چكيده

 مقدمه:

این مطالعه به مدل‌های پیش‌بینی مرگ‌و میر در بیمارستان در بخش اورژانس، با هدف ارزیابی عملکرد آنها و درک تأثیر آنها بر تصمیم‌گیری پزشک پرداخت. اهداف به طور خلاصه به شرح زیر است: 1) ارزیابی دقیق مدل های ، qSOFA، EWS، WPS، RAPS, NEWS ، REMS درپیش بینی مرگ و میر در بیمارستان و درک اینکه آیا استفاده از این مدل ها بر عملکرد پزشکان اورژانس تأثیر می گذارد.

روش:

این مطالعه در بیمارستان امام رضا (ع انجام شد که سالانه بالغ بر 220000 کیس را تحت درمان قرار می دهد. مطالعه با یک سلسله مطالعات اولیه شروع شد که در آن سیستم‌های امتیازدهی و قضاوت بالینی با هم مورد مقایسه قرار گرفتند کرد و پس از آن به عنوان ایده ی فرضیه ی ثانویه در تحقیقات بعدی از آن بهره گرفته شد. به دنبال این مطالعه، مطالعه ی دیگری با طیف وسیعتری از حجم نمونه با هدف انجام شناسایی موثرترین مدل پیش‌بینی‌ NEWS، qSOFA، EWS، WPS، RAPS و REMS، با استفاده از داده‌های 11,318 کیس انجام شد. سودمندی بالینی از طریق تجزیه و تحلیل منحنی تصمیم‌گیری ارزیابی شد و از آنجا که این مطالعه با همه‌گیری COVID-19 مصادف شد این مدلها بصورت جداگانه نیز بر روی این بیماران مورد ارزیابی قرار گرفت. این ارزیابی همچنین بر روی بیماران سپسیس هم به صورت جداگانه مورد بررسی قرار گرفت که به طور خاص از سیستم امتیازدهی SOFA علاوه بر سایر مدلهای مذکور بهره گرفته شد. پس از شناسایی سیستم امتیازدهی بهینه، در فاز مطالعه شبه تجربی در اورژانس که طی شش ماه به طور انجامید عملکرد پزشکان از طریق شاخصهایی همچون میزان مرگ و میر و طول مدت اقامت بیمار مورد ارزیابی قرار گرفت. همچنین از تکنیک SHAP  برای محاسبه اهمیت متغیرهای پیشگویی کننده استفاده شد.

نتایج:

REMS بالاترین ظرفیت تبعیض را برای مرگ و میر در بیمارستان نشان داد، همانطور که توسط AUROC 0.733 (95٪ فاصله اطمینان (CI 0.722-0.743) نشان داده شد. نقاط برش بهینه، بر اساس شاخص Youden، به عنوان REMS≥ 6.5 برای هر دو پیامد مطالعه شناسایی شد. مرحله مداخله شامل 4,690 بیمار بزرگسال (سن 18 سال و بالاتر) با سطوح تریاژ از 1 تا 3 تعیین شد. در گروه مداخله، LOS از 1.37±1.58 قبل از مداخله به 1.19±0.65 به صورت گذشته نگر کاهش یافت. با استفاده از آزمون کای اسکوئر، بررسی میزان مرگ و میر قبل و بعد از مداخله تفاوت معنی داری را نشان داد .(p<0.001) در مورد بیماران کووید REMS و NEWبه عنوان مدل بهینه شناسایی شدند و در مورد بیماران سپسیس مدل سوفا مدل بهینه برآورد شد. نتایج حاکی از اهمیت متغیرهای GCS,MAP, O2sat  و همچنین AVPU داشت.

نتیجه گیری:

این مطالعه REMS را به عنوان یک سیستم امتیازدهی بهینه که به خوبی کالیبره شده کاندید این مدل از بین سایر مدل ها از سودمندی بالایی هم برخوردار بود اما مهم این است که در انتخاب مدل مورد بررسی میزان دقت و به هنگام بودن آن ها را هم مدنظر قرار دهیم. این مطالعه بر نیاز مداوم به مدل‌سازی پیش‌بینی برای افزایش کارایی تصمیم‌گیری پزشکان در اورژانس تأکید می‌کند. به طور کلی، مطالعه ما ارائه دهندگان مراقبت های بهداشتی در ED را توانمند می کند و به بحث چشم انداز در حال تحول شیوه های مراقبت بهداشتی مبتنی بر داده کمک می کند.

کلمات کلیدی: بخش اورژانس، مدل‌های پیش آگهی، پشتیبانی تصمیم، قضاوت بالینی