基于決策樹構建胸痛患者院內(nèi)心臟驟停早期預警模型

龔海蓉，吳婷婷,2，鄭若菲，李紅

中國急診就診人數(shù)十年增加了170%[1]，其中胸痛患者比例高達4.7%[2]。患者數(shù)量的增加勢必導致急診科擁擠和治療延遲，最終導致患者臨床風險甚至是病死率增加[3]。由于急診醫(yī)療資源有限，準確鑒別高危患者并制定快速反應系統(tǒng)是胸痛患者有效風險管理的策略。以往研究證明，心臟驟停發(fā)生前數(shù)小時患者表現(xiàn)出某些臨床特征的變化，基于此構建早期預警模型能夠預測心臟驟停的發(fā)生[4-8]，但針對胸痛患者發(fā)生心臟驟停的早期預警模型鮮見報道[9]。由5個指標首字母構成的HEART評分，即病史(History)、心電圖(Electrocardiograph)、年齡(Age)、危險因素(Risk factor)、肌鈣蛋白(Troponin)[10]，全球急性冠狀動脈事件注冊(Global Registry of Acute Coronary Events,GRACE)評分[11]和心肌梗死溶栓治療危險評分(Thrombolysis in Myocardial Infarction, TIMI)[12]是常用的預測胸痛患者心血管不良事件的評估工具，但其對心臟驟停預測效能有待進一步驗證。近年來，大數(shù)據(jù)和人工智能在醫(yī)學領域的應用，為風險預測模型和臨床診斷帶來更先進的科學技術，同時為臨床醫(yī)護人員的醫(yī)療決策提供支持依據(jù)[13]。決策樹作為一種機器學習算法，運用遞歸劃分特征的原理將目標分為不同類別以構建樹的模型。Goto等[14-15]應用決策樹預測院外心臟驟停的預后，預測指標與心臟驟停之間的關系邏輯清晰、結果直觀、容易理解。因而本研究基于決策樹構建胸痛患者心臟驟停的早期預警模型，并將所構建的模型與HEART評分、GRACE評分及TIMI評分進行對比，旨在為急診科醫(yī)護人員提供一種準確、直觀的早期預警模型。

1 資料與方法

1.1一般資料 采用病例對照研究法，選取2017年1月1日至2019年12月31日福建省某三級甲等綜合性醫(yī)院急救中心搶救室以“急性非創(chuàng)傷性胸痛”為主訴入院的3 146例患者為研究對象。其中病例組為在入院治療期間發(fā)生心臟驟停的胸痛患者，對照組選擇同期入院治療但未發(fā)生心臟驟停的胸痛患者。納入標準：年齡≥18歲；心源性胸痛，被首診醫(yī)生懷疑為急性冠脈綜合征(Acute Coronary Syndromes,ACS)。排除標準：入院時已明確診斷為急性冠脈綜合征；主動脈夾層、病毒性心肌炎等導致的心源性胸痛；帶狀皰疹、急性胰腺炎、胃食管反流、肋間神經(jīng)炎等導致的非心源性胸痛；合并嚴重感染、腫瘤或其他臟器衰竭等疾病；資料不完整。心源性與非心源性胸痛的診斷標準參照《胸痛規(guī)范化評估與診斷中國專家共識》[16]。

1.2方法

1.2.1成立研究小組 組建研究小組團隊，共7名成員，其中2名急危重癥護理專家和1名急診醫(yī)學專家，2名護理專業(yè)碩士和2名護理專業(yè)大專實習生。在急危重癥護理專家和急診醫(yī)學專家的指導下，研究小組成員對本研究涉及的各項指標均有統(tǒng)一和準確的認識。

