死亡預測模型在老年創傷患者中的應用價值

摘要：針對創傷患者制定的死亡預測模型對急診室評估其危重狀態起到了巨大作用。目前臨床實踐已證實了解剖模型、生理模型及綜合評分模型均存在著因為本身特點造成預測能力不足和對老年患者群體使用價值不高的問題。本文從模型分類、模型構成、實際應用效果及老年人群特異性方面總結模型在不同創傷背景下的臨床特點和模型研究現狀，旨在幫助臨床醫師選擇和使用更加適合不同機制創傷和老年患者群體的預測模型，提高搶救成功率。

關鍵詞：死亡預測模型；老年創傷；急救

中圖分類號：R604" " " " " " " " " " " " " " " " " "文獻標識碼：A" " " " " " " " " " " " " " " " "DOI：10.3969/j.issn.1006-1959.2023.16.038

文章編號：1006-1959（2023）16-0184-05

Application Value of Death Prediction Model in Elderly Patients with Trauma

XU Zi-wen1，YU Ting1，SHAO Ai-dan1，DONG Xin-ling2

（1.The Second Clinical College of Xinjiang Medical University，Urumqi 830000，Xinjiang，China;

2.Emergency Department of the Second Affiliated Hospital of Xinjiang Medical University，Urumqi 830000，Xinjiang，China）

Abstract：The death prediction models for trauma patients play an important role in evaluating the critical state in the emergency room. However， clinical practices have confirmed that anatomical models， physiological models and comprehensive scoring models have the problems of insufficient predictive ability because of their own characteristics and low use value in elderly patients. This paper summarizes the clinical characteristics and research status of the model in different trauma backgrounds from the aspects of model classification， model composition， practical application effect and elderly population specificity，so as to help clinicians select and use prediction models that are more suitable for different mechanisms of trauma and elderly patients， and improve the success rate of rescue.

Key words：Death prediction model;Geriatric trauma;Emergency

隨著城市化進程及交通運輸流量增加，創傷事件的發生率不斷攀升，此外我國人口老齡化加劇[1]，老年人群由于本身體質虛弱、生理儲備減少、合并基礎疾病較多[2-5]，創傷的發生率和結局死亡率也將持續上升[6-9]。進入急診室后利用死亡預測評分模型對創傷患者進行及時而又準確的評估具有重要意義，不僅可以幫助醫師準確評估病情、實施合理的醫療措施以及對治療效果進行評價，又可使患者及家屬對病情有客觀認識、幫助其決定治療方案和節約醫療資源[6，10-12]。本文主要總結不同預測模型在臨床應用中的特點以及在老年患者中的應用現狀，以期幫助臨床醫師快速選擇更加適合不同創傷機制的預測模型，解決不同模型在老年創傷群體中預測匹配性和能力差的問題，最終幫助提供醫師甄別急危重癥的能力和采取更加有效的救治方案，提高救治成功率。

1預測模型分類

目前常用于此類患者的模型可以分為解剖評分模型、生理評分模型和綜合評分模型。其中解剖評分模型包括老年創傷結局評分（Geriatric Trauma Outcomes Score，GTOS）及其修正評分GTOSⅡ、GTOSⅢ；創傷死亡預測模型（Trauma Mortality Prediction Model，TMPM）及其修正模型損傷死亡預測（Injury Mortality Prediction，IMP）。生理評分模型包括創傷評分（Trauma Score，TS）；快速連續性器官衰竭評估（Quick Sequential Organ Failure Assessment，Qsofa）。綜合評分模型包括創傷及損傷嚴重程度評分（Trauma and Injury Severity Score，TRISS）；創傷嚴重程度特征評分（A Severity Characterization of Trauma，ASCOT）；創傷后老年死亡評分（Quick elderly mortality after trauma，Qemat；Full elderly mortality after trauma，Femat）。

