“警惕度梯度”：儿童重症监护领域十年来的不良事件趋势

《Coronary Artery Disease》：The Vigilance Gradient: Eleven Years of Adverse Event Trends in Pediatric Critical Care

　　**摘要（通俗语言总结）**

**目的：** 研究儿科重症监护病房（PCCU）中不良事件（AEs）的11年趋势，评估COVID-19大流行对患者安全的影响，并评估患者病情严重程度与AE严重程度之间的关联。

**设计：** 使用中断时间序列分析和混合效应多项式回归的回顾性队列研究。

**地点：** 从2013年1月到2023年12月，通过不良事件管理系统监测的单一中心PCCU。

**患者：** 在研究期间共有7290名危重和受伤的儿科患者被收治到PCCU。

**干预措施：** 无（观察性研究）。

**测量指标和主要结果：** 评估了患者人口统计学特征、住院时间（LoS）、结果以及AE的严重程度。基线AE发生率为每100例11.94起事件。在大流行开始时，AE发生率上升至每100例5.20起事件（p = 0.004），然后每季度下降0.81起事件（p = 0.010）。大流行后，发生率每季度增加1.94起事件（p = 0.009）。住院时间在大流行前每季度减少0.01天（p = 0.009），在大流行期间保持稳定，之后每季度增加0.25天（p = 0.033）。较高的儿科死亡率指数2分与较少的“近乎错误”事件和更多的“轻至中度/重度”（MinModSev）AE相关。机械通气（p = 0.039）和非机械通气（p = 0.015）均增加了“轻至中度/重度”AE的发生概率。

**结论：** 该PCCU在COVID-19期间AE发生率短暂上升，随后恢复，并在大流行后AE率和住院时间均上升。更高的疾病严重程度和呼吸支持与更严重的AE相关。这些发现强调了数据驱动的监测系统在医疗危机期间和之后维持患者安全的重要性。

**通俗语言总结：** 本研究回顾了7290名儿童在单一PCCU中的11年数据，以追踪不良事件（AEs），了解COVID-19如何影响患者安全，并探讨疾病严重程度与AE严重程度之间的联系。在COVID-19之前，AE发生率为每100例11.94起事件。大流行开始时，AE发生率上升了5.20起，随后逐渐下降，但在大流行后再次上升，同时住院时间也延长了。病情更严重的患者（较高的儿科死亡率指数2分）发生“近乎错误”事件较少，而“轻至中度/重度”AE较多。机械通气和非机械通气均增加了“轻至中度/重度”AE的发生概率，这突显了在危机期间和之后持续安全监测的必要性。

**常见问题解答：**
**问题：** 在儿科重症监护病房中对不良事件进行长期监测能否揭示时间趋势以及疾病严重程度与不良事件严重程度之间的关联？
**答案：** 这项为期11年的回顾性队列研究表明，较高的疾病严重程度和死亡率风险与较低的不良事件严重程度相关，显示出统计学上的“警戒梯度”。COVID-19大流行期间不良事件模式也发生了变化。这些发现表明，针对高风险儿科重症监护患者的风险分层警戒可能有助于减轻不良事件严重程度，并为制定有针对性的患者安全策略提供信息。

