护理主导的肿瘤姑息治疗预测性症状管理:基于实验室指标与临床判断改善患者生活质量的系统评价

《Palliative & Supportive Care》:Nursing-led predictive symptom management in oncology palliative care: Using laboratory indicators and clinical judgment to improve patient quality of life: A systematic review

【字体: 大 中 小 】 时间:2026年10月10日 来源:Palliative & Supportive Care 2.4

编辑推荐:

  摘要专业翻译 背景:接受姑息治疗的癌症患者常表现出动态且多维度的症状,如疼痛、疲劳、厌食、认知改变和情绪困扰,这些症状显著影响其功能状态与生活质量。传统症状管理多为反应性模式,依赖于患者自我报告或临床恶化后的识别,导致干预延迟和可避免的痛苦。 目的:本系统评价

  
摘要专业翻译 背景:接受姑息治疗的癌症患者常表现出动态且多维度的症状,如疼痛、疲劳、厌食、认知改变和情绪困扰,这些症状显著影响其功能状态与生活质量。传统症状管理多为反应性模式,依赖于患者自我报告或临床恶化后的识别,导致干预延迟和可避免的痛苦。 目的:本系统评价旨在综述肿瘤姑息治疗中护理主导的预测性症状管理策略的证据,重点关注实验室生物标志物(biomarkers)和临床判断(clinical judgment)在早期识别病情恶化及改善照护质量中的作用。 方法:系统检索了PubMed、CINAHL、Scopus、Embase和Cochrane Library数据库,检索时间截至2025年11月。检索关键词包括“护理主导”(nurse-led)、“预测性症状管理”(predictive symptom management)、“姑息治疗”(palliative care)、“肿瘤学”(oncology)、“生物标志物”(biomarkers)和“临床判断”(clinical judgment)。纳入定性及定量研究。依据系统评价和荟萃分析优先报告条目(PRISMA)流程图:共识别1,482条记录,去除346条重复记录,筛选1,136条,评估128篇全文,最终依据PRISMA 2020声明纳入14项符合条件的研究。该评价方案已预先在国际系统评价前瞻性注册平台(PROSPERO;注册号CRD420261432500)注册。 结果:纳入研究(随机对照试验(RCTs)、队列研究、模型研究及远程健康干预)表明,C反应蛋白(CRP)、中性粒细胞-淋巴细胞比值(NLR)、白蛋白、铁蛋白及电解质等生物标志物可预测症状加重和临床衰退。护理主导的将生物标志物与临床评估相结合的方法改善了症状管理,减少了急诊就诊次数,并提高了照护连续性。预测模型显示出良好前景,但在临床整合方面仍存在局限。 结论:护理主导的预测性方法支持姑息照护从反应性向主动性的转变。未来研究需进一步将预测工具嵌入常规实践,并在真实世界环境中验证其有效性。

论文解读文章

一、研究背景与问题

肿瘤姑息治疗的核心目标是缓解患者身体、心理及存在性痛苦,并提升其生活质量。然而,晚期癌症患者的症状(如疼痛、呼吸困难、疲劳、厌食、认知衰退、焦虑和恶心)具有高度动态性,常因疾病进展、治疗毒性、全身性炎症、代谢紊乱或心理应激而迅速恶化。在多数医疗环境中,症状管理是反应性的——只有当患者报告严重不适或客观变化在临床上已显而易见时,才会采取干预措施。这种延迟反应可导致不必要的痛苦、计划外住院、急诊使用、生活质量下降以及照护者困扰。
新兴的临床预测技术为从反应性向主动性症状管理转变提供了契机。实验室生物标志物(biomarkers)如C反应蛋白(CRP)、中性粒细胞-淋巴细胞比值(NLR)、白蛋白、铁蛋白及电解质异常水平已被证实与全身炎症、代谢不稳定、恶病质、认知衰退及整体临床恶化密切相关。这些生物标志物常在主观症状升级之前即发生变化,因此可作为早期预警指标。与此同时,预测分析技术正利用机器学习模型和电子健康记录(EHR)数据来识别可预测症状轨迹的模式,其精确度可能优于单纯的常规临床评估。
护士是预测性症状管理成功应用的关键——他们持续观察患者、识别细微临床变化、为实验室异常提供情境解读、与跨学科团队沟通并及时启动干预。尽管已有单项研究探讨预测性生物标志物、护理主导干预和预测算法,但尚无研究系统综合这些要素如何结合以形成肿瘤姑息治疗中护理主导的预测性症状管理。本系统评价填补了这一空白。

