在2个县急诊部对Epic败血症预测模型的外部验证

科学领域:

• 医疗信息学 医疗信息学
• 临床决策支持系统 临床决策支持系统
• 败血症研究 败血症研究

背景情况:

• 败血症是一种危及生命的疾病,需要及时诊断和治疗.
• 电子健康记录 (EHR) 系统有潜力通过预测模型改善败血症的识别.
• 史诗性败血症预测模型 (ESPMv1) 是一种专有算法,旨在提醒医生注意潜在的败血症病例.

研究的目的:

• 为了评估史诗性败血症预测模型 (ESPMv1) 诊断特征的最佳实践咨询 (BPA) 警报.
• 评估ESPMv1在诊断急诊室 (ED) 患者的败血症方面的有效性.

主要方法:

• 从2023年1月1日到2023年12月31日,对两个县ED的145,885名患者遭遇的回顾性队列研究.
• 败血症根据败血症-3标准定义,包括序列器官功能评估 (SOFA) 评分增加2点,血液培养和抗生素顺序.
• 设置ESPMv1警报值为6,分析灵敏度,特异性,正预测值 (PPV) 和负预测值 (NPV).

主要成果:

• 在4.9%的遭遇中存在ESPMv1警报.
• 警报显示,在6小时窗口内检测败血症的灵敏度为14.7%,特异性为95.3%.
• 积极的预测值为7.6%,负的预测值为97.7%,平均预测时间为0分钟.

结论:

• 该ESPMv1警报显示,在一个县ED设置中,对未分化患者的诊断特征不足.
• 该模型为医生在识别败血症方面提供了有限的帮助,在发生败血症之前,只有大约一半的败血症病例发出警报.
• 当前的败血症预警系统可能只能在边际帮助疾病识别,因为临床医生经常在没有预警的情况下管理败血症.