急救时间对院前心脏骤停患者心肺复苏成功率预测研究

doi:10.3877/cma.j.issn.2095-9133.2021.06.003

目的

探究急救时间(响应时间、场景时间和转运时间)对院前心脏骤停患者实施心肺复苏(CPR)成功率预测。

方法

选取2017年12月至2021年8月在院前急救"120"出诊后进行过CPR的331例院前心跳骤停患者为研究对象，以抢救成功与否进行分组。比较两组年龄、性别、病因、心电图类型和急救时间(包括响应时间、场景时间和转运时间)，采用二元logistic回归分析CPR成功的影响因素，采用受试者工作特征(ROC)曲线分析响应时间预测CPR成功的敏感度和特异度。

结果

二元logistic回归显示，响应时间为CPR成功的影响因素。响应时间每增加1 min，CPR失败出现的概率增加1.160倍(95%CI：1.089~1.237，Wald＝21.011，P<0.05)。ROC曲线分析显示，响应时间的面积为0.779(95% CI: 0.718~0.840)，最适切点为16.65 min时，约登指数为0.468，敏感度和特异度分别为69.9%、76.9%。

结论

响应时间可预测CPR的成功率，而场景时间和转运时间不影响CPR的成功率。

关键词: 急救时间, 院前心脏骤停, 心肺复苏, 预测

Objective

To explore the prediction of the success rate of cardiopulmonary resuscitation in patients with pre-hospital cardiac arrest by first-aid time.

Methods

From December 2017 to August 2021, 331 patients with pre-hospital cardiac arrest who had undergone cardiopulmonary resuscitation after 120 visits in pre-hospital firs-aid were selected as research objects, and were divided into groups according to whether the rescue was successful or not. Two groups were compared in age, gender, etiology, ECG type and emergency response time (including response time, scene time and transport time). The influencing factors of successful cardiopulmonary resuscitation were analyzed by binary logistic regression, and the sensitivity and specificity of response time to predict successful cardiopulmonary resuscitation were analyzed by receiver operating characteristics (ROC) curve.

Results

Binary logistic regression analysis showed that response time was an influencing factor for the success of cardiopulmonary resuscitation. For every 1 minute increase in response time, the probability of cardiopulmonary resuscitation failure increased by 1.160 times (95% CI: 1.089~1.237, Wald=21.011, P<0.05). ROC curve analysis showed that the area under the ROC curve of response time was 0.779(95% CI: 0.718~0.840), the optimal cut-off point was 16.65 min, the Youden index was 0.468, and the sensitivity and specificity were 69.9% and 76.9%, respectively.

Conclusion

Response time can predict the success rate of cardiopulmonary resuscitation, while scene time and transit time do not affect the success rate of cardiopulmonary resuscitation.

Key words: Pre-hospital emergency time, Out-of-hospital cardiac arrest, Cardiopulmonary resuscitation, Prediction

表1 CPR成功组和失败组的患者一般资料比较

组别	年龄(岁)	性别(男/女)	心电图类型(心室颤动/心室静止)	响应时间(min)	场景时间(min)	转运时间(min)
成功组	44.0±19.1	13/26	14/25	13.3±5.4	4.5±0.8	13.1±7.1
失败组	51.7±19.2	123/169	37/255	21.0±8.5	4.8±1.9	14.6±7.7
t/χ²值	2.37	1.10	14.24	7.72	1.89	1.11
P值	<0.05	>0.05	<0.05	<0.05	>0.05	>0.05

表1 CPR成功组和失败组的患者一般资料比较

组别	年龄(岁)	性别(男/女)	心电图类型(心室颤动/心室静止)	响应时间(min)	场景时间(min)	转运时间(min)
成功组	44.0±19.1	13/26	14/25	13.3±5.4	4.5±0.8	13.1±7.1
失败组	51.7±19.2	123/169	37/255	21.0±8.5	4.8±1.9	14.6±7.7
t/χ²值	2.37	1.10	14.24	7.72	1.89	1.11
P值	<0.05	>0.05	<0.05	<0.05	>0.05	>0.05

表2 CPR成功组和失败组的患者病因比较

组别	例数	病因		非心源性
组别	例数	心源性	非心源性	溺水/电击/中毒	急性呼吸衰竭	严重创伤
成功组	39	8	31	10	9	12
失败组	292	215	77	15	21	41
χ²值		44.16		2.54
P值		<0.05		>0.05

