摘要
目的：本研究的目的是建立一个风险调整模型，对意外进入重症监护室（肺切除术后）的风险进行分层。
方法：我们对2个中心的名接受解剖性肺切除术的患者进行了回顾性分析（-）。通过使用逐步逻辑回归分析测试几个变量与随后进入ICU的可能关联，并通过自举重抽样技术进行验证，从而制定了风险评分。与ICU入院相关的变量根据其回归系数被赋予加权分数。对每个病人的这些分数进行加总，以产生ICU风险分数，并将病人分为归入风险等级。
结果：共有名患者（3.3%）在手术后需要非计划地进入ICU。ICU的平均住院时间为17.6天。在逻辑回归后，以下变量仍与入住ICU显著相关：男性（P=0.），体重指数18.5（P=0.），术后预测的1秒内强制呼气量60%（P=0.），术后预测的一氧化碳肺扩散能力50%（P=0.），开放通道（P=0.）和肺切除（P=0.）。除体重指数18.5（2分）外，所有变量均加权为1分。最终的ICU风险得分从0到7分不等。患者被分为6个风险等级，显示出非计划性ICU入院率的增加：A级（0分），0.7%；B级（1分），1.7%；C级（2分），3%；D级（3分），7.1%；E级（4分），12%；F级（4分以上），13%（P0.）。
结论：这种风险评分可能有助于可靠地规划对突然增加的重症监护资源需求的反应。
关键词：肺癌、肺切除术、重症监护室、风险建模、结果、死亡率
引言
肺切除术后，约有3-9%的患者会意外进入重症监护室（ICU），而胸外科是经常使用重症监护床的外科专业之一。
很少有研究者试图对肺切除术后紧急入住重症监护室的风险进行分层。这些研究的解释因不同的ICU收治*策而变得复杂，包括一些中心因缺乏中/高级护理病房而系统地将所有病人在术后收治到ICU。此外，手术技术的最新进展，包括广泛采用微创方法和实施强化的恢复方案以简化围手术期护理，这证明我们有理由在更现代的接受解剖性肺切除术并在中级护理病房管理的高危患者中重复这一分析。
因此，本研究的目的是开发一个风险调整模型，对肺切除术后非计划性入住ICU的风险进行分层。其原理是生成一个能够预测入住ICU需求的信息辅助工具，医院管理者计划ICU床位的可用性，特别是在危重病人资源需求突然增加的时期。
患者和方法
伦理声明
医院的研究和创新部门审查，被列为不需要研究伦理委员会正式审查的服务评估。
这项分析是回顾性的，包括所有接受解剖性肺切除术的连续患者（年1月-年12月），没有排除在外。
这两个中心有类似的围手术期*策。患者在多学科环境中讨论，以商定其手术适应症。根据已公布的指南，评估是否适合手术。本系列中的所有患者都被认为适合手术，他们的潜在合并症被认为得到了充分的治疗（即糖尿病、慢性阻塞性肺病和心脏合并症）。
医院都有专门的中间护理单元[一个高依赖性单元(HDU)和一个降级单元(SDU)]，患者通常在这里度过第一个夜晚，对生命参数进行持续的无创监测，或在需要时进行无创通气/血液动力学支持。HDU的护士与病人的比例是1:1。这两个中心的结构特点见表1。两个中心都有专门的普通胸外科病房，每天24小时都有专职护士和胸部物理治疗师。手术团队包括合格的胸外科医生和住院医生。白天至少有一名胸外科医生在病房里，晚上则有一名胸外科医生在家待命。
作为一项*策，所有病人在手术后都要在手术室拔管，并在麻醉后护理单元呆1-3小时。这两个单位都实施了强化恢复计划，重点是尽早动员和物理治疗，酌情使用阿片类药物和非硬膜外镇痛，并使用数字引流系统监测胸腔引流管的输出和漏气情况。
在这两个中心，进入重症监护室是为那些因围手术期严重并发症而需要积极维持生命的危重患者保留的。一般情况下，病人不会因为监测而选择性地进入重症监护室。
统计学分析
使用单变量和逐步逻辑回归分析，检验了几个与患者和手术相关的变量与非计划性ICU入院的可能联系，并通过自举重抽样技术进行了验证。最初使用单变量分析对以下变量进行了筛选。年龄、性别、体重指数（BMI）（kg/m2）、术后预测的1秒内用力呼气量（ppoFEV1%）、ppo一氧化碳扩散能力（ppoDLCO%）、东部肿瘤合作组表现评分。冠状动脉疾病、脑血管疾病（中风或短暂性脑缺血发作）、慢性肾脏疾病、糖尿病、手术途径（开放与微创）和切除范围（肺切除与较小的切除）的历史。变量的定义是根据胸外科医生协会-欧洲胸外科医生协会的联合定义[16]。FEV1和DLCO表示为性别、年龄和身高的预测值的百分比。他们的ppo值是根据手术中切除的功能正常、无阻塞的节段数量来计算的。所有的变量都是完整的，只有BMI和DLCO除外，这两个变量缺少5%的信息。所有的变量都是完整的，只有BMI和DLCO除外，这两个变量缺失了5%的信息，通过对非缺失值的平均化来进行估算。
