实时重症预警平台对骨科创伤患者预后的影响

doi:10.3877/cma.j.issn.2096-1537.2025.03.005

中华重症医学电子杂志 ›› 2025, Vol. 11 ›› Issue (03) : 238 -243. doi: 10.3877/cma.j.issn.2096-1537.2025.03.005

临床研究

实时重症预警平台对骨科创伤患者预后的影响

吴昌德¹, 杨辉², 刘灵娟¹, 朱玉芬¹, 黄力维¹, 刘松桥¹^,³, 杨毅¹^,^†(

)

¹　210009　南京，江苏省重症医学重点实验室　东南大学附属中大医院重症医学科
²　242000　安徽宣城，安徽省宣城市人民医院重症医学科
³　222000　江苏连云港，连云港市第一人民医院　徐州医科大学附属连云港医院　南京医科大学康达学院第一附属医院　南京医科大学连云港临床医学院

收稿日期:2024-11-15 出版日期:2025-08-28
通信作者: 杨毅
基金资助:
江苏省重点研发计划项目(BE2022854); 安徽省临床医学研究转化专项(202304295107020070)

Impact of a real-time critical care early warning platform on clinical outcomes in orthopedic trauma patients

Changde Wu¹, Hui Yang², Lingjuan Liu¹, Yufen Zhu¹, Liwei Huang¹, Songqiao Liu¹^,³, Yi Yang¹^,^†()

¹ Jiangsu Provincial Key Laboratory of Critical Care Medicine, Department of Critical Care Medicine, Zhongda Hospital, School of Medicine, Southeast University, Nanjing 210009, China
² Department of Intensive Care Unit, Xuancheng People's Hospital, Xuancheng 242000, China
³ the First People's Hospital of Lianyungang, the Affiliated Lianyungang Hospital of Xuzhou Medical University, the First Affiliated Hospital of Kangda College of Nanjing Medical University, the Lianyungang Clinical College of Nanjing Medical University, Lianyungang 222000, China

Received:2024-11-15 Published:2025-08-28
Corresponding author: Yi Yang

全文 ( ) 下载PDF ( ) 导出引用

引用本文：

吴昌德, 杨辉, 刘灵娟, 朱玉芬, 黄力维, 刘松桥, 杨毅. 实时重症预警平台对骨科创伤患者预后的影响[J/OL]. 中华重症医学电子杂志, 2025, 11(03): 238-243.

Changde Wu, Hui Yang, Lingjuan Liu, Yufen Zhu, Liwei Huang, Songqiao Liu, Yi Yang. Impact of a real-time critical care early warning platform on clinical outcomes in orthopedic trauma patients[J/OL]. Chinese Journal of Critical Care & Intensive Care Medicine(Electronic Edition), 2025, 11(03): 238-243.

目的

探讨实时重症预警平台在骨科创伤患者中的应用效果。

方法

选取东南大学附属中大医院从2020年1月至2023年12月就诊于骨科并转入ICU的患者作为研究对象。排除非创伤患者、ICU住院时间<24 h的患者。将接入预警平台的患者作为预警组（68例），未接入预警平台的患者作为非预警组（121例）。以住院时间为主要终点，通过多因素线性回归分析探讨重症预警平台与住院时间的相关性。

结果

研究共纳入189例患者，其中位年龄为72岁，女性占43.9%（83例），急诊入院占31.7%（60例），脊柱创伤占39.7%（75例）。基线特征显示，预警组中脊柱创伤患者比例（55.9%）显著高于非预警组（30.6%），差异有统计学意义（χ²=10.612，P=0.001）。预警组患者的住院时间、ICU住院时间较非预警组明显缩短，差异有统计学意义（P=0.006，P=0.017）。通过多因素线性回归分析发现，重症预警平台的应用与住院时间缩短相关（回归系数=-5.91，标准误=2.63，t=2.25，P=0.026）。

结论

实时重症预警平台可有效缩短骨科创伤患者的住院时间。

关键词: 创伤, 预警, 临床恶化, 住院时间

Objective

To evaluate the impact of a real-time critical care early warning platform on outcomes in patients with orthopedic trauma.