表2 CPR成功组和失败组的患者病因比较

组别	例数	病因		非心源性
组别	例数	心源性	非心源性	溺水/电击/中毒	急性呼吸衰竭	严重创伤
成功组	39	8	31	10	9	12
失败组	292	215	77	15	21	41
χ²值		44.16		2.54
P值		<0.05		>0.05

表3 以CPR成功与否为因变量的二元Logistic回归分析

参数	Wald	Exp(B)	95%CI	P值
响应时间	21.011	1.160	1.089~1.237	<0.05

表3 以CPR成功与否为因变量的二元Logistic回归分析

参数	Wald	Exp(B)	95%CI	P值
响应时间	21.011	1.160	1.089~1.237	<0.05

表4 响应时间对CPR成功的切点预测

到达现场时间(min)	敏感度(%)	特异度(%)	约登指数
16.45	70.5	69.2	0.398
16.55	70.5	74.4	0.449
16.65	69.9	76.9	0.468
16.75	68.8	76.9	0.458

表4 响应时间对CPR成功的切点预测

到达现场时间(min)	敏感度(%)	特异度(%)	约登指数
16.45	70.5	69.2	0.398
16.55	70.5	74.4	0.449
16.65	69.9	76.9	0.468
16.75	68.8	76.9	0.458

1	Gräsner JT,，Lefering R,，Koster RW，et al.Eureca one-27 nations，one europe，one registry：a prospective one month analysis of out-of-hospital cardiac arrest outcomes in 27 countries in europe[J]．Resuscitation，2016(105)：188-195.
2	Genbrugge C,，Eertmans W,，Salcido DD.Monitor the quality of cardiopulmonary resuscitation in 2020[J]．Curr Opin Crit Care，2020，26(3)：219-227.
3	Park HA,，Ahn KO,，Lee EJ，et al.Association between survival and time of on-scene resuscitation in refractory out-of-hospital cardiac arrest：a cross-sectional retrospective study[J]．Int J Environ Res Public Health，2021，18(2)：496.
4	Considine J,，Gazmuri RJ,，Perkins GD，et al.Chest compression components(rate，depth，chest wall recoil and leaning)：a scoping review[J]．Resuscitation，2020(146)：188-202.
5	Merchant RM,，Topjian AA,，Panchal AR，et al.Part 1: executive summary: 2020 american heart association guidelines for cardiopulmonary resuscitation and emergency cardiovascular care[J]．Circulation，2020，142(16 suppl 2)：337-357.
6	Ong MEH,，Perkins GD,，Cariou A，et al.Out-of-hospital cardiac arrest：prehospital management[J]．Lancet，2018，391(10124)：980-988.
7	Rezende PC,，Ribas FF,，Serrano CV，et al.Clinical significance of chronic myocardial ischemia in coronary artery disease patients[J]．J Thorac Dis，2019，113(3)：1005-1015.
8	Patil KD,，Halperin HR,，Becker LB.Cardiac arrest：resuscitation and reperfusion[J]．Circ Res，2015，116(12)：2041-2049.
9	Choi J,，Shoaib M,，Yin T，et al.Tissue-specific metabolic profiles after prolonged cardiac arrest reveal brain metabolome dysfunction predominantly after resuscitation[J]．J Am Heart Assoc，2019，8(17)：e012809.
10	Wu MY,，Yiang GT,，Liao WT，et al.Current mechanistic concepts in ischemia and reperfusion injury[J]．Cell Physiol Biochem，2018，46(4)：1650-1667.
11	Geri G,，Gilgan J,，Wu W，et al.Does transport time of out-of-hospital cardiac arrest patients matter? A systematic review and meta-analysis[J]．Resuscitation，2017(115)：96-101.
12	Shoaib M,，Becker LB.A walk through the progression of resuscitation medicine[J]．Ann N Y Acad Sci，2020(10)：1-14.
13	Ro YS,，Shin SD,，Lee YJ，et al.Effect of dispatcher-assisted cardiopulmonary resuscitation program and location of out-of-hospital cardiac arrest on survival and neurologic outcome[J]．Ann Emerg Med，2017，69(1): 52-61.