确保危重儿童的安全仍然是儿科重症监护的基石。尽管医学技术和治疗方案取得了显著进展，但不良事件（AEs）在这些高需求环境中仍构成重大挑战。儿科重症监护病房（PCCU）的密集医疗环境使患者面临更高的AE风险，范围从用药错误和程序并发症到感染和呼吸支持相关问题。这些事件不仅危及患者安全，还延长住院时间、增加医疗成本并恶化临床结果。了解不良事件的长期模式对于制定有针对性的干预措施至关重要，但儿科重症监护领域的全面纵向分析仍然有限。现有研究已确定PCCU中AE发生的主要原因，包括用药错误、操作失误和设备相关并发症，某些高风险患者群体（如手术患者和需要长期机械通气的患者）尤其脆弱。为应对这些挑战，医疗机构越来越多地采用标准化安全监测系统（如不良事件管理系统AEMS），以促进实时监测、标准化AE报告并支持主动的风险降低策略。然而，这些系统的长期有效性，尤其是在医疗危机期间，需要系统性的评估。COVID-19大流行对全球医疗系统进行了前所未有的压力测试，从根本上改变了临床工作流程和资源分配模式。这场全球危机使医疗资源紧张，并可能由于患者数量的增加、人员短缺和临床实践的快速变化而加剧AE发生率。虽然有研究表明大流行期间成人ICU群体的AE发生率升高，但PCCU的具体影响仍不明确。尽管引入了国家患者安全框架（如加拿大的“Never Events”列表），但关于儿科重症监护环境中长期AE趋势的机构级分析在文献中仍很缺乏。本研究旨在通过分析9年内PCCU报告的AE趋势来填补这一知识空白，特别关注AE频率、住院时间（LoS）、患者人口统计学特征、临床干预措施以及大流行期间和之后的变化。通过考察AE类型和频率随时间的变化（包括大流行提供的自然实验），我们试图为儿科重症监护中的患者安全提供可操作的见解。我们的发现基于现有知识，提供了首个涵盖全球医疗危机的长期AE趋势的全面分析，为提高护理质量和减少患者伤害提供了基于证据的基础。

### 方法
#### 研究地点和设计
本研究在加拿大安大略省伦敦市的伦敦健康科学中心的PCCU进行。该PCCU作为西南安大略地区的区域一级儿科创伤中心，为50,000多名儿科患者提供服务，服务范围涵盖190,000平方公里的区域。由于这是一项不涉及直接患者接触的二次数据分析，因此免除了同意书的签署要求，所有数据在分析前均已匿名处理。本研究获得了西安大略大学健康科学研究伦理委员会的审查和批准（批准编号123974；批准日期2024年1月4日；研究标题：“儿科重症监护病房（PCCU）患者不良事件的识别和趋势”）。鉴于回顾性设计和使用现有临床数据，研究伦理委员会免除了知情同意的要求。本研究的所有程序均符合负责的人体实验伦理标准及1975年《赫尔辛基宣言》的规定。

#### 数据收集和研究人群
我们收集了2013年1月至2023年12月共11年的数据，包括7,290名患者及其所有PCCU入院记录。AEMS于2012年9月在该机构启动，使我们的分析能够捕捉到从系统实施到研究开始期间的趋势。纳入标准包括研究期间的所有PCCU入院记录，未设置排除标准以确保全面评估。数据来自AEMS，这是一个用于追踪PCCU内安全事件的内部报告系统。AEMS是一个全院范围内的安全事件报告系统，适用于所有患者安全问题。报告是自愿的，但受到强烈鼓励，并融入了PCCU的安全文化中。所有工作人员（包括医生、护士、呼吸治疗师和辅助医疗专业人员）都可以提交报告，所有报告事件均经过既定的质量和安全流程审查。这确保了AEMS能够涵盖广泛的安全问题，尽管自愿报告可能导致某些事件的漏报。AEMS数据库是一个结构化的存储库，其中医疗提供者（包括医生、护士、呼吸治疗师和辅助医疗专业人员）记录了患者护理中发生的AE。AEMS报告包含详细信息，包括时间和空间信息、事件类型和类别、伤害发生情况、涉及人员、采取的干预措施以及与患者或其替代决策者的沟通情况。为了补充这些数据，机构的决策支持分析团队提取了患者级别的临床信息，包括人口统计学特征、入院日期、住院时间和出院结果。

### 不良事件分类
在AEMS框架内，AEs被分为四个严重程度级别：
1) “近乎错误”：未导致伤害的事件；
2) 轻微事件：未造成患者伤害的事件；
3) 中度事件：需要额外临床干预以减轻潜在伤害的事件；
4) 严重事件：导致患者伤害或病情急剧恶化的事件。