1.2.2資料收集方法 研究小組成員從急診科電子病歷系統(tǒng)調(diào)取研究期間以“胸痛、胸悶”或“胸痛待查”入院的患者，嚴格按照納入和排除標準，查閱每份胸痛患者的病歷資料。病例組的病歷應有心臟驟停的搶救記錄；對照組根據(jù)病例組心臟驟停發(fā)生的日期以頻數(shù)1∶2的比例，根據(jù)入院先后順序進行排序，在Excel產(chǎn)生隨機數(shù)，選取心臟驟停發(fā)生當天或前后2 d同在搶救室治療的未發(fā)生心臟驟停的患者。對照組進行日期匹配的目的是排除季節(jié)和天氣變化以及急診科人力資源的影響。最終，以急性非創(chuàng)傷性胸痛為主訴就診并進入搶救室治療的患者3 146例，排除非心源性胸痛患者605例、就診時已明確診斷為急性冠脈綜合征的患者192例、由于主動脈夾層和病毒性心肌炎等其他心源性胸痛134例，在符合納入與排除標準的患者中，發(fā)生心臟驟停的患者71例，根據(jù)1∶2的比例隨機選取同期未發(fā)生心臟驟停的患者142例作為對照。

1.2.3調(diào)查內(nèi)容 研究小組成員在文獻分析、小組討論的基礎上自制《急診科胸痛患者發(fā)生心臟驟停資料收集表》，包含患者的一般資料(年齡、性別、入院日期、入院時間、身高、體質(zhì)量、入院方式等)；急性冠脈綜合征危險因素(家族史、高血壓病、糖尿病、吸煙史、肥胖及危險因素的個數(shù))；現(xiàn)病史(胸痛的性質(zhì)、持續(xù)時間、發(fā)病至就診時間、Killip分級、首次監(jiān)測生命體征、是否有院前心臟驟停、急性心力衰竭等并發(fā)癥),其中胸痛分為典型胸痛(運動相關性胸痛或呼吸困難；疼痛可放射至手臂、肩部、頸部等；伴有發(fā)汗)和非典型胸痛(吸氣可導致疼痛加重，觸診會引起疼痛)；首次心電圖檢查(QT間期、QTc間期、ST段是否改變等)；首次監(jiān)測的實驗室指標[B型腦力肽(Brain Natriuretic Peptide, BNP)、心肌肌鈣蛋白I(Cardiac Troponin I, cTnI)、血肌酐(Serum Creatinine,SCr)、肌酸激酶(Creatine Kinase, CK)、肌酸激酶同工酶(Creatine Kinase Isoenzyme-MB,CKMB)等]。此外，根據(jù)收集的指標和評分標準計算HEART評分[10]、GRACE評分[11]、TIMI評分[12，17]。

2 結果

2.1病例組與對照組各指標比較 見表1。

2.2預測胸痛患者發(fā)生心臟驟停的決策樹模型 采用決策樹算法對采集的所有指標進行分析，構建心臟驟停的早期預警模型，結果見圖1。決策樹共有3層，5個節(jié)點，舒張壓、Killip分級、cTnI、胸痛持續(xù)時間和CK是心臟驟停的預測指標，決策樹模型的分類規(guī)則見表2。

表2 決策樹模型分類規(guī)則

2.3決策樹模型的效果評價 決策樹模型AUC為0.893(95%CI:0.847～0.939)。用Calibration圖表示模型的一致性，平均絕對誤差為0.016，一致性較好。采用十折交叉驗證模型，結果顯示決策樹模型較為穩(wěn)定，預測效能依然較高，與建模組的結果相似，AUC為0.882(95%CI：0.722～0.997)。決策樹模型與GRACE評分、HEART評分、TIMI評分進行比較，結果顯示，決策樹模型的AUC高于上述3個評分，其他評價指標也表現(xiàn)出明顯的優(yōu)勢，見表3。采用Delong檢驗對AUC進行兩兩比較，結果顯示決策樹模型的AUC顯著高于TIMI 評分(d=2.421,P=0.016)和HEART評分(d=2.875,P=0.004)，但與GRACE評分的差異不具有統(tǒng)計學意義(d=1.404,P=0.161)。