在单变量分析中，P0.1的变量被选为独立变量，纳入逐步逻辑回归的后向排除法中（P0.1才能保留在最终模型中）。为了构建分数，首先对选择用于逻辑回归分析的数字变量进行分类。使用C-指数统计选择其最佳截止值。
该模型使用自举重抽统计法进行内部验证，并进行替换。在个与原始数据集大小相同的样本上进行引导重采样。在这些模拟样本中的每一个都重复了Logistic回归。只有那些在至少60%的引导样本中与非计划性ICU入院相关的P水平0.05的变量被保留在最终模型中以确保其可靠性。
最终模型的校准和区分度分别使用观察概率与预期概率的校准图（Stata中的pmcalplot命令）和C-指数统计来测试。
然后，根据回归系数，对保留在最终逻辑回归模型中的变量按比例进行加权打分。系数最小的变量得1分。对每个病人的这些分数进行加总，以产生ICU风险分数，并根据病人的总风险分数和类似的ICU入院率将其归入风险等级。作为进一步的内部验证，应用自举法生成个与原始数据集相同大小的模拟样本。在每个模拟样本中计算新生成的ICU风险等级，以评估每个类别中ICU入院的相对分布。
所有分析均在Stata15.1统计软件（StataCorp,CollegeStation,TX,USA）上进行。
结果
两个中心共对名患者进行了手术（A中心，名患者；B中心，名患者）：例肺叶或双肺切除术，例肺切除术和例分隔切除术。手术方式包括视频辅助胸腔镜手术（例，占患者总数的52%）、机器人手术（例，占患者总数的14%）和开放式手术（例，占患者总数的34%）。
表2报告了纳入本研究的病人的特征
共有名患者(3.3%)在手术后因重大心肺并发症需要积极的生命支持治疗而意外进入ICU。
表3报告了患者入住ICU的主要原因。如果是多因素的原因，则选择主要的起始事件。最常见的非计划性入住ICU的原因是急性呼吸衰竭（77%）。
我们发现有7名患者（6.8%）是在再次手术后进入ICU的（5名是因出血而再次手术，2名是因肺水肿和支气管胸膜瘘而再次手术）。
45名入住重症监护室的患者在院内或手术后30天内死亡（44%），另有2名患者在90天内死亡（90天总死亡率为46%）。作为参考，那些不需要进入ICU的病人的90天死亡率为1.3%。
ICU的平均住院时间为17.6天（标准差26.4，范围1-）。表4显示了与ICU入院相关的每个因素的单变量回归的结果。
为了构建总分，对单变量分析中的重要数字变量进行了分类。使用C-指数统计法选择临界值。ppoFEV1的最佳临界值是60%（C-index0.64），poDLCO的最佳临界值是50%（C-index,0.63）。
逻辑回归分析的结果见表5。只有可靠性高的变量（bootstrap频率60%）被纳入最终模型。因此，预测非计划入院ICU风险的最终模型的logit如下。-4.68+0.66ppoFEV%+0.56ppoDLCO50%+1.22BMI18.5+0.性别男性+0.65开放式方法+0.62肺切除术，其中分类变量编码为1（存在该因素）或0（没有该因素）
观察到的对预期概率的校准图显示斜率为1（图1）。该模型的C-指数统计为0.75（95%置信区间，0.73-0.77）（图2）。
根据每个变量的系数，对其进行按比例加权评分。因此，除了BMI18.5得2分外，所有的变量都得1分，然后通过加总这些分数来计算每个病人的总分；范围从0到7（表6）。然后根据分数和类似的ICU入院率，将患者分为6个风险等级（表7）。这些等级与非计划性ICU入院率的比例较高有关（P0.0）（图3）。两个中心的最高ICU风险等级（ICU风险评分3）的患者比例相似（两个中心都是8.2%）。在这个高风险组中，B中心的非计划性ICU入院的发生率更高（17%vs9.0%；P=0.）。