### 统计分析
使用频率和比例总结了分类变量。为了评估AE和住院时间的长期趋势，采用Autoregressive Integrated Moving Average（ITS）模型对季度数据进行中断时间序列（ITS）分析。时间线分为三个阶段：大流行前（2013年1月至2020年3月）、大流行期间（2020年3月至2023年12月）和大流行后（2022年3月至2023年11月）。总AE发生率以每100例PCCU入院次数表示，以便于解释和时间比较。ITS模型评估了每个时间段内AE和住院时间模式的变化（即时效应和趋势变化）。自相关函数指导了模型选择，并考虑了周期性变化。使用Ljung-Box卡方统计量和Dickey-Fuller检验分别评估了白噪声和稳定性。广义混合效应多项式回归模型研究了AE严重程度的预测因素，将其分为近乎错误、无需干预、需要干预和轻度至重度AE。在所有回归模型中，AE严重程度作为结果变量，预测因素作为固定效应，患者作为随机效应，采用具有随机截距的缩放身份协方差结构。预测因素包括时间段（大流行前、大流行期间、大流行后）、年龄类别（婴儿[0–1岁]、幼儿/学龄前[2–5岁]、学龄中期[6–11岁]、青春期[12–17岁]、结果（死亡、出院、转入住院病房、违背医疗建议转院）以及严重程度评分（儿科死亡率指数2 [PIM2]、儿科逻辑器官功能障碍 [PELOD]、九当量护理人力使用评分 [NEMS]）和临床干预措施（中心静脉导管、动脉导管、静脉注射药物、多重静脉注射药物、颅内压 [ICP] 监测、机械通气、非机械通气、双水平正压通气 [BiPAP]、持续正压通气 [CPAP]、高流量鼻导管；表1）。

### 结果
**呼吸支持模式与不良事件之间的关联及不同严重程度的儿科死亡率指数2分数分布**
| 呼吸支持类型 | OR (95% CI) | p |
|------------------|-------------------|-----------|
| 机械通气 | 2.85 (2.68–3.03) | < 0.001 |
| 非机械通气 | 1.11 (1.06–1.15) | < 0.001 |
| 双水平正压通气 | 0.998 (0.909–1.095) | 0.960 |
| 持续正压通气 | 0.998 (0.909–1.096) | 0.972 |
| 高流量鼻导管 | 1.007 (0.923–1.099) | 0.872 |

### 讨论
所有分析均使用SPSS 29版本（IBM Corp., Armonk, NY）进行，p值小于0.05被视为统计学上显著。

### 研究人群特征
研究人群的基线特征在补充表1（https://links.lww.com/CCX/B622）中进行了总结，提供了用于时间比较和风险因素分析的关键人口统计学和临床变量概述。

### 不良事件的时间趋势
大流行开始时，AE发生率立即增加了5.20起/100例（p = 0.004），比基线率11.94起/100例上升了44%。在此初始峰值之后，AE发生率每季度下降0.81起/100例（p = 0.010），最终在研究结束时恢复到大流行前的水平（图1）。大流行后，AEMS发生率每季度增加了1.94起/100例（p = 0.009）。

**图1：** COVID-19大流行前后儿科重症监护病房（PCCU）的季度不良事件（AE）发生率：中断时间序列分析。展示了2013年第一季度至2023年第四季度每100例PCCU入院的AE发生率（n = 7,290名患者）。红线表示观察到的季度AE发生率，蓝线表示自回归整合移动平均模型拟合值。垂直的绿色虚线划分了三个研究时期：疫情前（2013年1月-2020年3月）、疫情期间（2020年3月-2022年3月）和疫情后（2022年3月-2023年12月）。儿科重症监护病房（PCCU）的住院时长基线为3.50天。在疫情之前，住院时长每季度逐步减少0.01天（p = 0.009），这可能反映了护理效率和出院流程的改进。疫情期间，住院时长保持稳定，没有显著的变化趋势（p = 0.684）。然而，疫情后，住院时长每增加一个季度就显著增加0.25天（p = 0.033），这表明护理复杂性或资源分配模式发生了变化（图2）。

图2：COVID-19疫情前、期间和后儿科重症监护病房（PCCU）的平均住院时长：一项中断时间序列分析。从2013年第一季度到2023年第四季度的平均住院时长（天）显示在图中（n = 7290名患者）。红线代表观察到的平均住院时长，蓝线代表自回归积分移动平均模型拟合值。垂直的绿色虚线划分了三个研究时期：疫情前（2013年1月-2020年3月）、疫情期间（2020年3月-2022年3月）和疫情后（2022年3月-2023年12月）。