2不同模型的特點

2.1解剖評分模型

2.1.1 GTOS及其修正評分" GTOS是由Frank等于2015年提出的[13]，該評分是第一個在科學測量分析的基礎上能客觀、準確地給出住院死亡率的老年死亡預測模型，對老年患者住院死亡率的預測具有較高的區分性[6]。該模型包含年齡、ISS評分和是否輸注濃縮紅細胞3個變量，Cook A等[14]在2017年對其系數進行調整，形成GTOSⅡ模型用于評估產生不利出院的可能性。有學者之后再次對上述系數進行調整并加入GCS評分和產生不利出院的影響因素構建了GTOSⅢ評分用于預測老年創傷患者出院后的長期死亡率[6]。GTOS及其修正評分的驗證性使用和效能評價研究在全世界正廣泛開展。Ravindranath S等[15]研究發現，GTOSⅡ對不良出院結局事件預測有效但是單獨使用年齡進行預測的效果不劣于GTOS，同時預測風險較高時，GTOS和GTOSⅡ的預測能力下降。Meagher AD等[16]研究指出GTOSⅡ評分相較于傳統的ISS評分等更加適和老年創傷患者的死亡評估。

對于GTOS及其修正模型預測能力不足的解釋：①未排除院內護理混雜因素；②高風險預測情況下GTOS和GTOSⅡ的預測結果往往會過高，這可能和模型系數校準有關；③GTOSⅢ的效能在對死因分析后可能會提高。

2.1.2 TMPM及其修正評分" 在ISS的基礎上提出的TMPM被認為是目前老年創傷死亡概率預測最常用的模型[14]，該評分將按嚴重程度排序的5個最嚴重的模型平均回歸系數（MARC）值作為模型的預測因子，同時還包括代表2個最嚴重的傷害是否在同一身體區域的二元變量和反映2個最嚴重傷害嚴重程度的MARC值乘積的變量共同構成TMPM評分。TMPM的預測能力明顯優于ISS等，并且在加入年齡、性別、損傷機制后依然保持較高的預測能力，同時TMPM給出的是絕對死亡概率有更好的說服力[17]。TMPM依然避免不了解剖模型無法評估患者整體生理狀態的固有缺點。除此之外還存在以下不足：①該模型中納入5個損傷部位的解釋為通常超過5個的損傷部位的患者較少，且納入更多因素可能會造成模型更大偏倚；②此外該模型MARC值反映的是損傷導致死亡的傾向，而非損傷嚴重程度，MARC值的科學性需要驗證；③TMPM在統計上是嚴謹的，但是在數學上并不精準。

Wang M等[18]在TPMP的基礎上建立了新的預測模型IMP。該模型不僅驗證了取5處不同的損傷區域進行死亡概率預測是可行的，而且證實了IMP的性能高于TMPM。IMP在加入了GCS評分后，AUROCIMP從0.923提高到了0.943，說明了生理因素在預測死亡可能中的重要性。該模型類似于TMPM，兩者的計算公式均較繁瑣，不適宜于快速對患者進行評估，此外該模型提出后尚缺乏國內外臨床研究來驗證它的有效性。

就解剖模型而言，TMPM及其修正評分出現較早并且應用也是最廣泛的，它們包含的統計指標少，數據容易收集，能夠在損傷發生早期甚至現場的緊急情況下便可作出評估，這對于醫師了解患者狀況，為下一步制定醫療方案、獲得家屬的良好配合十分重要。但是該類模型存在的共同缺陷是完全沒有評估患者的生理病理狀態，對疾病發生發展的過程缺乏持續的判斷，這種缺點對于患者是十分危險的。尤其對于老年患者，他們由于自身儲備不足、合并癥較多，對創傷的耐受能力低，所以在創傷后病情變化更加復雜，甚至往往死亡原因是并發癥而非直接創傷。

2.2生理評分模型

2.2.1 TS評分及其修正評分" TS評分以呼吸頻率、呼吸幅度、收縮壓、甲床及唇毛細血管充盈程度和GCS評分5項指標分數之和統計總分，分值與病情嚴重呈反比。由于呼吸幅度和毛細血管充盈程度不易觀察，后續有學者提出僅包括GCS、呼吸頻率和收縮壓3項適用于快速評估患者病情的RTS評分。Jeong JH等[19]在此基礎上更新建立了NTS評分，該評分由真實GCS值、SpO2和修正的收縮壓間編碼值構成。NTS中使用真實GCS而非相應編碼值的合理性和優越性在他們的研究中已經證實，而采用SpO2來代替RR主要考慮到RR在創傷患者尤其是在急診環境下的測量難度較大并且準確率較低，而SpO2的測量目前使用指脈氧測量儀十分方便快速且準確。在臨床實際應用中，SpO2的測量幾乎完全取代了RR。NTS的測量便捷使其十分適用于急診診室或創傷現場對患者進行評估。