一旦患者进入ICU，ICU风险等级也与90天死亡风险的增加有关（表7）。4分以上的患者死亡率为69%（22/32名患者），而低风险等级（0-1分）的死亡率为22%（P=0.2，使用Stata的rtest命令检验线性趋势）。一旦病人被送入ICU，ICU最高风险等级的抢救失败率在两个中心相似（A中心为62%，B中心为73%；P=0.70）。
作为进一步的内部验证，再次应用自举法生成个与原始数据集相同大小的模拟样本。在每个模拟样本中计算出ICU风险等级，以评估每个类别中ICU入院的相对分布：在A类（0分）中，83%的引导程序性样本的ICU入院率1%；在B类（评分1）中，85%的样本的ICU入住率2%；在D类（评分3）中，80%的样本的ICU入住率6%；在E级（评分4）中，78%的样本的ICU入院率10%；在F类（评分4）中，82%的样本的ICU入住率10%，30%的样本15%。
讨论
背景和基本原理
胸外科经常使用重症监护。在没有SDU医院中，重症监护病床也用于监测高危患者或繁琐或复杂操作后的患者。虽然不推荐这种做法，医院的结构限制，这可能是必要的。更常见的是，ICU用于收治因手术期间或手术后发生重大并发症而需要积极生命支持治疗的危重患者。预测重症监护资源利用的可能需求需要基于患者病例组合和手术复杂性的可靠建模。这些模型可能会有所帮助，尤其是在重症监护能力处于或接近危机点的时期。最近的年新型冠状病*(COVID-19)大流行已将重症监护激增能力的概念重新定义到前所未有的水平，因此需要特殊的事件管理系统（例如扩大重症监护能力、劳动力重组、资源分配和供应）。该管理系统的一部分是对接受选择性手术的患者的护理进行配给。这种配给在不同的服务和大流行的不同阶段发生了不同程度的变化。显然，提前了解患者需要ICU床位的风险将在此过程中大有帮助。
十多年前，我们和其他人开发了一种用于急诊ICU入院的风险模型。然而，病例组合的变化与日益老龄化和合并症的患者群体、微创手术的广泛使用以及实施加速康复计划以简化围手术期护理相比，已经大大改变了之前研究中描述的设置。这种情况需要进行新的、更现代的分析，以开发适用于现代胸外科的模型。
主要发现
我们发现，肺切除术后因严重并发症需要积极生命支持治疗而意外入住ICU的概率为3.3%。与较早研究的结果（6.3-7.0%）相比，这一结果似乎较低。在我们最近的系列文章中，或许能解释ICU入院率提高的因素是中间护理病房(HDU/SDU)的结构可用性，从而阻止了ICU的选择性入院，实施了包括改进麻醉技术以及大多数患者（82%）使用微创手术在内的加速康复计划。由于这些研究中心在常规或选择性的基础上使用ICU床位进行选择性术后监测这一事实，这些研究的设计更侧重于ICU入院的有效性和适当性，因此难以与其他研究进行比较。
与之前的调查类似，入住ICU的最常见原因仍然是需要辅助通气的呼吸衰竭。
在当前的分析中，ICU中的抢救失败率（入院者中的死亡）为46%，这似乎大大高于之前的报告（17-36%）。事实上，在我们的系列中，入住ICU的患者较少，但与之前的研究相比，观察到的抢救失败率较高，这可能表明选择偏倚可以通过更严格地使用ICU来解释，即仅保留用于最危重和急性病患者，同时能够在HDU/SDU设施中照顾患病但病情较轻的患者。
我们能够识别与ICU入院风险增加相关的变量，并开发出一个在我们的人群和自举样本中似乎经过良好校准和可靠的风险模型。该模型具有良好的表面效度，包括通常报告为与术后并发症和死亡相关的变量。
在之前的研究中，其中一些变量已经被发现是ICU入院的危险因素。特别是，在不同的研究中，低ppoDLCO（预测术后肺一氧化碳弥散量）似乎是一个一致的因素。在手术变量中，使用开胸术（与微创手术相反）以前也与入住ICU的风险增加有关，并且是与几项研究显示微创手术对肺切除术后心肺并发症和死亡的保护作用一致。肺切除术仍然是与需要入住ICU的严重并发症相关的重要危险因素。低BMI已根据WHO对体重过轻的定义进行分类。BMI低于18.5kg/m2与ICU入院的调整风险增加近4倍相关，并且是与结果相关性最强的因素。BMI降低是虚弱的标志，通常与肌肉减少症相关，肌肉减少症先前与几个患者群体的不良结果相关，包括肺切除术后。BMI和肺功能是评分中的因素，可以通过为体重不足的患者实施围手术期营养支持计划和预康复来改变。
