目的 适应新形势下医学科技创新要求,探索建立具有科学性、规范性和合理性的管理制度和体系,积极推进医疗卫生机构研究者发起的临床研究(IIT)健康发展.方法 通过查询文献、政策解读及工作实践,了解目前IIT管理的痛点及难点问题,梳理IIT管理的核心要求及要素,思考完善IIT管理的措施.结果 探索IIT管理五大支撑体系建设.职能责任体系,对IIT进行分类分层管理、责权分明;质量监管体系,引入第三方协管机制,填补IIT质量管理三级质控体系的缺漏;经费支撑体系,减免IIT的医院管理费,将IIT承接情况纳入优选SMO年度考评指标;协同创新体系,对外与企业联动,对内各部门协调整合,共同促进IIT的高效率运转;风险预警体系,制定IIT风险评估标准,实时动态监管,强化IIT数据管理,保障IIT数据安全.结论 目前IIT管理在国内普遍缺乏足够的重视,且无完备的管理体系框架及实践.通过构建IIT五大体系建设方案,有利于优化流程、提高效率、保障质量、降低风险,对于IIT管理的完善和发展有一定的借鉴意义.

目的:研发重症患者非计划性拔管预警系统，对其非计划性拔管风险进行预警及干预，从而降低意外拔管风险，保障患者安全。方法:以重症患者非计划性拔管风险预警指标体系模型为核心，以预防重症患者非计划性拔管护理干预方案为指导蓝本，以医院重症监护临床信息系统为基础，依托计算机信息技术，对系统的界面布局、分区、模块结构、内容和功能进行整体构架，多角度、多方位研发重症患者非计划性拔管预警系统，并用该系统回顾性分析2016年1—12月18例发生非计划性拔管案例，以验证其预警效果。结果:重症患者非计划性拔管预警系统雏形由登录模块、评估模块、决策模块、预警模块、指导模块及管道固定方案模块6个主题模块集成，系统自动判断重症患者风险等级，从而实行分级预警，筛选高危风险人群，最终提供个性化护理干预方案。经回顾性分析，该预警系统的检测率为88.89%。结论:重症患者非计划性拔管预警系统是一个自动化、智能化、信息化的预警平台，能有效预警拔管高危患者，规避管道护理风险。

目的:探讨在重症肺炎患者护理中实施督导式预警性护理，对其治疗效果的影响。方法:将2020年3月至2023年1月济宁医学院附属医院收治的120例重症肺炎患者作为研究对象，根据随机数字法分为观察组和对照组，各60例。对照组实施常规护理模式，观察组实施督导式预警性护理。对比两组患者并发症发生率，于进入监护室当日、出监护室前1 d对比两组血气指标数值，并使用急性生理与慢性健康评分(APACHE)Ⅱ评估两组患者健康状态。结果:进入监护室当日，两组患者各项血气检测指标数值和APACHEⅡ评分对比差异无统计学意义( P>0.05);出监护室前1 d，观察组氧分压(PaO 2)及血氧饱和度指标均明显高于对照组，且二氧化碳分压(PaCO 2)、APACHEⅡ评分及并发症发生率均低于对照组，差异有统计学意义(均 P<0.05) 。 结论:实施督导式预警性护理能够减少重症肺炎患者并发症的发生，改善其血气指标，从而达到提升其健康状态的目的。

