受欢迎的脓毒症比声称预测工具不准确

三分之一的病人死在医院有败血症,感染严重的炎症反应,器官功能障碍,根据疾病控制和预防中心。这严重影响使得预测哪些病人发展毁灭性的风险状况临床医生的首要任务。

额外的动机来识别和治疗脓毒症例在于脓毒症作为系统级质量指标,与医院判断由联邦卫生和人类服务部和CDC败血症。复杂的努力减少脓毒症是如何准确地诊断困难,很快。

“脓毒症是我们可以知道发生后确定的事实,但当它展开,往往不清楚是否患者有败血症,“Karandeep辛格说,医学博士,助理教授MMSc学习健康科学和医学内科在密歇根。“但脓毒症治疗的基石是及时识别和及时的治疗。”

辛格和他的同事们最近评估脓毒症预测模型开发的史诗系统、医疗软件供应商所使用的医院和56%的股份卫生系统在美国最新发表的一篇论文JAMA内科,他们表明,预测工具来执行比表示模型的信息表,正确分类患者败血症的风险只有63%的时间。

差异在于模型是如何发达,辛格解释道。第一个问题,他说,从所有情况下称为脓毒症模型包含数据,这是有问题的,因为“人比尔不同服务和医院,已经认识到,试图找出谁有败血症仅根据计费代码可能是不准确的。”Second, in the model's development, the onset of sepsis was defined as the time the clinician intervened—for example, ordering antibiotics or lab work.

“本质上,他们开发的模型来预测脓毒症被临床医生在当时被临床医生。然而,我们知道临床败血症小姐。”

评估模型使用一个脓毒症的定义更紧密地结合起来,用于医疗和疾控中心,研究团队观察近40000住院在密歇根医学从2018年到2019年,将分数从病人提醒模型后脓毒症的临床医生已经介入。这样做带来了工具的曲线下的面积从76 - 83据史诗系统63%由验证研究。

更重要的是,该模型发出警报在将近1在5的病人,大多数患者没有脓毒症。“警报时,病人有败血症的可能性在剩余的住院是12%。这基本上意味着即使你只有评估人第一次系统提醒,你仍然需要评估8人找到一个脓毒症,”辛格说。

预测工具来权衡,辛格指出。之间的权衡是在生成警告病人结果没有预测的条件或不生成警告病人。”But in this instance, if a health system is using the Epic sepsis模型提高质量的措施,“这不是真的能这么做。”

研究结果指出,需要更多的监管和治理的临床软件工具,辛格说,以及需要更多的开源模型,可以很容易地外部验证和关闭如果他们不是有用的。

他补充说,史诗的分析没有错。“我们不同在脓毒症的发病和时间的定义。在我们看来,他们的脓毒症的定义基于计费代码本身是不精确的,而不是一个临床有意义的卫生系统或病人。”