2.2.2 Qsofa評分" 該評分包含呼吸頻率、意識狀態改變和收縮壓三部分。2016年美國危重病醫學會與歐洲重癥監護學會在關于“Sepsis”的最新定義中首次提出Qsofa評分用于可疑膿毒癥的診斷，后續研究發現Qsofa評分不僅對感染性疾病評價能力突出，對于創傷疾病預后和結果預測也有顯著的優勢[20]。Singer AJ等[21]研究發現，急診就診患者的死亡率與Qsofa評分顯著相關。Jawa RS等[22]研究發現，Qsofa評分與鈍性創傷患者的不利出院密切相關，可以用Qsofa評分來預測創傷患者的死亡結局。Huang W等[23]研究提出，Qsofa=2或3分和死亡密切相關，對于該類患者應當密切關注。Miyamoto K等[24]研究認為，在老年患者中Qsofa評分依然適用，截斷值≥1分時可以有效識別死亡風險非常低的老年創傷患者，并且GCS值可以用較為簡便的指標來代替。Qsofa評分統計量少，使用簡便，是急診科及緊急評估患者可供選擇的重要工具，特別是在預檢分診和批量創傷患者中使用價值更高，應當得到更廣泛的臨床應用[25，26]。

生理評分模型對于創傷事件發生后患者的生理病理狀況進行評估和死亡風險預測并可以在病程中進行動態評價。該類模型由于收集到的信息往往來自于檢驗檢查結果，幾乎無法在傷情發生較早時間進行患者評估，可能延誤對患者的有效救治，同時該類模型一般通過對較多指標進行統計來提高預測的精確性，但是無疑會降低臨床實用性，尤其是對于快速評估的要求。

2.3綜合評分模型

2.3.1 TRISS評分" TRISS評分兼顧解剖損傷、生理病理變化以及年齡，是目前所有評分系統中應用最廣泛、最有價值的評分，在患者生存概率預測中意義重大。Podang J等[27]在研究TRISS在道路交通傷的應用價值時發現該評分靈敏度較高但特異度差；而國內外許多研究已經證實了TRISS在不同年齡人群尤其是老年創傷人群中的優良性能[28，29]。有研究在對比TRISS評分和APACHE Ⅱ評分預測ICU創傷患者死亡中的差異時發現兩者并沒有明顯區別，但是前者靈敏度更高，對于急診環境來說更有警示作用，因此推薦使用TRISS模型[30]。此外，該評分系統需要計算的量不多，適合快速評估，借助其強大的預測能力，在患者發生創傷事件后不同時期進行評估可以反映治療效果并及時調整治療方案，有利于改善患者預后。TRISS評分可能會因ISS和RTS的固有局限性以及相關合并癥影響其準確性[31]。未來需要更多的大型臨床研究尤其是在老年人群中評估其使用價值，并且尋找更加符合我國實際的模型系數。

2.3.2 ASCOT評分" ASCOT評分采用多參數加權的方式，將創傷患者的RTS、解剖要點評分AP及創傷類型和年齡等多項參數綜合納入模型，最終計算得出概率，根據受傷類型不同，相應來自MTOS的系數也有所差異，ASCOT評分在各項參數的選擇上較TRISS評分有所改良。首先在解剖損傷程度的評價上用AP評分替代ISS，在排除各解剖部位對創傷結局影響較小的AIS≤2分的損傷后，將同一區域內的多處嚴重損傷（AISgt;3分）均納入計算；其次將反映生理學指標的RTS評分中各項參數拆分后分別予以加權計算；再次，將年齡分組進行細化，由TRISS法的2組細分為5組，更能反映老年創傷患者的病理生理學特征；此外ASCOT法還進一步加大了GCS的權重系數，以反映顱腦損傷對創傷結局的顯著影響。因而，在預測嚴重創傷患者的創傷結局上，ASCOT法較TRISS法具有更高的準確性及特異性[32]。但ASCOT法的生存概率在計算過程中采用的是基于北美地區MTOS數據庫的權重系數，由于人群體質、經濟水平、傷情機制及創傷救治條件存在差異，這一權重系數可能并不符合國內創傷特征及體質，并且該模型計算過程較為繁瑣，因此使用價值不如TRISS高[33]。