表3 決策樹模型與GRACE評分、TIMI評分和HEART評分的各項評價指標

3 討論

3.1胸痛患者發(fā)生心臟驟停的預測指標分析 本研究構建的決策樹模型共包含5個指標，即舒張壓、Killip分級、胸痛持續(xù)時間、cTnI和CK。研究發(fā)現(xiàn)，舒張壓而非收縮壓能夠預測心臟驟停，這與Churpek等[18-19]、Faxén等[20]的研究結果相似，冠狀動脈供血主要發(fā)生于心臟舒張期，當舒張壓較低時導致冠狀動脈血供不足，更容易發(fā)生心血管不良事件。但我們前期采用多元Logistic回歸分析普通病房和ICU的急性冠脈綜合征患者的研究發(fā)現(xiàn)，無論是收縮壓還是舒張壓都不能預測心臟驟停的發(fā)生，而如果將收縮壓和脈搏組合成的休克指數(shù)(收縮壓/脈搏)具有較強的預測能力[21]，可能與本研究對象為急性非創(chuàng)傷性胸痛，與急性冠脈綜合征患者存在差異有關。Killip分級、cTnI是心源性胸痛患者的特異性指標，Li等[4]也發(fā)現(xiàn)這2個指標是心臟驟停預測因子，Killip分級越高代表心功能越差，而cTnI在一定程度上可以反映心肌損傷程度，cTnI值越高，心肌損傷越嚴重。但本研究除了cTnI外還包含CK，這兩者都是心肌損傷標志物，可能與本研究在指標收集時間點上存在差異有關。研究單位的胸痛中心要求在接診后5 min內(nèi)檢測患者的CK，而cTnI是患者進入搶救室時采集的生化檢測標本，這兩者之間存在時間差。但值得注意的是，本研究結果顯示在其他條件不變的情況下，CK≥150 U/L比<150 U/L發(fā)生心臟驟停的危險性更小，這可能與CK本身的特異性不足，CK升高除了心肌梗死外，還可見于心肌炎、骨骼肌損傷或者藥物影響等；其次，由于本研究樣本量較小，今后需要進一步擴大樣本量，探討其預測效能。

另外，預測模型包含胸痛持續(xù)時間是本研究的新發(fā)現(xiàn)，以往研究顯示胸痛持續(xù)時間與急性心肌梗死的發(fā)生相關，在其他條件不變的情況下，胸痛持續(xù)時間<24 h或>7 d發(fā)生心臟驟停的危險性為31%，而胸痛持續(xù)時間為24 h至7 d，其危險性為91%。Solomon等[22]的結果顯示，胸痛持續(xù)時間20～59 min比<20 min發(fā)生急性心肌梗死的可能性更大。胸痛持續(xù)時間<1 min或≥24 h，是發(fā)生急性心肌梗死和6周內(nèi)發(fā)生心血管不良事件陰性預測指標，而胸痛持續(xù)時間>60 min對于確診急性心肌梗死的作用不大[23]。這與本研究的結果既相似又有區(qū)別，本研究的結局指標是心臟驟停而不是急性心肌梗死，急性心肌梗死是導致心臟驟停的重要病因，但不僅限于此。胸痛持續(xù)時間為24 h至7 d與<24 h和>7 d組相比發(fā)生心臟驟停危險性更高的原因可能是：①胸痛持續(xù)時間<24 h的患者從發(fā)病到急診科救治的時間較短，患者胸痛發(fā)生后能得到及時有效的救治，迅速緩解心肌缺血，可以最大程度地減少不良事件的發(fā)生；②胸痛持續(xù)時間>7 d的患者，可能是由于在胸痛發(fā)生后可以通過短暫休息暫時緩解癥狀，導致就醫(yī)延遲。

3.2決策樹模型與HEART評分、GRACE評分和TIMI評分的比較 本研究結果顯示，在預測胸痛患者發(fā)生心臟驟停的效能依次為：決策樹模型、GRACE評分、TIMI評分、HEART評分。多項研究表明，HEART評分對急性胸痛患者發(fā)生心血管不良事件的預測能力明顯優(yōu)于TIMI評分和GRACE評分[24-25]，被認為是目前急診科胸痛患者最好的風險評估工具[10]。Sakamoto等[25]比較這3個評分預測胸痛患者30 d心血管不良事件的發(fā)生情況，結果顯示，GRACE評分、TIMI評分和HEART評分的區(qū)分能力(c -統(tǒng)計量)分別是0.62、0.65、0.78，與本研究的結果不一致。導致研究結果不一致的原因可能是：①這3個評分常用結局指標是一個復合指標——心血管不良事件，包含心肌梗死、冠狀動脈介入治療、冠狀動脈搭橋術、冠狀動脈狹窄、心臟驟停、全因性死亡等[26]，但心臟驟停在心血管不良事件這一復合指標中所占的比重較小，不能將對心血管不良事件的研究結果直接推廣至心臟驟停，因而本研究首次在胸痛患者中比較了這3個評分對心臟驟停預測效能的大小。②一項Meta分析顯示，HEART評分能準確識別出低風險的胸痛患者，讓其安全出院，對于高風險胸痛患者的預測能力還有待進一步提高[27]。而本研究的結局指標是心臟驟停，屬于高風險，從某種程度上說與以往的研究結論不存在分歧，這正好解釋了HEART評分在本研究中表現(xiàn)欠佳的原因。