Methods

A study enrolling patients admitted to the Orthopedic Department who were subsequently transferred to the Intensive Care Unit (ICU) at Zhongda Hospital, Southeast University between January 2020 and December 2023, was conducted. Non-trauma patients and whose with an ICU length of stay (LOS) of less than 24 hours were excluded. Patients monitored by the early warning platform were assigned to the alert group (68 cases), while those receiving standard care formed the non-alert group (121 cases). The primary endpoint was hospital LOS. Multivariate linear regression was used to assess the independent association between the platform use and hospital LOS.

Results

Among the 189 included patients, the median age was 72 years, 43.9% (83 cases) were female, 31.7% (60 cases) were emergency admissions, and 39.7% (75 cases) had spinal trauma. Baseline characteristics showed that, the proportion of patients with spinal trauma in the warning group (55.9%) was significantly higher than that in the non-alert group (30.6%), with a significant difference (χ²=10.612, P=0.001). Patients in the alert group had a significantly shorter median hospital LOS (P=0.006) and ICU LOS (P=0.017) compared to the non-alert group. Multivariate linear regression analysis confirmed that the application of the critical care early warning platform was independently associated with a reduction in hospital LOS (β=-5.91 days, SE=2.63, t=2.25, P=0.026).

Conclusion

The implementation of a real-time critical care early warning platform is associated with a significant reduction in hospital and ICU LOS among orthopedic trauma patients.

Key words: Trauma, Early warning, Clinical deterioration, Hospital length of stay

图1 重症预警平台运行模式注：CWP为重症预警平台；RRT group为快速反应小组

图2 患者入组流程图注：非创伤原因入骨科转ICU的5例患者为我院2022年底至2023年1月骨科病房收治的新型冠状病毒感染患者

表1 预警组与非预警组患者的临床特征[例（%）]

临床特征	总数（189例）	预警组（68例）	非预警组（121例）	统计值	P值
女性	83（43.9）	28（41.2）	55（45.5）	χ²=0.173	0.677
年龄[岁，M（Q_R）]	72（57，81）	69（57，76）	74（60，84）	U=4903.500	0.029
入院类型				χ²=1.771	0.183
急诊入院	60（31.7）	17（25.0）	43（35.5）
非急诊入院	129（68.3）	51（75.0）	78（64.5）
基础疾病
高血压	92（48.7）	37（54.4）	55（45.5）	χ²=1.063	0.303
脑卒中	54（28.6）	19（27.9）	35（28.9）	χ²=7.710	>0.999
糖尿病	40（21.2）	17（25.0）	23（19.0）	χ²=0.612	0.434
冠心病	37（19.6）	12（17.6）	25（20.7）	χ²=0.096	0.756
慢性心力衰竭	17（9.0）	5（7.4）	12（9.9）	χ²=0.107	0.744
慢性阻塞性肺疾病	14（7.4）	4（5.9）	10（8.3）	χ²=0.097	0.756
慢性肾功能不全	9（4.8）	2（2.9）	7（5.8）	-	0.492
创伤部位				χ²=10.612	0.001
脊柱创伤	75（39.7）	38（55.9）	37（30.6）
非脊柱创伤	114（60.3）	30（44.1）	84（69.4）

表1 预警组与非预警组患者的临床特征[例（%）]

临床特征	总数（189例）	预警组（68例）	非预警组（121例）	统计值	P值
女性	83（43.9）	28（41.2）	55（45.5）	χ²=0.173	0.677
年龄[岁，M（Q_R）]	72（57，81）	69（57，76）	74（60，84）	U=4903.500	0.029
入院类型				χ²=1.771	0.183
急诊入院	60（31.7）	17（25.0）	43（35.5）
非急诊入院	129（68.3）	51（75.0）	78（64.5）
基础疾病
高血压	92（48.7）	37（54.4）	55（45.5）	χ²=1.063	0.303
脑卒中	54（28.6）	19（27.9）	35（28.9）	χ²=7.710	>0.999
糖尿病	40（21.2）	17（25.0）	23（19.0）	χ²=0.612	0.434
冠心病	37（19.6）	12（17.6）	25（20.7）	χ²=0.096	0.756
慢性心力衰竭	17（9.0）	5（7.4）	12（9.9）	χ²=0.107	0.744
慢性阻塞性肺疾病	14（7.4）	4（5.9）	10（8.3）	χ²=0.097	0.756
慢性肾功能不全	9（4.8）	2（2.9）	7（5.8）	-	0.492
创伤部位				χ²=10.612	0.001
脊柱创伤	75（39.7）	38（55.9）	37（30.6）
非脊柱创伤	114（60.3）	30（44.1）	84（69.4）

