Tạp chí Y học Thành phố Hồ Chí Minh, 19(1):321. DOI
Lượt xem: 173 Lượt tải PDF: 4
Hà Tấn Đức*, Đặng Quang Tâm*, Trần Văn Ngọc**, Bùi Quốc Thắng**, Đỗ Văn Dũng**, Nguyễn Đình Nguyên**, Nguyễn Văn Tuấn***
Mở đầu: Mặc dù nhiều mô hình tiên lượng cho bệnh nội khoa
tại khoa cấp cứu đã được phát triển, nhưng chưa có mô hình nào cho thấy tiên lượng
tốt ở bệnh nhân Việt Nam.
Mục tiêu: Phát triển mô hình tiên lượng tử vong từ các thông
số lâm sàng không xâm lấn cho bệnh nội khoa tại khoa cấp cứu.
Phương pháp: Nghiên cứu được thực hiện tại khoa cấp cứu, bệnh
viện đa khoa trung ương Cần Thơ. Chúng tôi thu thập các thông tin về đặc điểm
lâm sàng, tiền sử bệnh. Kết cục chính là tử vong trong vòng 30 ngày kể từ ngày
nhập viện. Hồi quy Cox được áp dụng để phân tích mối liên quan giữa tử vong và
các yếu tố nguy cơ. Phương pháp Bayesian Model Average (BMA) được sử dụng để
tìm mô hình tiên lượng.
Kết quả: Phân tích BMA cho thấy mô hình tối ưu gồm các biến
số: giới tính, nhịp thở, bão hòa oxy ngoại biên, điểm Glasgow, và chỉ định điều
trị tại hồi sức cấp cứu. Mô hình này có trị số AUC là 0.842 (KTC
95%:0.809-0.875). Chúng tôi phát triển 2 đồ thị tiên lượng để ước tính nguy cơ
tử vong.
Kết luận: Mô hình tiên lượng từ các thông số lâm sàng không
xâm lấn có độ phân định giữa tử vong và sống khá tốt ở bệnh nội khoa tại khoa cấp
cứu.
Từ khóa: Mô hình tiên lượng, khoa cấp cứu, tử vong.
Introduction: Althought several prognostic models have been
developed for non-surgical patients in Emergency Department, none of those
models has good predictive performance in Vietnamese patients.
Aim: To develop a prognostic model based on
non-invasive parameters for predicting mortality risk among non-surgical
patients in Emergency Department.
Patients and methods: The study was conducted at the Emergency
Department of the National Hospital of Can Tho, Vietnam. We obtained patient
characteristics and medical history as pre-specified in the study design. The
primary outcome was mortality within 30 days since hospital admission. The
relationship between mortality and risk factors was analyzed by the Cox’s
proportional hazards model. The Bayesian Model Averaging method (BMA) was used
to search for factors that were developed a prognostic model.
Results: The risk factors such as male gender, breathing
rate, peripheral oxygen saturation, Glasgow coma score, and indication of
admitting to intensive care unit which were found by BMA were used to develop a
prognostic model. The AUC of the model was 0.842 (95%CI:0.809-0.875). We
have developed two nomograms for individualizing the risk of mortality.
Conclusions: These data suggest that a prognostic model based
on non-invasive parameters has good predictive value in identifying medical
patients at high risk of mortality in Emergency Department.
Key words: prognostic model, emergency department,
mortality.
