Προγνωστικά εργαλεία επιβίωσης σε ασθενείς με τραύμα

Abstract

Trauma prediction models are well-established tools of modern comprehensive trauma systems to credibly adjust the risk of mortality and evaluate the quality of trauma care. However, great caution should be exercised when applying models in different trauma population than that being original studied on account of clear evidence of deterioration in their performance.The aim of this study was to externally validate the Trauma and Injury Severity Score (TRISS) and the International Classification of Diseases - Injury Severity Score (ICISS) and compare their prognostic performance with local versions derived from Greek trauma population. In addition, we compare the performance of various anatomic and physiological trauma - scoring systems to determine which of these most accurately predicts in-hospital mortality in our setting.This is a retrospective cohort study of admitted trauma patients conducted in two tertiary Greek hospitals from January 2015 to December 2019. Patient identification was performed by searching through the hospital information database for admittance and discharge diagnoses consistent with injury as given by the 10th version of International Classification of Diseases. Data were retrospectively extracted from medical records of eligible patients and split temporally or geographically into derivation and validation cohort. The probability of survival for each trauma patient was calculated using the original and revised coefficients for TRISS or survival risk ratios for ICISS and their local counterparts derived from derivation cohort. The patients were also assigned a value based on Injury Severity Score (ISS), New Injury Severity Score (NISS), Exponential Injury Severity Score (EISS), Revised Trauma Score (RTS), New Trauma Score (NTS) and Mechanism - Glasgow Coma Scale, Age, and Systolic Blood Pressure (M-GAP). The primary outcome was in-hospital mortality. Models’ prediction was performed using discrimination and calibration statistics.The original TRISS displayed excellent discrimination with an area under the curve (AUC) of 0,912 (95% CI 0,895 - 0,929) and comparable with its revised version (AUC = 0,908, 95% CI 0,889 - 0,926, p = 0,4757) in the validation cohort. Calibration of both versions was poor (Hosmer–Lemeshow test p < .001), tending to underestimate the probability of mortality across almost all risk groups. The AUC for ICISS was 0,817 (95% CI 0,798 - 0,837) in the validation cohort. Calibration was poor using the Hosmer-Lemeshow test (p < .05), but visual analysis showed accurate prediction at patients with low mortality risk, especially below 30%. Recalibration of both models resulted in substantial improvements in discrimination (AUC = 0,929, 95% CI 0,914 - 0,944, p < .001 for TRISS και AUC = 0,834, 95% CI 0,814 - 0,854, p < .001 for ICISS) and excellent calibration. Modification of both models was also conferred additional benefit in their performance. The GAP discriminated and calibrated better than others novel and traditional physiological trauma-scoring systems (AUC = 0,870 95% CI 0,853 - 0,886 vs AUC = 0,862 95% CI 0,845 - 0,880 for MGAP, AUC = 0,851 95% CI 0,830 - 0,872 for NTS και AUC = 0,795 95% CI 0,771 - 0,820 for RTS). Among anatomical models ISS (AUC = 0,899 95% CI 0,886 - 0,913) perform as well as NISS (AUC = 0,895 95% CI 0,882 - 0,909) and EISS (AUC = 0,894 95% CI 0,880 - 0,908).The study performs an external validation of nine injury scoring systems for prediction of mortality in a Greek trauma population. The optimal choice of physiological or anatomical models should be able to strike a balance between accuracy in quantifying injury severity and feasibility in implementation. Therefore, there is a need for national consensus on which model is most appropriate in predicting mortality in our country.

