息做出科學的決策[41]。然而，這類研究仍處于初步探索階段，在普通病房的應用仍有很大的發(fā)展前景和挖掘空間。再次，病情變化預測模型的構(gòu)建方法仍存在很大局限性。Stephen 等[42]的系統(tǒng)評價指出，大多數(shù)臨床應用的EWS 都存在方法學缺陷和不同程度的偏倚風險，新模型的預測效度和應用效果可能遠不如預期，建議未來的研究應基于個體預后和診斷的多變量預測模型透明報告(transparent reporting of a multivariable prediction model for individual prognosis or diagnosis，TRIPOD）規(guī)范建立和評估EWS，并調(diào)查其對病人臨床結(jié)局和安全性的影響。

4 小結(jié)

早期識別和干預病人病情變化是減少住院費用、縮短住院時間和維護病人安全的關(guān)鍵[2,5]。EWS 在病房的應用有賴于醫(yī)院管理者的高度認同和有力推進，EWS 的拓展性研究需要借助大數(shù)據(jù)平臺的支撐和人工智能技術(shù)的優(yōu)化升級，基于自身特點形成的改良版EWS 的可重復性和外推性有待在多中心、大樣本條件下進一步驗證。如何提高EWS 的靈敏度和特異度仍是研究者面臨的一大挑戰(zhàn)。