不良事件严重程度的预测因素
不良事件（AE）严重程度的分布在这三个COVID-19时期有所不同，详见补充表2（https://links.lww.com/CCX/B622）。多项式回归分析揭示了一些意外的发现。无论是在哪个COVID-19时期（p = 0.215），还是年龄类别（p = 0.369），都未能显著预测AE的严重程度，表明疫情相关的干扰并未从根本上改变患者所经历的伤害类型。同样，处置类别与AE严重程度也无显著关联（p = 0.811）。

警戒梯度现象
最值得注意的是，PIM2评分显著预测了AE的严重程度（p = 0.014），较高的PIM2评分与“MinModSev”事件的发生几率增加相关，相比“接近失误”事件。换句话说，PIM2评分较低的患者更可能经历“接近失误”的结果。这一发现可能反映了“警戒梯度”，即监测强度、患者生理储备的差异或这两者共同影响了AE严重程度的分布，而不是高风险患者中风险的真正降低。相比之下，PELOD评分（p = 0.210）和NEMS评分（p = 0.368）均未能预测AE的严重程度。为了进一步探讨呼吸支持是否反映了患者的实际病情严重程度，我们进行了额外的探索性分析，研究了PIM2评分与通气方式之间的关系。PIM2评分每增加1单位，接受机械通气的可能性增加2.85倍（95%置信区间，2.68–3.03；p < 0.001），接受非侵入性通气的可能性增加1.11倍（95%置信区间，1.06–1.15；表1）。

呼吸支持的保护作用
机械通气（p = 0.039）和非侵入性通气（p = 0.015）均与“MinModSev”事件的发生几率增加相关，相比“接近失误”事件，表明接受通气支持的患者发生“接近失误”结果的可能性较低。结合PIM2-通气分析的结果，这些发现表明，接受机械通气的患者代表了病情更严重的群体，而接受非侵入性通气的患者通过PIM2评分测量的病情严重程度并未相应提高（表1）。相反，其他常见的ICU干预措施，包括中心静脉导管（p = 0.502）、动脉导管（p = 0.952）、静脉注射药物（p = 0.493）、颅内压监测仪（p = 0.686）、BiPAP（p > 0.995）和CPAP（p > 0.995）并未显著预测AE的严重程度。

临床严重程度评分
PIM2、PELOD和NEMS评分在不同时间段的分布如表2所示，表明研究期间患者的病情严重程度相对稳定，这增强了时间趋势比较的有效性。

讨论
本研究首次提供了近乎十年来PCCU中AE趋势的全面纵向分析，包括了前所未有的COVID-19医疗危机。我们的发现提供了三个对儿科重症监护实践和政策具有重大影响的关键见解：COVID-19的影响（危机适应和医疗系统的韧性）、警戒梯度（一种新的患者安全现象）以及呼吸支持作为安全措施的作用。

COVID-19的影响：危机适应和医疗系统的韧性
疫情爆发时AE发生率的显著增加（5.20例/100例；p = 0.004）与研究表明危机期间医疗系统负担加重的结果一致。这一比基线高出44%的激增可能反映了资源重新分配、人员配置挑战以及疫情响应中快速调整协议所带来的直接影响。然而，此后每季度AE发生率持续下降0.81例/100例（p = 0.010），表明医疗系统逐渐适应了这些变化。这种改善不能仅仅归因于协议或指南的制定，这些趋势可能反映了多因素的作用，包括人员配置的稳定、工作流程的正常化、经验学习和护理过程的迭代改进，因为团队适应了持续的危机状况。我们的发现表明，一旦危机初期阶段过去，疫情期间并非AE严重程度的显著预测因素（p = 0.215），这表明虽然AE频率最初有所增加，但这些事件的根本性质和影响保持不变。这种稳定性可能反映了系统层面适应的累积效应，而不仅仅是任何单一干预措施的结果，包括但不限于有针对性的安全措施或正式化的协议。观察到的趋势与成人重症监护环境中的情况相似，在那里资源限制和压力水平的提高最初导致了不良结果，但随着时间的推移，系统表现出适应性。在儿科患者中，观察到的变化也可能反映了就医行为的改变。疫情初期，由于家庭避免去医院，直到病情严重到需要紧急护理，因此可能出现延迟就医的情况。这种趋势可能导致较高的AE发生率，因为患者在疾病后期出现时病情更加严重。与此同时，医疗提供者适应了不断变化的协议和工作流程；然而，疫情后AE发生率仍然增加，这表明系统压力和护理动态的变化可能增加了这一时期的患者安全风险。