表2 预警组与非预警组患者转入ICU时病情严重程度及临床结局

指标	总数（189例）	预警组（68例）	非预警组（121例）	统计值	P值
病情严重程度评分[分，M（Q_R）]
序贯器官衰竭评估评分	4（2，6）	3（2，5）	5（3，7）	U=5039	0.010
急性生理与慢性健康评价评分	14（11，8）	13（11，17）	14（12，18）	U=4668	0.124
器官功能不全发生率[例（%）]
休克	27（14.3）	8（11.8）	19（15.7）	χ²=0.277	0.599
呼吸衰竭	26（13.8）	10（14.7）	16（13.2）	χ²=0.004	0.949
临床结局
ICU住院时间（d， $x ¯$ ±s）	8±13	5±9	10±15	t=2.751	0.017
住院时间[d，M（Q_R）]	15（11，22）	13（10，18）	16（12，28）	U=5110	0.006
非计划转ICU[例（%）]	67（35.4）	16（23.5）	51（42.1）	χ²=5.807	0.016
住院总费用[元，M（Q_R）]	108 441（74 481，163 419）	101 398（74 959，142 113）	114 837（72 636，183 233）	U=1.930	0.055
住院病死率[例（%）]	13（6.9）	4（5.9）	9（7.4）	χ²=0.011	0.915

表2 预警组与非预警组患者转入ICU时病情严重程度及临床结局

指标	总数（189例）	预警组（68例）	非预警组（121例）	统计值	P值
病情严重程度评分[分，M（Q_R）]
序贯器官衰竭评估评分	4（2，6）	3（2，5）	5（3，7）	U=5039	0.010
急性生理与慢性健康评价评分	14（11，8）	13（11，17）	14（12，18）	U=4668	0.124
器官功能不全发生率[例（%）]
休克	27（14.3）	8（11.8）	19（15.7）	χ²=0.277	0.599
呼吸衰竭	26（13.8）	10（14.7）	16（13.2）	χ²=0.004	0.949
临床结局
ICU住院时间（d， $x ¯$ ±s）	8±13	5±9	10±15	t=2.751	0.017
住院时间[d，M（Q_R）]	15（11，22）	13（10，18）	16（12，28）	U=5110	0.006
非计划转ICU[例（%）]	67（35.4）	16（23.5）	51（42.1）	χ²=5.807	0.016
住院总费用[元，M（Q_R）]	108 441（74 481，163 419）	101 398（74 959，142 113）	114 837（72 636，183 233）	U=1.930	0.055
住院病死率[例（%）]	13（6.9）	4（5.9）	9（7.4）	χ²=0.011	0.915

表3 重症预警平台对住院时间影响的多因素回归分析

因素指标	OR值	95%CI	回归系数	标准误	t值	P值
年龄	0.930	0.80~1.09	-0.07	0.08	0.87	0.386
序贯器官衰竭评估评分	1.850	0.84~4.10	0.62	0.41	1.52	0.131
女性	0.080	0~11.40	-2.57	2.55	1.01	0.315
脊柱损伤	0.460	0~80.80	-0.78	2.64	0.30	0.767
重症预警平台	0.003	0~0.47	-5.91	2.63	2.25	0.026

表3 重症预警平台对住院时间影响的多因素回归分析

因素指标	OR值	95%CI	回归系数	标准误	t值	P值
年龄	0.930	0.80~1.09	-0.07	0.08	0.87	0.386
序贯器官衰竭评估评分	1.850	0.84~4.10	0.62	0.41	1.52	0.131
女性	0.080	0~11.40	-2.57	2.55	1.01	0.315
脊柱损伤	0.460	0~80.80	-0.78	2.64	0.30	0.767
重症预警平台	0.003	0~0.47	-5.91	2.63	2.25	0.026