目的:探讨急性生理学与慢性健康状况评分Ⅱ（APACHEⅡ）、序贯器官衰竭评分（SOFA）、快速序贯器官衰竭评分（qSOFA）及改良早期预警评分（MEWS）对二级医院重症监护病房（ICU）患者预后的评估价值，为临床应用提供指导依据。方法:回顾性分析2022年10月至2023年4月重庆市万州区第一人民医院ICU收治的成人危重症患者的临床资料。按ICU临床结局将患者分为好转组和死亡组，比较两组患者一般资料以及入ICU时的血常规、心肝肾功能指标、凝血指标、血气分析，APACHEⅡ、SOFA、qSOFA和MEWS评分，应用有创机械通气（IMV）、连续性血液净化（CBP）等有无差异，并进行单因素分析，对导致死亡的相关因素进一步行多因素Logistic回归分析。用受试者工作特征曲线（ROC曲线）分析4种评分对ICU患者预后的预测价值。结果:共纳入126例患者，其中ICU死亡45例，好转转出81例。与危重症患者死亡相关的单因素分析显示，两组间降钙素原（PCT）、血肌酐（SCr）、血尿素氮（BUN）、白蛋白（ALB）、凝血酶原时间（PT）、活化部分凝血活酶时间（APTT）、D-二聚体、pH值、HCO 3-、血乳酸（Lac），应用IMV、CBP以及APACHEⅡ、SOFA、qSOFA和MEWS评分差异均有统计学意义（均 P<0.05）。多因素Logistic回归分析显示，APACHEⅡ评分〔优势比（ OR）＝1.115，95%可信区间（95% CI）为1.025~1.213， P＝0.011〕、SOFA评分（ OR＝1.204，95% CI为1.037~1.398， P＝0.015）、MEWS评分（ OR＝1.464，95% CI为1.102~1.946， P＝0.009）及APTT（ OR＝1.081，95% CI为1.015~1.152， P＝0.016）为影响ICU危重症患者病死率的独立危险因素。ROC曲线分析显示，APACHEⅡ、SOFA、qSOFA、MEWS评分均能预测ICU危重症患者的预后，其中SOFA评分的预测效能最强，其ROC曲线下面积（AUC）为0.808。4种评分计算所需的时间比较差异有统计学意义（ F＝117.333， P<0.001），其中MEWS评分所需的时间最短〔（1.03±0.39）min〕，APACHEⅡ评分所需的时间最长〔（2.81±1.04）min〕。 结论:APACHEⅡ、SOFA、qSOFA和MEWS评分均可用于评估危重症患者的病情严重程度和预测院内病死率。SOFA评分在预测严重程度方面优于其他评分；MEWS评分评估时间最短，可优先考虑。早期预警评分有助于二级医院早期发现潜在的危重症患者，为临床快速作出紧急决策提供帮助。

目的:建立早期评估热射病患者死亡风险的预警模型。方法:于2022年6月，选取2016年1月至2020年12月鄯善县人民医院重症加强护理病房（ICU）收治的确诊为热射病的患者病例资料，根据患者短期结局（28 d），分为死亡组（20例）和幸存组（53例），选取患者入院后24 h内组间差异有统计学意义的相关指标，通过绘制受试者工作曲线（ROC）并计算曲线下面积，选取曲线下面积>0.7的相关指标，并采用Fisher判别分析建立热射病死亡风险的评估模型。收集2021年1月1日至2022年12月鄯善县综合ICU热射病患者数据进行外部验证。结果:年龄、胱抑素C、降钙素原测定、血小板计数、肌酸激酶同工酶（CKMB）、肌酸激酶（CK）、肌酐（CREA）、凝血酶原时间（PT）、凝血酶时间（TT）、活化部分凝血酶时间（APTT）、心率、呼吸频率、GLS评分组间差异有统计学意义（ P<0.05）。胱抑素C、CKMB、CREA、PT、TT、入院时心率AUC面积>0.7。采用Fisher分析方法构建函数模型。通过回代性检验，该函数模型诊断的灵敏度为95%，特异度为83%，AUC面积为0.937。外部验证结果为预测幸存组准确率为85.71%，预测死亡组准确率为88.89%。 结论:应用ROC曲线分析及Fisher判别分析构建的热射病死亡早期预警模型，可以为热射病早期干预提供客观参考依据。