警戒梯度：一种新的患者安全现象
我们最显著且具有临床意义的发现是“警戒梯度”的识别。由于在回归分析中AE严重程度被视为分类结果，“接近失误”事件被用作参考类别。结果显示，较高的PIM2评分与较少的接近失误事件相关，反映了高病情患者中更严重的AE。相比之下，低病情患者接受到的监测较少，因此经历更多的接近失误事件。因此，“警戒梯度”反映了监测和关注度的差异，而不是高风险患者中风险的真正降低。另一种解释是，高病情患者的生理储备较低，因此任何AE都更可能导致可测量的伤害，而不是接近失误。在这种情况下，PIM2评分较高的患者中接近失误事件频率较低可能反映了患者适应力的降低，而不是或加上临床警戒力的提高。重要的是，我们的数据无法区分这种模式是否代表了总体AE频率的真正降低，还是从接近失误事件向MinModSev类别的转变。因此，提高的警戒力和较低的生理储备都是可能的机制。我们对呼吸支持方式的探索性分析为这一现象提供了额外的背景。PIM2评分与机械通气之间的强烈关联证实，接受机械通气的患者被适当地归类为病情更严重的群体，支持了警戒梯度主要由基础疾病严重程度驱动的解释。相比之下，PIM2与非侵入性通气之间的较弱关联表明，NIV经常用于预测死亡率风险并未显著增加的患者。一个合理的解释是，PIM2评分较低的患者更可能经历“接近失误”事件，他们可能接受到的监测和关注较少，从而增加了发生较轻微但仍然具有临床意义的AE的风险。这一发现对PICU的风险分层和资源分配具有重要意义，表明当前的监测协议可能需要重新校准，以确保中度风险患者得到足够的监测，以防止病情恶化为更严重的AE。PELOD评分（p = 0.210）或NEMS评分（p = 0.368）与AE严重程度之间没有显著关联，进一步支持了这一解释。虽然PELOD反映了器官功能障碍的严重程度，NEMS反映了护理工作量，但两者似乎都不影响可能导致警戒梯度效应的密集监测模式。

呼吸支持作为安全措施
机械通气（p = 0.039）和非侵入性通气（p = 0.015）与“MinModSev”事件相比“接近失误”事件的发生几率增加相关，这是一个具有临床意义的发现。结合PIM2-通气的相关性，这些结果表明，机械通气的观察到的关系反映了患者的实际病情程度，而非侵入性通气的关联可能反映了实践中低病情患者在接受NIV时，并没有相应增加的预测死亡率风险。这并不表明有保护作用，而可能表明需要呼吸支持的患者病情更为严重，因此面临更高的AE风险。这些发现强调了所有高风险儿科重症监护干预措施都需要警惕的监测和结构化的护理协议，而不仅仅是涉及呼吸支持的干预措施。其他常见ICU干预措施与AE严重程度之间缺乏关联可能反映了这些程序通常是在既定协议下进行的，有助于减少相关的伤害。然而，呼吸支持的具体保护作用需要进一步研究，以确定可转移的安全原则。

住院时长的动态和医疗系统的适应
观察到的住院时长模式为危机期间医疗系统的适应提供了额外的见解。疫情前的住院时长趋势缩短（每季度减少0.01天；p = 0.009）可能反映了持续的护理优化和出院效率的提高。疫情期间的稳定性表明，尽管最初出现了中断，但核心的患者流动流程得以维持。疫情后的住院时长增加（每季度增加0.25天；p = 0.033）可能反映了几个因素：患者复杂性的增加、疫情后更为保守的出院实践，或资源重新分配对出院规划过程的影响。这一趋势需要继续监测，以确保它代表了深思熟虑的护理适应，而不是效率低下。