当风险模型应用于我们的人群时，最高风险类别（得分为4+）有12%的意外入住ICU风险。该系列中有8%的患者属于该类别，并且在手术患者中所占比例不可忽略。然而，目前研究中最高风险等级的ICU入院率低于之前研究中最高风险等级的发生率（12%vs18%），这反映了即使在高危人群中，非计划ICU入院率普遍减少。一旦患者入住ICU，其风险评分与90天死亡率增加相关。与风险最低的患者相比，风险最高的患者的死亡风险高出3倍。在讨论手术风险时，与多学科委员会成员和患者分享这些信息似乎很有价值，因为入住ICU风险较高的患者也是最有可能无法在ICU中存活的患者。
局限性
这项研究可能有潜在的局限性。由于其回顾性，该分析可能具有固有的选择偏差，包括不同时间的可变ICU入院标准，也受到给定时间的分诊压力的影响。为了尽量减少这个问题，我们将仅需要积极生命支持治疗的患者定义为计划外的ICU入院。本研究并非旨在评估入住ICU的有效性或适当性。事实上，这两个中心的患者中只有少数患者在手术后被选入重症监护室，因为他们中的大多数人都住进了中级护理病房。然而，一些出现术后并发症的患者可能已由其服务的HDU中的重症监护外展团队进行管理，而无需转移。只要他们最终没有被转移到ICU，这些患者就不属于ICU组。
尽管自举重采样技术已被证明是最好的内部验证系统，但外部稳定性应通过将分数应用于独立于推导集的外部患者样本来评估。
结论和启示
虽然在我们的研究中意外入住ICU是一个不常见的事件，但与此类事件相关的死亡人数相当可观。ICU风险评分可能有助于规划对重症监护资源需求突然增加的反应，以及对手术计划的时间安排和分类，这些患者将优先有更大的术后入住ICU的机会。
该模型与其他风险调整结果模型一起，随着时间的推移可用于审核机构实践并衡量护理质量。此外，它还可以用作规划和协商机构资源分配或更高层次结构扩张的工具。
最后，ICU风险评分可用作术前患者咨询期间的附加信息辅助工具。可以针对高危患者评估和实施特定的缓解策略，以试图降低他们随后的急性入院率和高失败率。
翻译及审校：孙铧张滢
表1：参与研究的2个中心的服务特点
ICU：重症监护室。
表2：被纳入分析的患者特征
数值变量表示为平均值和标准偏差。分类变量报告为总人口的数量和百分比。
BMI：体重指数；CAD：冠状动脉疾病；CKD：慢性肾病；CVD：脑血管疾病；MITS：微创胸外科；ppoDLCO%：预测的术后一氧化碳肺扩散能力，以预测值的百分比表示；ppoFEV1%：预测的术后1秒用力呼气量，以预测值的百分比表示；PS：性能评分。
表3：紧急入住重症监护病房的原因
N=名患者；一些患者可能有超过1个入住ICU的原因。
ARDS：急性呼吸窘迫综合征；ICU：重症监护室。
表4：与入住重症监护病房相关的因素的单变量回归分析结果
BMI：体重指数；CAD：冠状动脉疾病；CI：置信区间；CKD：慢性肾病；CVD：脑血管疾病；MITS：微创胸外科手术方法；OR：优势比；ppoDLCO%：预测的术后一氧化碳肺扩散能力，以预测值的百分比表示；ppoFEV1%：预测的术后1秒用力呼气量，以预测值的百分比表示；PS：性能评分。
表5：逐步逻辑回归分析的结果
因变量：意外入住重症监护病房。仅显示最终模型中保留的变量。
BMI：体重指数；CI：置信区间；OR：优势比；ppoDLCO%：预测的术后一氧化碳肺扩散能力，以预测值的百分比表示；ppoFEV1%：预测的术后1秒用力呼气量，表示为预测值的百分比。
表6：重症监护病房总风险评分的分布
ICU：重症监护室。
表7：风险等级及其相关的重症监护病房入院率和抢救失败率（重症监护病房入院患者的90天死亡率）
ICU：重症监护室。
图1：观察到的与入住重症监护病房的预期概率的校准图。
AUC：曲线下面积；CITL：大型校准；E：O：预期与观察到的事件的比率。
图2：基于重症监护病房风险模型预测计划外入住重症监护病房的受试者工作特征曲线。
ROC：接收器操作特性。
图3：条形图显示按风险等级划分的重症监护病房意外入院率。
ICU：重症监护室。