目的:探讨严重多发伤患者脓毒症发生的相关危险因素，并分析各危险因素对严重多发伤患者脓毒症发生的预警效能。方法:采用回顾性队列研究分析2019年7月至2021年10月余姚市人民医院收治的92例严重多发伤患者的临床资料，其中男71例，女21例；年龄36~55岁［（45.5±13.6）岁］。损伤严重度评分（ISS）20~29分［（25.3±6.4）分］。根据患者住院期间是否发生脓毒症，将患者分为脓毒症组（32例）和非脓毒症组（60例）。记录两组患者性别、年龄、基础疾病、致伤原因、损伤部位数、ISS、伤后并发症，以及伤后1，3，5 d 芳香烃受体（AHR）、C-反应蛋白（CRP）和降钙素原（PCT）水平。采用单因素分析评估上述指标与严重多发伤患者脓毒症发生的相关性；采用多因素Logistic回归分析确定严重多发伤患者伤后脓毒症发生的独立危险因素。采用受试者工作特征（ROC）曲线下面积（AUC）评估相关危险因素单独或联合对严重多发伤患者伤后脓毒症发生的预警效能。结果:单因素分析结果显示，ISS、伤后1 d AHR水平、伤后3 d CRP和伤后3 d PCT水平与脓毒症发生有一定的相关性（ P<0.05或0.01）；而性别、年龄、基础疾病、致伤原因、损伤部位数、伤后并发症、伤后3，5 d AHR水平、伤后1，5 d CRP水平和伤后1，5 d PCT水平与脓毒症发生不相关（ P均>0.05）。多因素Logistic回归分析结果表明，高ISS（ OR=1.12，95% CI 1.01，1.24， P<0.05）、伤后1 d AHR水平（ OR=1.30，95% CI 1.10，1.52， P<0.01）、伤后3 d PCT水平（ OR=1.81，95% CI 1.08，3.03， P<0.05）与脓毒症发生显著相关。ROC曲线分析结果表明，高ISS（AUC=0.69，95% CI 0.57，0.76）和伤后1 d AHR水平（AUC=0.79，95% CI 0.68，0.90）对脓毒症发生有预警价值，两者联合的预警效能更优（AUC=0.86，95% CI 0.77，0.95）。 结论:高ISS、伤后1 d AHR水平、伤后3 d PCT水平是严重多发伤患者脓毒症发生的独立危险因素，伤后ISS、AHR及两者联合对严重多发伤患者伤后脓毒症的发生有较好的预警价值。

目的:基于Logistic回归构建和验证院内急诊抢救室心脏骤停患者预测模型。方法:本研究为回顾性队列研究，纳入2020年1月至2021年7月新疆医科大学第一附属医院急诊抢救室的患者。收集患者的一般资料、生命体征、临床症状及实验室检查结果等，观察结局为患者在24 h内发生心脏骤停。按照7∶3的比例随机将患者分为建模组和验证组。用LASSO回归和多因素Logistic回归筛选预测因素，并构建院内急诊抢救室患者发生心脏骤停的预测模型。采用受试者工作特征曲线下面积（area under the curve, AUC）、校准曲线和临床决策曲线评估预测模型的价值。结果:共纳入784例急诊抢救室患者参与研究，发生心脏骤停患者384例。最终筛选出10个变量并构建心脏骤停风险预测模型：Logit（ P）= -4.503+2.159×改良早期预警评分（modified early warning score，MEWS）评分+2.095×胸痛+1.670×腹痛+2.021×呕血+2.015×手脚湿冷+5.521×气管插管+0.388×静脉血乳酸-0.100×白蛋白+0.768×血K ++0.001×D-二聚体。建模组AUC为0.984（95% CI: 0.976~0.993），验证组的AUC为0.972（95% CI: 0.951~0.993），该预测模型具有良好的校准度、区分度和临床应用价值。 结论:基于MEWS评分、胸痛、腹痛、呕血、手脚湿冷、气管插管、静脉血乳酸、白蛋白、血K +和D-二聚体构建院内急诊抢救室心脏骤停预测模型，预测急诊抢救室患者发生心脏骤停的概率并及时调整治疗策略。

急诊拥挤是急诊医疗需求超过急诊可用资源的状况，国内外均面临儿科急诊拥挤的问题。儿科急诊拥挤不仅危及患儿急救，也严重降低患儿及家属的就医体验，并且增加医护人员压力。儿科急诊拥挤的形成与输入、处置、输出环节有关。患儿父母过度焦虑、社区医疗资源不足等可能导致急诊输入量增加；急诊空间、人员、设备、流程等影响急诊诊治效率；待入院患儿滞留、急诊输出受阻等输出环节是导致急诊拥挤的关键原因。针对上述三个环节，儿科急诊拥挤解决策略包括增强急诊以外的医疗资源建设、优化急诊诊疗流程及相关配置、及时收治待入院患儿等。此外，构建儿科急诊拥挤监测或预警模型、发展依托人工智能的智慧医疗服务也是缓解儿科急诊拥挤的新思路。本文对国内外儿科急诊拥挤的相关研究进行综述，旨在为缓解儿科急诊拥挤提供参考。

