风险分层模型为住院期间临床病情恶化的高风险患者提供事前预警，可以帮助医护团队管理资源，包括干预措施、病床和人员配置。2022年2月，美国学者发表在《BMJ》的模型开发和多地区外部验证研究，旨在早期识别具有临床恶化风险的新冠肺炎住院患者。

目的：旨在利用电子健康记录数据，通过使用新的模型开发和代码共享范例，创建和验证一个简单和可转移的机器学习模型，用于精确预计各机构新冠肺炎患者临床恶化。

设计：回顾性队列研究。

地点：2015~2021年，选用1家医院用于模型训练和内部验证。2020~2021年，在美国12个其他医疗中心对新冠肺炎住院患者进行外部验证。

参与者：因呼吸窘迫或新冠肺炎住院的33119名成人（≥18岁）。

主要结局测量指标：基于开发队列训练一个线性模型集合，以预计住院后前5天内临床恶化的复合结局，结局定义为院内死亡率或表明病情严重的三种治疗方法之一：机械通气、加热式高流量鼻套管或静脉血管加压素。模型基于从电子健康记录的2686个现有变量中选择出的9个临床和个人特征变量。使用受试者工作特性曲线下面积（AUROC）和预期校准误差（预计风险和实际风险的差异）进行内部和外部验证。如果模型确定的低风险患者提前出院，那么通过计算医院可为每位患者节省多少床位日来评估潜在节省的床位日。

结果：13个医疗中心的9291名新冠肺炎相关住院用于模型验证，其中1510人（16.3%）用于评估主要结局。当模型用于内部验证队列时，实现了0.80（95% CI，0.77~0.84）的AUROC和0.01（95% CI，0.00~0.02）的预期校准误差。当在12个外部医疗中心（AUROC范围，0.77~0.84）、各年龄、性别、民族、种族亚组（范围，0.78~0.84）、各四分位距（范围，0.73~0.82）进行验证时，性能一致。使用该模型对低风险患者进行分类，提前出院可能会为每位患者节省7.8的床位日。

结论：为了应对新冠肺炎疫情，在单中心迅速开发了预测临床恶化的模型，并在没有共享数据的情况下对外应用，在多个医疗中心、患者亚组和时间节点的表现都很好，表明其有潜力成为优化医疗资源使用的工具。

（选题审校：姜丹 编辑：丁好奇）
（本文由北京大学第三医院药剂科翟所迪教授及其团队选题并审校，环球医学资讯编辑完成。）

参考资料：
BMJ. 2022 Feb 17;376:e068576.
Early identification of patients admitted to hospital for covid-19 at risk of clinical deterioration: model development and multisite external validation study
https://pubmed.ncbi.nlm.nih.gov/35177406/