2.3.3 Qemat、Femat評分" Morris RS等[7]于2019年提出該系列模型，Qemat包含收縮壓、脈搏、GCS、損傷類型、心臟功能、腎臟功能、肝硬化7類8項指標；Femat包含損傷類型、合并癥、收縮壓、脈搏、GCS、呼吸頻率6類26項指標。前者主要用于快速評估，幫助醫師在短時間內制定治療方案，同時幫助家屬決定是否需要轉運至其他救治中心；后者用于入院經影像學檢查后全面評估患者，將兩者結合使用可把握患者病情變化、決定治療方案。雖然該評分包含了較多的指標，但是現已開發出簡化計算過程的計算機軟件。但是該模型缺乏部分與老年相關的指標，如身體虛弱狀態、藥物服用史等，可能會產生相應的預測偏差[34，35]。目前該模型國內外研究較少，其使用價值有待進一步研究。

3其他模型

隨著對受傷機制、病理生理以及上述預測模型的研究不斷深入，許多研究也在不斷嘗試建立基于當地醫療特點的預測模型，展示出了良好的預測性能。李林芳[36]等利用急診室容易采集的收縮壓、SpO2和AVPU評分3項參數構建的模型靈敏度、特異度均較RTS優異。李科等[37]研究發現，年齡（≥62.5 歲）、血肌酐（≥77.37 mmol/L）、體溫（≤36.25 ℃）、氧合指數（≤253.5 mmHg）、GCS 評分（≤12.5 分）是創傷患者的獨立危險因素，基于此而形成的預測模型同樣有著較好的應用效果。此外，隨著網絡信息技術的快速發展，一些新穎的預測模型被開發了出來。Sanz J等[38]基于計算機軟件技術構建了包含TRISS、MPMN、c4.5決策樹在內的MCS預測系統。Christie SA等[39]構建了機器學習算法對傷后生存可能進行動態預測，這些新開發的基于機器學習的預測模型目前研究有限，并且由于不同國家或地區使用的創傷數據庫迥異，導致其在不同醫療系統之間的廣泛應用受到限制，期待有更多的大型臨床試驗對模型進行驗證以及對模型進行修正，達到預測能力和擬合度的優化[40，41]。

4總結與展望

創傷評分系統對于患者病情評估、采取適當治療方案、醫療資源合理分配意義重大。預測創傷患者在急診科的死亡風險始終是臨床實踐的重點。創傷患者特別是ISS評分gt;16分的嚴重創傷患者在遭受打擊后病情變化快且迅速，如果利用構成復雜、計算冗長、參數獲取困難的傳統評分預警模型無疑會影響其治療及臨床結局。因此，一種準確而又簡便的預測模型具有重要的臨床意義，這種模型最終的結果也許只是一個評分表或者軟件客戶端，但其應當是以醫學為主導的多學科交叉實踐。針對不同人群的特點、盡可能考慮地區差異和人群差異，進行模型系數或結構的調整來提高預測能力，形成使用簡便、預測準確、重復性好的模型才能最大限度指導臨床工作。此外，不能完全依靠預測模型判斷病情發展的可能，應將其和臨床醫師診療經驗相結合，反復持續評估才能更加有效的指導治療和護理。

參考文獻：

[1]童玉芬.中國人口的最新動態與趨勢——結合第七次全國人口普查數據的分析[J].中國勞動關系學院學報，2021，35（4）：15-25.

[2]Curtis E，Romanowski K，Sen S，et al.Frailty score on admission predicts mortality and discharge disposition in elderly trauma patients over the age of 65 y[J].The Journal of Surgical Research，2018，230：13-19.

[3]Khan M，Jehan F，Zeeshan M，et al.Failure to Rescue After Emergency General Surgery in Geriatric Patients： Does Frailty Matter？[J].The Journal of Surgical Research，2019，233：397-402.

