Anesthesia & Analgesia:从电子病例中自动提取数据以提供儿科风险评估评分的验证

邸笑 翻译 张本厚 审校

背景：尽管儿科术后死亡率较低，围术期风险评估模型的发展和验证已经允许对高危人群进行分层，包括儿科风险评估（Pediatric Risk Assessment，PRAm）评分。这些工具的临床应用需要手动输入数据，这可能是不准确或不完整的，影响效率，并增加医生的文书义务。我们的目的是创建一个电子导出的、自动化的 PRAm 评分，并评估其与美国外科学会国家手术质量改进计划（American College of Surgery National Surgical Quality Improvement Program，ACS NSQIP）导出和验证的原始评分的一致性。

方法：我们对 2017 年至 2021 年在波士顿儿童医院（Boston Children's Hospital，BCH）接受非心脏手术的 < 18 岁的儿童进行了一项回顾性观察研究。通过国际疾病分类（International Classification of Disease，ICD）-9 和 -10 代码的电子衍生，开发了一个自动的 PRAm 评分。主要结果是通过来自电子自动、NSQIP 数据和来自同一波士顿儿童医院队列的医师手动输入获得的 3 种 PRAm 评分之间的一致性和相关性。次要结果是 3 种 PRAm 版本的区分度。相应的采用 Fleiss Kappa、Spearman 相关（rho）、类内相关系数（intraclass correlation coefficient，ICC）和曲线下面积（area under the curve，AUC）的受试者工作特征（receiver operating characteristic，ROC）曲线分析。

结果：6,014 例采用 NSQIP 和自动 PRAm 评分（人工评分：n=5,267）的患者中，30 天死亡率为 0.18%（n=11）。与 NSQIP 和人工评分相比 [rho = 0.73；95% 置信区间（confidence interval，CI），0.71 ~ 0.74；P ＜ 0.001；ICC = 0.78；95% CI, 0.77 ~ 0.79；Fleiss kappa = 0.56；95% CI，0.54 ~ 0.57]，NSQIP 和自动评分之间的一致性和相关性更大（rho = 0.78，95% CI，0.76 ~ 0.79；P ＜ 0.001；ICC=0.80；95% CI，0.79 ~ 0.81；Fleiss kappa = 0.66；95% CI，0.65 ~ 0.67）。具有 AUC 的 ROC 分析显示，相比 NSQIP（AUC = 0.904；95% CI，0.792~ 0.999）和自动化评分（AUC = 0.880；95% CI，0.769 ~ 0.999），人工评分具有最大的区分度（AUC = 0.976；95% CI，0.959 ~ 0.993）。

结论：开发一种电子衍生的自动 PRAm 评分，对新生儿、婴儿和儿童非心脏手术后 30 天死亡率保持良好的区分度是可行的。自动化 PRAm 评分可以减少术前文书工作量，为新生儿和儿科手术患者提供一种有效、准确的风险分层方法，以提高临床疗效和资源利用率。