1	World Health Organization. Global status report on road safety 2018 [R/OL]. Geneva: WHO, 2018 [2024-11-08].
2	James SL, Castle CD, Dingels ZV, et al. Global injury morbidity and mortality from 1990 to 2017: results from the Global Burden of Disease Study 2017 [J]. Inj Prev, 2020, 26(Suppl 1): i96-i114.
3	GBD 2017 Causes of Death Collaborators. Global, regional, and national age-sex-specific mortality for 282 causes of death in 195 countries and territories, 1980-2017: a systematic analysis for the Global Burden of Disease Study 2017 [J]. Lancet, 2018, 392(10159): 1736-1788.
4	Alvarez-Nebreda ML, Weaver MJ, Uribe-Leitz T, et al. Epidemiology of pelvic and acetabular fractures in the USA from 2007 to 2014 [J]. Osteoporos Int, 2023, 34(3): 527-537.
5	Ilkhani S, Comrie CE, Pinkes N, et al. Beyond surviving: a scoping review of collaborative care models to inform the future of postdischarge trauma care [J]. J Trauma Acute Care Surg, 2024, 97(4): e41-e52.
6	Abdulai AF, Naghdali H, Tekie Ghirmay E, et al. Trauma-informed care in digital health technologies: protocol for a scoping review [J]. JMIR Research Protocols, 2023, 12: e46842.
7	Cannon JW, Gruen DS, Zamora R, et al. Digital twin mathematical models suggest individualized hemorrhagic shock resuscitation strategies [J]. Commun Med (Lond), 2024, 4(1): 113.
8	Peng HT, Siddiqui MM, Rhind SG, et al. Artificial intelligence and machine learning for hemorrhagic trauma care [J]. Mil Med Res, 2023, 10(1): 6.
9	杨晓光, 王玉妹, 王晓岩, 等. 5G+物联网冬奥会医疗保障指挥调度平台在危重孕产妇抢救中的应用展望 [J/OL]. 中华重症医学电子杂志, 2022, 8(3): 253-256.
10	McGinley A, Pearse RM. A national early warning score for acutely ill patients [J]. BMJ, 2012, 345: e5310.
11	Mun F, Ringenbach K, Baer B, et al. Factors influencing geriatric orthopaedic trauma mortality [J]. Injury, 2022, 53(3): 919-924.
12	Schwartz AM, Staley CA, Wilson JM, et al. High acuity polytrauma centers in orthopaedic trauma: decreasing patient mortality with effective resource utilization [J]. Injury, 2020, 51(10): 2235-2240.
13	Kim HJ, Ko RE, Lim SY, et al. Sepsis alert systems, mortality, and adherence in emergency departments: a systematic review and meta-analysis [J]. JAMA Netw Open, 2024, 7(7): e2422823.
14	Bassin L, Raubenheimer J, Bell D. The implementation of a real time early warning system using machine learning in an Australian hospital to improve patient outcomes [J]. Resuscitation, 2023, 188: 109821.
15	Kollef MH, Chen Y, Heard K, et al. A randomized trial of real-time automated clinical deterioration alerts sent to a rapid response team [J]. J Hosp Med, 2014, 9(7): 424-429.
16	Levin MA, Kia A, Timsina P, et al. Real-time machine learning alerts to prevent escalation of care: a nonrandomized clustered pragmatic clinical trial [J]. Crit Care Med, 2024, 52(7): 1007-1020.
17	Ye C, Wang O, Liu M, et al. A real-time early warning system for monitoring inpatient mortality risk: prospective study using electronic medical record data [J]. J Med Internet Res, 2019, 21(7): e13719.
18	Blythe R, Parsons R, White NM, et al. A scoping review of real-time automated clinical deterioration alerts and evidence of impacts on hospitalised patient outcomes [J]. BMJ Qual Saf, 2022, 31(10): 725-734.
19	Van der Vegt AH, Campbell V, Mitchell I, et al. Systematic review and longitudinal analysis of implementing Artificial Intelligence to predict clinical deterioration in adult hospitals: what is known and what remains uncertain [J]. J Am Med Inform Assoc, 2024, 31(2): 509-524.
20	Sprogis SK, Currey J, Jones D, et al. Use of the pre-medical emergency team tier of rapid response systems: a scoping review [J]. Intensive Crit Care Nurs, 2021, 65: 103041.
21	Wang Y, Jiang MY, He M, et al. Design and implementation of an inpatient fall risk management information system [J]. JMIR Med Inform, 2024, 12: e46501.