Οι βαθμολογίες κατάταξης τραύματος αποτελούν αναπόσπαστο συστατικό των σύγχρονων και ολοκληρωμένων συστημάτων διαχείρισης τραύματος για την εκτίμηση της τελικής έκβασης του ασθενή και την αξιολόγηση της ποιότητας της παρεχόμενης φροντίδας. Η εφαρμογή τους όμως σε διαφορετικούς πληθυσμούς από εκείνους στους οποίους αρχικά αναπτύχθηκαν, απαιτεί μεγάλη προσοχή λόγω μείωσης της προγνωστικής τους επίδοσης.Ο σκοπός της παρούσας έρευνας είναι η αξιολόγηση της επίδοσης της Trauma and Injury Severity Score (TRISS) και της International Classification of Diseases - Injury Severity Score (ICISS) στην πρόβλεψη της τελικής έκβασης του ασθενή και η σύγκριση τους με τις εγχωρίως επαναβαθμονομημένες εκδοχές τους που προήλθαν από Έλληνες ασθενείς με τραύμα. Επιπλέον, έγινε συγκριτική αξιολόγηση των κυριότερων ανατομικών και φυσιολογικών συστημάτων βαθμολόγησης τραύματος για να προσδιορίσουμε ποιο από αυτά προβλέπει με μεγαλύτερη ακρίβεια την θνησιμότητα στην χώρα μας. Πρόκειται για μια μελέτη κοόρτης παρελθόντος νοσηλευόμενων ασθενών με τραύμα που πραγματοποιήθηκε σε δύο τριτοβάθμια νοσοκομεία της χώρας και σε χρονικό διάστημα 5 ετών (2015-2019). Το δείγμα προσδιορίστηκε σύμφωνα με την 10η αναθεώρηση της Διεθνούς Ταξινόμησης των Νόσων κατόπιν αναζήτησης στην διοικητική βάση δεδομένων των νοσοκομείων. Τα δεδομένα συγκεντρώθηκαν από τους ιατρικούς φακέλους των ασθενών και διαχωρίστηκαν χρονικά ή γεωγραφικά σε ομάδα προέλευσης και επικύρωσης. Η πιθανότητα επιβίωσης για κάθε τραυματικό ασθενή υπολογίστηκε χρησιμοποιώντας τους αρχικούς και αναθεωρημένους συντελεστές για την TRISS ή τις αναλογίες κινδύνου επιβίωσης για την ICISS καθώς και τις αντίστοιχες εγχώριες εκδοχές τους που προήλθαν από την ομάδα προέλευσης. Οι ασθενείς αξιολογήθηκαν επίσης με τρία ανατομικά συστήματα βαθμολόγησης, την Injury Severity Score (ISS), την New Injury Severity Score (NISS) και την Exponential Injury Severity Score (EISS) καθώς και με τέσσερα φυσιολογικά συστήματα, την Revised Trauma Score (RTS), την New Trauma Score (NTS) και τις Mechanism - Glasgow Coma Scale, Age, and Systolic Blood Pressure (M - GAP). Οι επιδόσεις των προγνωστικών μοντέλων αξιολογήθηκαν με όρους διακριτότητας (καμπύλη AUC) βαθμονόμησης (Hosmer–Lemeshow test και calibration plot) και συνολικής ακρίβειας (Brier score, Akaike Information Criterion).H TRISS επέδειξε εξαιρετική διακριτότητα με εμβαδόν κάτω από την καμπύλη (AUC) 0,912 (95% CI 0,895 - 0,929) και συγκρίσιμο με την αναθεωρημένη έκδοση του (AUC = 0,908, 95% CI 0,889 - 0,926, p = 0,4757) στην ομάδα επικύρωσης. Η βαθμονόμηση και των δύο εκδόσεων ήταν μη αποδεκτή (Hosmer–Lemeshow p < .001), με τάση υποεκτίμησης της θνησιμότητας σε όλες σχεδόν τις κατηγορίες κινδύνου. Η AUC για το ICISS ήταν 0,817 (95% CI 0,798 - 0,837) στην ομάδα επικύρωσης. Η βαθμονόμηση ήταν μη αποδεκτή χρησιμοποιώντας τη δοκιμή Hosmer-Lemeshow (p < .001), αλλά η οπτική ανάλυση έδειξε ακριβή πρόβλεψη σε ασθενείς με χαμηλό κίνδυνο θνησιμότητας, ιδιαίτερα κάτω από 30%. Η επαναβαθμονόμηση και των δύο μοντέλων είχε ως αποτέλεσμα σημαντικές βελτιώσεις στη διακριτότητα (AUC = 0,929, 95% CI 0,914 - 0,944, p < .001 για την TRISS και AUC = 0,834, 95% CI 0,814 - 0,854, p < .001 για την ICISS) και αποδεκτή βαθμονόμηση. Η τροποποίηση και των δύο μοντέλων προσέφερε επίσης πρόσθετο πλεονέκτημα στις επιδόσεις τους. Η GAP είχε καλύτερη διακριτική ικανότητα και βαθμονόμηση συγκριτικά με τα άλλα φυσιολογικά συστήματα βαθμολόγησης (AUC = 0,870 95% CI 0,853 - 0,886 έναντι AUC = 0,862 95% CI 0,845 - 0,880 για την MGAP, AUC = 0,851 95% CI 0,830 - 0,872 για την NTS και AUC = 0,795 95% CI 0,771 - 0,820 για την RTS). Μεταξύ των ανατομικών μοντέλων, το ISS (AUC = 0,899 95% CI 0,886 - 0,913) έχει εξίσου καλή επίδοση με την NISS (AUC = 0,895 95% CI 0,882 - 0,909) και την EISS (AUC = 0,894 95% CI 0,880 - 0,908). Στην παρούσα μελέτη επικυρώθηκαν εννέα συστήματα βαθμολόγησης τραύματος για την πρόβλεψη της θνησιμότητας σε Έλληνες ασθενείς. Η βέλτιστη επιλογή μοντέλου όμως θα πρέπει να είναι σε θέση να επιτύχει μια ισορροπία μεταξύ της ακρίβειας στον ποσοτικό προσδιορισμό της σοβαρότητας του τραυματισμού και της δυνατότητας εφαρμογής του. Επομένως, υπάρχει ανάγκη για εθνική συναίνεση για το ποιο μοντέλο είναι το καταλληλότερο για την πρόβλεψη της θνησιμότητας στη χώρα μας.