Vorhersagemodell kann helfen, das Risiko einer kritischen Erkrankung nach einer Notfallversorgung außerhalb des Krankenhauses zu bestimmen

Vorhersagemodell kann helfen, das Risiko einer kritischen Erkrankung nach einer Notfallversorgung außerhalb des Krankenhauses zu bestimmen
Vorhersagemodell kann helfen, das Risiko einer kritischen Erkrankung nach einer Notfallversorgung außerhalb des Krankenhauses zu bestimmen
Anonim

Ein Vorhersage-Score, der Faktoren wie Alter, Blutdruck, Herz- und Atemfrequenz für Patienten umfasste, die eine Notfallversorgung außerhalb des Krankenhauses erhielten, wurde mit der Entwicklung kritischer Erkrankungen während des Krankenhausaufenth alts, wie z. B. schwerer Sepsis, in Verbindung gebracht für mechanische Beatmung oder Tod, laut einer Studie in der JAMA-Ausgabe vom 18. August.

"Krankenhäuser unterscheiden sich stark in der Qualität der Intensivpflege.Folglich können die Ergebnisse kritisch kranker Patienten verbessert werden, indem die Versorgung auf erfahrenere Zentren konzentriert wird. Durch die Zentralisierung von Patienten, die einem höheren Sterblichkeitsrisiko ausgesetzt sind, in Überweisungskrankenhäusern kann eine regionalisierte Versorgung bei kritischen Erkrankungen ähnliche Ergebnisse erzielen wie Trauma-Netzwerke“, schreiben die Autoren kann Triage-Entscheidungen verbessern und die Regionalisierung der Intensivpflege erleichtern."

Christopher W. Seymour, M.D., M.Sc., vom Harborview Medical Center, University of Washington, Seattle, und Kollegen führten eine Studie durch, um ein Instrument zur Vorhersage kritischer Erkrankungen während der außerklinischen Versorgung zu entwickeln unverletzte Patienten ohne Herzstillstand, wobei die Hypothese aufgestellt wurde, dass objektive Faktoren außerhalb des Krankenhauses zwischen Patienten unterscheiden könnten, die während des Krankenhausaufenth alts eine kritische Erkrankung entwickeln würden, und denen, bei denen die Wahrscheinlichkeit einer kritischen Erkrankung unwahrscheinlich ist. Die Studie umfasste das Rettungsdienstsystem (Emergency Medical Services, EMS) im Großraum King County, Washington (mit Ausnahme des Großraums Seattle), das Transporte zu 16 Aufnahmeeinrichtungen durchführt, sowie Daten für erwachsene Patienten ohne Traumata und ohne Herzstillstand, die von King County EMS in ein Krankenhaus transportiert wurden 2002 bis 2006.Geeignete Aufzeichnungen mit vollständigen Daten (n=144.913) wurden mit Krankenhausentlassungsdaten verknüpft und nach dem Zufallsprinzip in Entwicklungs- (n=87.266 [60 Prozent]) und Validierungsgruppen (n=57.647 [40 Prozent]) aufgeteilt.

Bei 5 Prozent der Entwicklungs- (n=4.835) und Validierungskohorten (n=3.121) kam es während des Krankenhausaufenth alts zu einer kritischen Erkrankung. Zu den multivariablen Prädiktoren für eine kritische Erkrankung (die als schwere Sepsis, mechanische Beatmung oder Tod während des Krankenhausaufenth alts definiert wurde) gehörten höheres Alter, niedrigerer systolischer Blutdruck, abnormale Atemfrequenz, niedrigerer Glasgow Coma Scale-Score, niedrigere Pulsoximetrie (Messung der Sauerstoffversorgung von Hämoglobin) und Pflegeheimaufenth alt während der außerklinischen Pflege. Bei einem Score-Schwellenwert von 4 oder höher betrug die Sensitivität 0,22 und die Spezifität 0,98.

"Wir demonstrieren die Rolle, die eine einfache physiologische Beurteilung bei der Risikostratifizierung in der präklinischen Phase bei unverletzten Patienten spielen kann. Das Modell bietet eine wichtige Grundlage für zukünftige Bemühungen, Patienten mit dem größten Risiko einer kritischen Erkrankung anhand von Informationen von außen zu identifizieren -of-Krankenhaus-Phase der Notfallversorgung", schreiben die Autoren.„Obwohl eine verbesserte Genauigkeit und externe Validierung erforderlich sind, bietet dieses Modell eine Grundlage für zukünftige Bemühungen, nicht verletzte Patienten zu identifizieren, die von koordinierten Systemen profitieren könnten, die die Notfallversorgung regionalisieren.“

Editorial: Beurteilung einer kritischen Erkrankung während der Versorgung durch den Rettungsdienst

Henry E. Wang, M.D., M.S., von der University of Alabama in Birmingham, und Donald M. Yealy, M.D., von der University of Pittsburgh, Pennsylvania, schreiben in einem begleitenden Leitartikel, dass dieser Vorhersagewert zwar erforderlich ist Verfeinerung, es ist von Vorteil.

"Erstens kann die Vorhersageregel, die klinische Faktoren außerhalb des Krankenhauses verwendet, dabei helfen, die Krankheitslast einzuschätzen, wenn bestehende Datensätze analysiert oder vor einem Eingriff ein Gleichgewicht zwischen Gruppen gesucht wird. Zweitens bietet diese Anstrengung einen ersten Rahmen für die Risikoidentifikation in eine herausfordernde Umgebung. Vielleicht könnten andere Daten wie Körpertemperatur, Laktat oder andere physiologische Messungen, spezifische körperliche Untersuchung und historische Merkmale die Leistung dieser oder einer anderen Regel verbessern.Mit verbesserter Informationstechnologie besteht die Möglichkeit, Schlüsseldaten zu extrahieren und sie unverzüglich an außerklinische Anbieter und Notaufnahmen oder Intensivpflegepersonal in aufnehmenden Krankenhäusern zu liefern. Am wichtigsten ist, dass diese Arbeit eine Neubewertung der umfassenderen Ziele und der Organisation der kommunalen Intensivversorgungssysteme veranlassen sollte."

Beliebtes Thema