3.3決策樹模型對預測胸痛患者發(fā)生心臟驟停的科學性、可行性和實用性分析 本研究的決策樹模型在AUC、靈敏度、特異度等評價指標上明顯優(yōu)于GRACE評分、TIMI評分和HEART評分，與TIMI評分和HEART評分的差異具有統(tǒng)計學意義，而與GRACE評分的差異不具有統(tǒng)計學意義。其原因可能與模型構建的統(tǒng)計學方法上存在較大差異，這3個評分表均采用傳統(tǒng)的方法構建，HEART評分是基于研究者的臨床經(jīng)驗和醫(yī)學文獻[10]；GRACE評分和TIMI評分的統(tǒng)計學方法是應用多元Logistic回歸分析[17]，由于專家意見法過于主觀且證據(jù)等級較低，Logistic回歸識別群體間的差異，對特征數(shù)量有所限制，難以精準預測個體的發(fā)病情況，沒有考慮到指標之間的聯(lián)合作用。而決策樹屬于機器學習的一種，它能自動分析多元復雜、異質(zhì)性、隨時間不斷變化的數(shù)據(jù)，識別個體間的差異，自動挖掘特征之間的最優(yōu)化組合，從而提高預測模型的準確性[13]。決策樹充分考慮了指標之間的相互作用，如當舒張壓<70 mmHg，cTnI≥0.03 μg/L時可以直接預測發(fā)生心臟驟停的風險性為88%；當舒張壓<70 mmHg，cTnI<0.03 μg/L時，需要考慮CK值才能作出判斷。一篇系統(tǒng)綜述比較了支持向量機、決策樹、隨機森林、神經(jīng)網(wǎng)絡等多種機器學習算法對心臟驟停的預測效能，結果得出支持向量機的AUC最大，對于心臟驟停的預測能力最佳[28]。但支持向量機、隨機森林、神經(jīng)網(wǎng)絡等機器學習算法是一個“黑箱”，只能獲得最終的預測結果，不產(chǎn)生具體的參數(shù)模型，不利于醫(yī)護人員判斷患者發(fā)生心臟驟停的原因，從而影響干預措施的制定，這些機器學習模型要應用于臨床還有很長的距離。而決策樹模型的優(yōu)勢在于其結果直觀、可解釋性，本研究的決策樹模型包含了5個指標，各指標之間并不是獨立的，決策樹充分展現(xiàn)了指標之間的邏輯關系，決策樹模型結構簡單，一目了然，容易被醫(yī)護人員理解和使用，且預測心臟驟停的準確性更高。

4 小結

本研究采用決策樹算法構建胸痛患者心臟驟停的風險預測模型，決策樹共包含3層，5個節(jié)點，舒張壓、Killip分級、cTnI、胸痛持續(xù)時間和CK是心臟驟停的預測指標。決策樹模型的內(nèi)部一致性較好；預測準確性較高，預測價值高于GRACE評分、TIMI評分、HEART評分；決策樹模型結果直觀、邏輯清晰，可作為醫(yī)護人員對胸痛患者風險管理的決策依據(jù)。為了便于進一步的臨床推廣與應用，今后應開展決策樹模型的外部驗證，以及制定決策樹模型的臨床使用路徑圖，識別潛在高危的心臟驟停患者，并制定快速反應干預方案，有利于有限急診資源的優(yōu)化配置。