[1]	孔莹莹, 谢璐涛, 卢晓驰, 徐杰丰, 周光居, 张茂. 丁酸钠对猪心脏骤停复苏后心脑损伤的保护作用及机制研究[J]. 中华危重症医学杂志(电子版), 2023, 16(05): 355-362.
[2]	陈永庄, 莫小乔, 谢天. 心血管事件患者术后30 d死亡风险决策树模型的构建与评估——基于少数类样本合成过采样技术算法[J]. 中华危重症医学杂志(电子版), 2023, 16(05): 390-398.
[3]	范帅华, 郭伟, 郭军. 基于机器学习的决策树算法在血流感染预后预测中应用现状及展望[J]. 中华实验和临床感染病杂志(电子版), 2023, 17(05): 289-293.
[4]	李圣鹏, 方爱蓝, 刘诗宁, 王丹, 刘湘奇. 下颌阻生第三磨牙拔除难度的预测因素与评估方法[J]. 中华口腔医学研究杂志(电子版), 2023, 17(06): 441-445.
[5]	张俊, 罗再, 段茗玉, 裘正军, 黄陈. 胃癌预后预测模型的研究进展[J]. 中华普通外科学文献(电子版), 2023, 17(06): 456-461.
[6]	唐旭, 韩冰, 刘威, 陈茹星. 结直肠癌根治术后隐匿性肝转移危险因素分析及预测模型构建[J]. 中华普外科手术学杂志(电子版), 2024, 18(01): 16-20.
[7]	贾成朋, 王代宏, 陈华, 孙备. 可切除性胰腺癌预后术前预测模型的建立及应用[J]. 中华普外科手术学杂志(电子版), 2023, 17(05): 566-570.
[8]	邢晓伟, 刘雨辰, 赵冰, 王明刚. 基于术前腹部CT的卷积神经网络对腹壁切口疝术后复发预测价值[J]. 中华疝和腹壁外科杂志(电子版), 2023, 17(06): 677-681.
[9]	顾睿祈, 方洪生, 蔡国响. 循环肿瘤DNA检测在结直肠癌诊治中的应用与进展[J]. 中华结直肠疾病电子杂志, 2023, 12(06): 453-459.
[10]	秦维, 王丹, 孙玉, 霍玉玲, 祝素平, 郑艳丽, 薛瑞. 血清层粘连蛋白、Ⅳ型胶原蛋白对代偿期肝硬化食管胃静脉曲张出血的预测价值[J]. 中华消化病与影像杂志(电子版), 2023, 13(06): 447-451.
[11]	张郁妍, 胡滨, 张伟红, 徐楣, 朱慧, 羊馨玥, 刘海玲. 妊娠中期心血管超声参数与肝功能的相关性及对不良妊娠结局的预测价值[J]. 中华消化病与影像杂志(电子版), 2023, 13(06): 499-504.
[12]	王小娜, 谭微, 李悦, 姜文艳. 预测性护理对结直肠癌根治术患者围手术期生活质量、情绪及并发症的影响[J]. 中华消化病与影像杂志(电子版), 2023, 13(06): 525-529.
[13]	王亚丹, 吴静, 黄博洋, 王苗苗, 郭春梅, 宿慧, 王沧海, 王静, 丁鹏鹏, 刘红. 白光内镜下结直肠肿瘤性质预测模型的构建与验证[J]. 中华临床医师杂志(电子版), 2023, 17(06): 655-661.
[14]	程培丽, 李霞, 王亚丽. 孤立性脑桥梗死合并吞咽障碍的临床影响因素分析[J]. 中华脑血管病杂志(电子版), 2023, 17(05): 440-444.
[15]	王俊杰, 尹晓亮, 刘二腾, 陆军, 祁鹏, 胡深, 杨希孟, 陈鲲鹏, 张东, 王大明. 机器学习对预测颈内动脉非急性闭塞患者血管内再通术成功的潜在价值[J]. 中华脑血管病杂志(电子版), 2023, 17(05): 464-470.

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

Prediction of cardiopulmonary resuscitation in patients with pre-hospital cardiac arrest by first-aid time

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

Prediction of cardiopulmonary resuscitation in patients with pre-hospital cardiac arrest by first-aid time