[4]Lodge CJ，West RM，Giannoudis P，et al.What predicts mortality in the elderly patient presenting as a trauma call？ A report from a Major Trauma Centre[J].Journal of the Royal Colleges of Surgeons of Edinburgh and Ireland，2020，18（3）：142-149.

[5]Kozar RA，Arbabi S，Stein DM，et al.Injury in the aged： Geriatric trauma care at the crossroads[J].The Journal of Trauma and Acute Care Surgery，2015，78（6）：1197-1209.

[6]Ross SW，Adeyemi FM，Zhou M，et al.One-year mortality in geriatric trauma patients： Improving upon the geriatric trauma outcomes score utilizing the social security death index [J].The Journal of Trauma and Acute Care Surgery，2019，87（5）：1148-1155.

[7]Morris RS，Milia D，Glover J，et al.Predictors of elderly mortality after trauma： A novel outcome score[J].The Journal of Trauma and Acute Care Surgery，2020，88（3）：416-424.

[8]Calvo RY，Lindsay SP，Edland SD，et al.The differential associations of preexisting conditions with trauma-related outcomes in the presence of competing risks[J].Injury，2016，47（3）：677-684.

[9]張金慶.急診創傷患者的臨床特點及死亡相關因素分析[D].石家莊：河北醫科大學，2021.

[10]Duvall DB，Zhu X，Elliott AC，et al.Injury severity and comorbidities alone do not predict futility of care after geriatric trauma[J].Journal of Palliative Medicine，2015，18（3）：246-250.

[11]Ahl R，Phelan HA，Dogan S，et al.Predicting In-Hospital and 1-Year Mortality in Geriatric Trauma Patients Using Geriatric Trauma Outcome Score[J].Journal of the American College of Surgeons，2017，224（3）：264-269.

[12]翁友林，蔡昱，李祖濤，等.老年股骨轉子間骨折術后嚴重并發癥預測模型的構建及驗證[J].中國組織工程研究，2023，27（18）：2915-2920.

[13]Zhao FZ，Wolf SE，Nakonezny PA，et al.Estimating Geriatric Mortality after Injury Using Age， Injury Severity， and Performance of a Transfusion： The Geriatric Trauma Outcome Score [J].Journal of Palliative Medicine，2015，18（8）：677-681.

[14]Cook A，Osler T，Glance L，et al.Comparison of two prognostic models in trauma outcome[J].The British Journal of Surgery，2018，105（5）：513-519.

[15]Ravindranath S，Ho KM，Rao S，et al.Validation of the geriatric trauma outcome scores in predicting outcomes of elderly trauma patients[J].Injury，2021，52（2）：154-159.

[16]Meagher AD，Lin A，Mandell SP，et al.A Comparison of Scoring Systems for Predicting Short- and Long-term Survival After Trauma in Older Adults[J].Acad Emerg Med，2019，26（6）：621-630.

[17]Cook A，Weddle J，Baker S，et al.A comparison of the Injury Severity Score and the Trauma Mortality Prediction Model[J].The Journal of Trauma and Acute Care Surgery，2014，76（1）：47-52.

[18]Wang M，Wu D，Qiu W，et al.An injury mortality prediction based on the anatomic injury scale[J].Medicine，2017，96（35）：e7945.

[19]Jeong JH，Park YJ，Kim DH，et al.The new trauma score （NTS）： a modification of the revised trauma score for better trauma mortality prediction[J].BMC surgery，2017，17（1）：77.

[20]Prasad A，Thode HC，Singer AJ.Predictive value of quick SOFA and revised Baux scores in burn patients[J].Journal of the International Society for Burn Injuries，2020，46（2）：347-351.

[21]Singer AJ，Ng J，Thode HC，et al.Quick SOFA Scores Predict Mortality in Adult Emergency Department Patients With and Without Suspected Infection[J].Annals of Emergency Medicine，2017，69（4）：475-479.

[22]Jawa RS，Vosswinkel JA，Mccormack JE，et al.Risk assessment of the blunt trauma victim： The role of the quick Sequential Organ Failure Assessment Score （qSOFA）[J].American Journal of Surgery，2017，214（3）：397-401.