更广泛的背景和文献整合
我们的发现有助于加深对儿科重症监护中AE模式的理解。在这些环境中，AE仍然是一个持续的挑战，因为护理复杂性本身增加了并发症的可能性。由于发育生理和特殊干预需求，儿科患者的独特脆弱性使得AE预防尤为重要。先前的研究发现，62%的儿科重症监护患者至少经历了一次AE，其中导管并发症、无法控制的疼痛和气管导管位置不当最为常见。我们的发现通过提供纵向视角和识别影响AE严重程度的因素，补充了这些工作。疫情对儿科医疗的影响超出了COVID-19本身的影响，影响了就医行为和医疗服务的提供方式。我们的研究提供了医疗系统韧性和适应性的定量证据，为未来的危机准备提供了宝贵的见解。

临床意义和未来方向
这些发现对PCCU管理多个领域具有立即的实际应用价值。虽然观察到的时间趋势表明医疗系统可以适应危机相关的压力，但我们提醒不要将这些改进归因于任何单一策略，如协议制定或快速响应的实施。快速响应协议可能是减轻危机初期AE激增的一种潜在方法；然而，其有效性和可行性高度依赖于机构背景、可用资源、人员配置模型和基础安全基础设施。医疗系统应预期危机期间的初始AE激增，并实施快速响应协议，以最小化持续时间和影响，借鉴COVID-19适应策略中的经验教训。警惕性梯度的识别表明，目前的监测强度算法可能需要重新校准，以确保对中度风险患者的充分监测。这些患者可能因为感知敏锐度的降低而出现“监测缺口”。未来的研究应通过多中心研究来验证这些发现，并通过详细的过程分析探索警惕性梯度的机制基础，同时研究特定的监测方案，以产生可操作的干预措施，从而广泛应用于临床实践。一个重要的未来研究方向是系统地描述和评估儿科重症监护中的不良事件（AE）监测系统。专门的方法学工作，包括描述AEMS平台的开发、实施和改进过程（如临床意义的AE定义、数据采集流程及经验总结），可以为其他希望建立稳健的AE监测系统并寻找有针对性的质量改进机会的机构提供实用框架。

**研究局限性**
需要考虑几个局限性。作为单中心回顾性分析，结果可能无法完全推广到具有不同患者群体、资源或护理模式的机构。然而，我们机构作为服务于广大辖区的区域创伤中心，增强了研究的外部有效性。依赖于AEMS数据可能会低估真实的AE发生率，因为自愿报告系统中存在明显的报告不足现象（47–49）。不过，这一局限性在不同时间段内是一致的，因此不会影响趋势分析的有效性。观察性设计限制了因果推断的能力，但ITS方法增强了我们将变化归因于时间因素（尤其是疫情期间）的能力。重要的是，本研究并未直接测量监测或监督的强度，而是基于已建立的ICU实践模式、患者敏锐度评分（包括PIM2）以及重症监护干预的负担来推断监测差异。未来的研究应在多中心研究中验证这些发现，并通过详细的过程分析探索警惕性梯度的机制基础。研究特定推动保护效果的监测方案可能产生可操作的干预措施，从而实现更广泛的 application。

**结论**
本研究表明，疫情后儿科重症监护系统的AE发生率有所增加，反映了系统压力和护理动态的变化。新发现的“警惕性梯度”表明，高敏锐度的患者发生近似错误事件的概率较低，这突显了患者敏锐度对监测强度的影响，并对风险分层的安全策略具有重要意义。呼吸支持与更严重事件发生概率的增加相关，说明需要系统化的护理方法来确保所有高风险患者群体的充分监测并可能改善安全性结果。这些发现为儿科重症监护中的危机准备、风险分层监测和有针对性的安全干预提供了基于证据的框架。最重要的是，这项研究为儿科重症监护单元（PCCU）的管理者和临床医生提供了可操作的情报：危机准备方案应预判并规划初始的AE激增；监测强度算法可能需要重新校准以解决中度风险患者的潜在监测缺口；来自呼吸治疗的成功安全方案值得进行系统分析并推广应用。随着儿科重症监护的不断发展，这些见解为基于证据的改进提供了基础，有助于提高患者安全、加强危机准备并优化最脆弱患者的治疗效果。