二、研究设计与方法

研究人员依据PRISMA 2020指南开展系统评价,方案预先在PROSPERO注册(注册号CRD420261432500)。检索策略覆盖PubMed、Scopus、CINAHL、Embase和Cochrane Library五个数据库,自建库至2023年11月,使用受控词汇和自由文本组合,涵盖护理、姑息治疗、肿瘤学、预测模型、生物标志物、症状升级和患者结局等主题词,不限制发表年份,并手工检索纳入研究的参考文献列表。
纳入标准为:成人肿瘤患者接受姑息或支持性照护;研究护理主导或护理整合的症状监测或预测性干预;包含实验室生物标志物、风险评分工具、预测模型或其他可量化的症状升级指标;报告症状负担、预测准确性、临床恶化或生活质量(QOL)等结局。纳入设计类型包括随机对照试验、队列研究、准实验研究、混合方法研究、实施研究和预测建模研究。排除儿科人群、无实证数据、仅预测生存而无症状相关结局、或仅由医生主导评估的研究。
筛选流程遵循PRISMA 2020:识别1,482条记录,去除346条重复记录,经自动化工具标记8条不合格、其他原因排除16条,最终1,136条进入标题和摘要筛选,排除1,008条后128篇进入全文评估,最终纳入14项研究。排除原因包括:非护理聚焦(n=42)、非预测性症状管理(n=38)、未包含实验室生物标志物(n=21)、非肿瘤姑息治疗人群(n=13)。
质量评价采用基于研究设计的验证工具:随机对照试验使用Cochrane偏倚风险2.0框架(RoB 2);观察性研究和准实验研究使用ROBINS-I工具评估混杂、选择偏倚、测量有效性和结局报告;预测建模研究使用PROBAST工具评估预测因子、结局、样本量、过拟合和模型验证;混合方法和定性研究使用CASP定性检查表。数据提取采用标准化表格,涵盖作者、年份、国家、研究设计、样本特征、生物标志物或预测指标、护理角色、预测方法、患者结局和主要发现。鉴于研究设计、生物标志物、预测工具和结局测量的异质性,采用叙述性综合方法,结果按生物标志物预测、护理主导解读、预测算法和生活质量效应四个主题分类。

