根据疾病控制和预防中心的数据，三分之一在医院死亡的患者患有败血症，这是一种对感染的严重炎症反应，以器官功能障碍为特征。这种沉重的代价使得预测哪些患者有患这种破坏性疾病的风险成为临床医生的首要任务。
识别和治疗脓毒症病例的其他动机在于，脓毒症是一种系统级质量衡量标准，医院由联邦卫生与公共服务部和 CDC 对其脓毒症率进行判断。使减少败血症的努力复杂化的是诊断的难度——准确和快速。
密歇根大学学习健康科学和内科学助理教授、医学博士、医学硕士、医学博士卡兰迪普·辛格 (Karandeep Singh) 说：“败血症是我们可以在事后确定发生的事情，但当它发生时，通常不清楚患者是否患有败血症。”药物。“但败血症治疗的基石是及时识别和及时治疗。”
Singh 和他的同事最近评估了 Epic Systems 开发的败血症预测模型，该模型是美国 56% 的医院和卫生系统使用的医疗保健软件供应商。在 JAMA Internal Medicine 上发表的一篇新论文中，他们发现预测工具的性能要差得多比模型的信息表所指示的，正确地对患者进行败血症风险分类的概率仅为 63%。
Singh 解释说，差异在于模型的开发方式。他说，第一个问题是该模型整合了所有被称为败血症的病例的数据，这是有问题的，因为“人们在不同服务和医院的收费不同，而且众所周知，试图仅根据计费代码来确定谁患有败血症可能不准确。”其次，在模型的开发中，脓毒症的发作被定义为临床医生干预的时间——例如，订购抗生素或实验室工作。
“从本质上讲，他们开发了模型来预测临床医生在临床医生认可的时候认可的败血症。但是，我们知道临床医生会错过败血症。”
为了使用与 Medicare 和 CDC 使用的定义更接近的脓毒症定义来评估模型，研究小组研究了 2018 年至 2019 年密歇根医学中心近 40,000 名住院患者，去除了模型提示患有脓毒症的患者的评分在临床医生已经介入之后。这样做使该工具的曲线下面积从 Epic Systems 报告的 76-83% 增加到验证研究确定的 63%。
更重要的是，该模型向所有患者中的近五分之一发出警报，其中大多数患者实际上并未患有败血症。“当它发出警报时，患者在剩余的住院期间实际上患有败血症的几率是 12%。这基本上意味着，即使你只在系统第一次发出警报时对人进行评估，你仍然需要评估8 个人发现一例败血症，”辛格说。
标签： 败血症
免责声明：本文由用户上传，如有侵权请联系删除！