[23]Huang W，Yang P，Xu F，et al.Predictive value of qSOFA score for death in emergency department resuscitation room among adult trauma patients：a retrospective study[J].BMC Emergency Medicine，2021，21（1）：103.

[24]Miyamoto K，Shibata N，Ogawa A，et al.Prehospital quick sequential organ failure assessment score to predict in-hospital mortality among patients with trauma[J].The American Journal of Emergency Medicine，2019，37（12）：2165-2170.

[25]汪海洲，莊鑫.不同院前創傷評分對創傷性腦損傷患者傷后24h死亡的預測價值[J].中華實用診斷與治療雜志，2018，32（11）：1076-1079.

[26]蘇曉麗，董文剛，趙江寧，等.基于創傷嚴重度評分法創傷評分的護理管理模式在創傷患者中的應用效果[J].檢驗醫學與臨床，2022，19（6）：816-819.

[27]Podang J，Singhasivanon P，Podhipak A，et al.Primary verification： is the TRISS appropriate for Thailand？[J].The Southeast Asian Journal of Tropical Medicine and Public Health，2004，35（1）：188-194.

[28]Yousefzadeh-Chabok S，Hosseinpour M，Kouchakinejad-Eramsadati L，et al.Comparison of Revised Trauma Score， Injury Severity Score and Trauma and Injury Severity Score for mortality prediction in elderly trauma patients[J].Turkish Journal of Trauma amp; Emergency Surgery，2016，22（6）：536-540.

[29]Javali RH，Krishnamoorthy，Patil A，et al.Comparison of Injury Severity Score， New Injury Severity Score， Revised Trauma Score and Trauma and Injury Severity Score for Mortality Prediction in Elderly Trauma Patients[J].Indian Journal of Critical Care Medicine，2019，23（2）：73-77.

[30]施敏，馮杰，吳梓苗，等.APACHEⅡ與TRISS評分系統對急診重癥創傷患者預后預測的比較[J].浙江創傷外科，2012，17（5）：583-585.

[31]Wang CY，Chen YC，Chien TH，et al.Impact of comorbidities on the prognoses of trauma patients： Analysis of a hospital-based trauma registry database[J].PLoS One，2018，13（3）：e0194749.

[32]蔡華波，陸遠強，蔡秀軍，等.TRISS法和ASCOT法對重度創傷結局預測的比較[J].全科醫學臨床與教育，2003，1（1）： 25-27.

[33]De Munter L，Polinder S，Lansink KW，et al.Mortality prediction models in the general trauma population： A systematic review[J].Injury，2017，48（2）：221-229.

[34]Lauerman MH，Raithel M，Kufera J，et al.Comparison of individual and composite radiographic markers of frailty in trauma [J].Injury，2019，50（1）：149-155.

[35]Cardona-Morrell M，Chapman A，Turner RM，et al.Pre-existing risk factors for in-hospital death among older patients could be used to initiate end-of-life discussions rather than Rapid Response System calls： A case-control study[J].Resuscitation，2016，109：76-80.

[36]李林芳，胡化剛，徐峰，等.嚴重創傷患者急診預后預測模型及評分工具的構建[J].中華急診醫學雜志，2022，31（5）：592-597.

[37]李科，趙胤杰，侯驍，等.嚴重創傷預后預警評分系統的初步建立與評價[J].陸軍軍醫大學學報，2022，44（17）：1728-1735.

[38]Sanz J，Paternain D，Galar M，et al.A new survival status prediction system for severe trauma patients based on a multiple classifier system[J].Computer Methods and Programs in Biomedicine，2017，142：1-8.

[39]Christie SA，Conroy AS，Callcut RA，et al.Dynamic multi-outcome prediction after injury： Applying adaptive machine learning for precision medicine in trauma[J].PLoS One，2019，14（4）：e0213836.

[40]王雄偉，郁毅剛，姚猛飛，等.嚴重創傷患者死亡危險因素分析及生理學預警評分建立[J].創傷外科雜志，2022，24（10）：736-742，752.

[41]殷菲，劉云，沈勰.嚴重多發傷患者預后的影響因素研究及列線圖模型的建立和優化[J].中國全科醫學，2022，25（20）：2498-2506.

收稿日期：2022-11-09；修回日期：2022-11-30

編輯/成森