深度解析医学证据,lxfs.net为你支撑决策 国家早期预警评分(NEWS)是全球医疗机构应用最广泛的住院患者病情恶化预警工具,但其回顾性验证长期存在两大核心方法学缺陷:一是干预偏倚,高分患者会因触发预警流程得到及时救治,回顾性分析会基于干预后的生存结局,低估评分本身的真实风险预测价值;二是现有研究多聚焦于区分度指标(如受试者工作特征曲线下面积,AUC),极少关注可直接指导临床决策的临床净获益,无法量化模型的实际应用价值。 为此,丹麦哥本哈根大学健康数据科学团队联合多家临床中心开展大规模多中心研究,基于因果推断框架校正干预偏倚,系统对比传统 NEWS、简化评分规则与机器学习模型的临床效用,明确不同复杂度模型的适配场景,为住院患者预警监测流程的优化提供循证支撑。 本研究为多中心回顾性队列研究,纳入丹麦首都地区与西兰地区 15 家医院(10 个医疗网络)2018 年 10 月 16 日至 2023 年 10 月 16 日的住院诊疗数据,共覆盖 208.08 万次住院就诊、82.52 万名成年患者。研究以首次 NEWS 评估后 24 小时全因死亡率为研究终点,采用逆概率加权的倾向评分