新型冠状病毒肺炎疫情的暴发流行，使全社会重新认识了传染病发生、流行及防控所面临的巨大挑战，即便是当前对传染病防范的认知、应对技术和社会经济条件已有历史上最好的基础。在传染病的监测预警中，研究和利用各类传染病发生与传播相关因素的数据，以期在传染病发生的早期甚至发生前识别疫情信号，成为传染病防控研究的重要命题。病原体是传染病发生的原因，所以以病原学为核心的实验室监测是传染病预警体系的重要组成部分。我国目前已经初步建成了基于国家致病菌识别网的细菌性传染病实验室监测预警系统，其核心是识别病原、识别暴发、识别来源，在鼠疫、霍乱、流脑等细菌性传染病的早期发现、溯源和精准防控中起到重要作用。本期重点号围绕实验室监测在细菌性传染病预警和防控中的作用，从流行和暴发菌株特征分析、与流行病学调查的联合应用、与常规病例监测体系的融合等方面开展研究，体现了实验室监测在传染病风险评估和疫情调查中的作用，同时对实验室监测预警技术及应用场景进行了综述和展望，以期为推动我国传染病监测预警体系的跨越发展提供新思维。

目的:探讨肝素结合蛋白（HBP）对脓毒症的预测价值。方法:选择2019年6月至2020年12月在湖南省人民医院急诊科就诊的188例患者作为研究对象。根据脓毒症3.0标准将患者分为非脓毒症组（87例）和脓毒症组（101例）。记录患者性别、年龄、白细胞计数（WBC）、C-反应蛋白（CRP）、降钙素原（PCT）、HBP、序贯器官衰竭评分（SOFA）、快速SOFA评分（qSOFA）、改良早期预警评分（MEWS）以及患者近期用药史等资料，比较两组上述指标的差异。采用Logistic回归分析脓毒症发生的危险因素。采用Spearman相关性分析法分析HBP、PCT、CRP与SOFA评分的相关性，评估HBP、PCT和CRP对脓毒症器官衰竭严重程度的预测价值；并绘制受试者工作特征曲线（ROC曲线），评估HBP、PCT和CRP对脓毒症的预测价值。结果:与非脓毒症组比较，脓毒症组HBP、PCT、CRP、WBC、SOFA评分、qSOFA评分、MEWS均明显升高〔HBP（μg/L）：55.46（24.57，78.49）比5.90（5.90，9.01），PCT（μg/L）：6.83（1.75，30.64）比0.23（0.12，0.75），CRP（mg/L）：67.35（26.23，123.23）比4.45（2.62，47.22），WBC（×10 9/L）：11.84（7.18，16.06）比6.58（5.47，8.99），SOFA评分（分）：6（4，8）比0（0，0），qSOFA评分（分）：2（1，3）比0（0，1），MEWS（分）：4（3，6）比1（0，2）〕，住院时间明显延长〔d：10（4，17）比0（0，7）〕，病死率明显升高〔29.7%（30/101）比4.6%（4/87）〕，差异均有统计学意义（均 P<0.05）。相关性分析显示：HBP、PCT、CRP与SOFA评分均呈明显正相关（ r值分别为0.60、0.33和0.38，均 P<0.01），其中以HBP相关性最强、CRP次之、PCT最弱。Logistic回归分析显示：HBP、PCT和CRP均是影响脓毒症的独立危险因素〔优势比（ OR）分别为1.015、1.094、1.067，95%可信区间（95% CI）为1.007～1.022、1.041～1.150、1.043～1.093，均 P<0.01〕。ROC曲线分析显示：HBP、PCT和CRP对脓毒症均有一定的预测价值〔ROC曲线下面积（AUC）分别为0.92、0.87、0.80，95% CI分别为0.88～0.97、0.82～0.92、0.74～0.87，均 P<0.01〕，其中以HBP的诊断效能更高；当HBP临界值≥15.11 μg/L时，其敏感度和特异度分别为86.14%、89.66%，高于PCT临界值≥1.17 μg/L时的敏感度（81.19%）和特异度（80.46%）。但CRP预测脓毒症的敏感度最高，为94.06%，而特异度较低，为63.22%。 结论:HBP可以作为预测脓毒症的生物指标，是预测脓毒症的独立危险因素，并能评估脓毒症患者的器官衰竭严重程度。