[1]	陈波波, 王冠乔, 王宏煜, 侯建业, 田野. 骨代谢指标与关节软骨损伤Outerbridge分级的相关性研究[J/OL]. 中华关节外科杂志(电子版), 2025, 19(04): 418-426.
[2]	戴辉水, 吕嵩, 张劲松, 巴根, 石齐芳. 基于机器学习算法构建药物中毒患者ICU住院时间延长的预测模型[J/OL]. 中华危重症医学杂志(电子版), 2025, 18(04): 274-281.
[3]	许振琦, 彭烨, 易伟, 李珊珊, 王金锋, 何彪. 中心静脉-动脉血二氧化碳分压差与动脉-中心静脉血氧含量差比值及乳酸清除率在创伤性休克患者液体复苏中的价值探讨[J/OL]. 中华危重症医学杂志(电子版), 2025, 18(03): 197-203.
[4]	北京人体损伤修复研究会创面规范化治疗专家共识组. 创面换药疼痛控制专家共识[J/OL]. 中华损伤与修复杂志(电子版), 2025, 20(06): 467-475.
[5]	车可心, 熊枫, 杜伟力, 代强, 胡云刚, 王艺雯, 植林, 张慧君, 于东宁, 沈余明. 采用多种皮瓣修复下肢肌腱滑动性创面的临床效果[J/OL]. 中华损伤与修复杂志(电子版), 2025, 20(05): 391-396.
[6]	阳跃, 张昊飞, 崔子豪, 李振豪, 高建, 胡银, 郝岱峰, 冯光, 庹晓晔. 采用双侧阴部内动脉穿支皮瓣修复肛周皮肤软组织缺损的效果观察[J/OL]. 中华损伤与修复杂志(电子版), 2025, 20(04): 301-305.
[7]	刘江涛, 潘锦燊, 王一勇, 林奕锋, 黄书润. 采用带蒂穿支皮瓣修复手部及足踝部深部组织外露创面的临床疗效[J/OL]. 中华损伤与修复杂志(电子版), 2025, 20(03): 212-219.
[8]	沈方龙, 伍正彬, 邵世锋, 陈地友, 肖钦, 郝志鹏, 王震, 赵辉, 王耀丽. 急性呼吸窘迫综合征患者的生物电阻抗断层成像特征及预测研究[J/OL]. 中华肺部疾病杂志(电子版), 2025, 18(06): 897-903.
[9]	张雯, 王关嵩, 张立根, 王霞. 肺部超声在慢性阻塞性肺疾病急性加重期中的临床应用[J/OL]. 中华肺部疾病杂志(电子版), 2025, 18(06): 1023-1026.
[10]	刘羽阳, 封亚平. 靶向创伤性颅脑损伤神经炎症的药物治疗研究进展[J/OL]. 中华神经创伤外科电子杂志, 2025, 11(03): 137-143.
[11]	方九强, 翟雨, 杨俊峰, 沈斌. 颅内血肿清除术联合去骨瓣减压术治疗创伤性颅脑损伤患者的效果分析[J/OL]. 中华神经创伤外科电子杂志, 2025, 11(03): 160-166.
[12]	贺方正, 吴涛, 廖长胜, 李锡勇, 牛萌煊, 韩鹏飞. 创伤后骨关节炎模型大鼠血浆中microRNA特征组学研究[J/OL]. 中华老年骨科与康复电子杂志, 2025, 11(05): 257-270.
[13]	顾新刚, 尹进南. 超声心动图联合血清cTnI、NT-proBNP对多发伤后心肌损伤的诊断价值[J/OL]. 中华诊断学电子杂志, 2025, 13(04): 260-265.
[14]	李晨, 邓幼杰. 口腔颌面部创伤住院患者MDRO感染特点及预防对策研究[J/OL]. 中华卫生应急电子杂志, 2025, 11(04): 220-224.
[15]	岳茂兴. 创伤凝血病基础研究与临床创新救治[J/OL]. 中华卫生应急电子杂志, 2025, 11(03): 192-192.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

Impact of a real-time critical care early warning platform on clinical outcomes in orthopedic trauma patients

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

Impact of a real-time critical care early warning platform on clinical outcomes in orthopedic trauma patients