三、研究结果

纳入研究特征:14项研究符合全部纳入标准,涵盖随机对照试验、前瞻性和回顾性队列研究、混合方法研究、远程健康干预和预测建模研究,样本量或EHR记录从60例到超过3,400例不等。CRP、NLR、白蛋白、铁蛋白和电解质等实验室生物标志物在多项研究中一致显示出对症状升级的早期预测价值。护士在将实验室异常与临床线索关联并触发及时干预方面发挥关键作用。8项研究考察了预测算法(包括随机森林、XGBoost和神经网络),准确性高但临床应用有限。
生物标志物预测:多项研究一致支持实验室生物标志物作为姑息肿瘤照护中病情恶化的早期指标。CRP和NLR常被报告为炎症和全身应激的可靠标志物,往往先于临床恶化出现。CRP/白蛋白比值(CAR)在终末期癌症患者中与短期死亡率独立相关,尤其在姑息入院后前30天内——这一时间提前量表明CAR升高可能是衰退即将来临的标志。巴西一项大型前瞻性队列研究显示,CRP、白蛋白、CAR甚至改良格拉斯哥预后评分对晚期癌症患者90天死亡率的判别能力良好(C统计量>0.70),其中CAR预测价值最佳。复旦大学的研究发现CRP/白蛋白比值1.31是姑息照护癌症人群较差生存的显著预测因子(HR 2.33)。非小细胞肺癌姑息入院患者中,非存活者基线CAR显著更高,提示其在疾病特异性预后分层中的潜在价值。此外,NLR、血小板-淋巴细胞比值(PLR)、全身免疫炎症指数(SII)和中性粒细胞百分比-白蛋白比值(NPAR)等组合指标可预测躯体并发症、心理困扰和疲劳,多参数比值可能反映炎症与营养/代谢状态的综合信息。但需注意,McFarland等发现白蛋白和NLR异常与抑郁、焦虑等心理症状相关,提示生物标志物变化并非总能单纯解读为生理恶化,可能反映心身困扰,若不同时结合临床评估,容易导致过度或不足解读。
护理主导解读与临床决策:护士不仅是执行者,更是预测性症状管理的解读者和决策者。在“CONNECT”整群随机对照试验中,肿瘤科护士定期访视、使用埃德蒙顿症状评估系统(ESAS)识别症状,并与患者共同制定共享照护计划(SCPs),其中70%的计划采用了非药物干预,体现了以患者为中心的细致方法而非纯粹的临床升级模式。Reinke等的随机对照试验显示,电话护理主导的初级姑息照护可维持或改善症状负担和生活质量。Kim等在一项大型国际研究中构建了预测姑息照护患者谵妄风险的机器学习模型,包含36个临床和实验室预测因子(包括CRP、血尿素氮(BUN)、钠和NLR),护士在收集结构化评估数据方面发挥关键作用。Kawashima等开发的预测模型(使用CRP、白蛋白、ECOG和症状评分)用于预测姑息照护转介需求,依赖护士评分的症状评估。Almutairi等的调查则指出,肿瘤科护士在症状评估和姑息照护需求方面的信心和能力对于早期发现恶化至关重要——若护士缺乏足够培训和信心,可能无法充分利用或误读早期临床信号。
预测算法:机器学习模型的应用标志着从反应性向主动性姑息照护的明确转变。Guo等利用姑息照护结局协作组(PCOC)注册数据开发了预测姑息阶段转换的模型,该注册数据包含护士收集的功能、症状和实验室指标,模型显示出良好的预测能力,提示可开发实时决策支持仪表板。然而,准确性并不足够——最佳模型仍面临“最后一公里”挑战,包括如何整合到电子健康记录(EHR)、如何在不引起警报疲劳的前提下传递警报,以及如何获得护士信任使其对警报采取行动。可解释性是另一重大挑战,护士和临床医生可能抗拒缺乏透明逻辑或明确行动方案的“黑箱”模型。此外,预测模型需要一致、准确的输入数据(如实验室检查和及时的症状评分),在实验室获取频率较低、资源有限或人员配置受限的环境中,模型可能因数据缺失或延迟而表现不佳。
生活质量与临床影响:纳入的随机对照试验和队列研究显示,主动性护理可减轻症状负担、预防急诊就诊并提高患者和照护者满意度。Grudzen等的大型实用性随机对照试验证明,电话护理主导的姑息照护减少了急性照护使用并改善了患者报告的结局。Liddicoat-Yamarik等的6个月护理主导项目增加了预先照护计划(ACP)文件和临终关怀参与。通过早期检测恶化(如高CAR、NLR或算法警报),护士可提前干预(调整药物、咨询、升级照护),在病情恶化前稳定患者、最大化舒适并预防不必要的住院,从而改善生活质量。但需注意,某些症状领域可能未得到同等关注——在共享照护计划分析中,尽管疲劳、食欲差和幸福感低下等症状频繁出现,但中度严重症状中仅有一小部分被积极处理(如疲劳仅35%的访视通过SCP处理)。

四、讨论与结论

讨论部分:系统评价识别出若干系统性障碍和情境挑战。第一,培训与能力缺口——沙特阿拉伯肿瘤科护士在姑息评估和预测推理方面信心较低,教育缺口可能阻碍其将生物标志物或算法警报转化为及时有效的干预。第二,标准化与阈值问题——各研究间生物标志物阈值(如CAR截断值、CRP水平)存在显著异质性,缺乏标准化的循证方案来解读这些实验室指标以指导护理工作流程。第三,基础设施与可及性——预测模型需要一致、频繁的实验室检测和症状评估,资源匮乏环境中数据缺失或延迟可能导致模型失效。第四,工作流程整合与人为因素——警报需有意义而非压倒性,行动方案需清晰,信任需建立,护士参与仪表板共同设计、警报阈值试点和警报疲劳测量是关键步骤。第五,伦理与沟通问题——护士如何向患者和家属沟通风险预测、算法提示高风险时应采取哪些步骤,需要沟通培训和伦理框架的开发。第六,研究验证需求——未来研究应优先开展生物标志物和机器学习模型在不同人群中的前瞻性验证、嵌入临床工作流程的决策支持工具实施试验、评估预测干预对急诊使用、住院、生存和生活质量影响的纵向研究,以及证明实验室、预测基础设施和护士培训投资合理性的成本效益分析。
结论翻译:总体而言,14项纳入研究的汇聚证据支持肿瘤姑息照护从反应性症状应对向主动性、护理主导、生物标志物知情的预测性管理范式转变。CRP、CAR、NLR和多参数比值等生物标志物提供衰退的早期预警信号。护士结合临床线索解读这些指标并利用预测模型,可早期干预、稳定症状并改善生活质量。为实现这一目标,医疗系统需要投资于护士培训、将预测算法整合到工作流程、标准化生物标志物阈值,并开展真实世界实施研究,尤其是在护理预测能力尚处于起步阶段的地区。这一方法具有巨大潜力:赋能护士、提供更好的患者支持,并可能减少可预防的住院,使姑息照护更加主动、以人为中心且更具尊重性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号