2016, Vol. 25
急诊科（杜铁宽、朱华栋、刘继海、赵海平、顾明、周文华、于学忠）
急诊科拥挤度评估方法已经成为制约拥挤现象研究的瓶颈，建立客观、高效、普遍适用性好的拥挤度测量方法是当前急诊医学界迫切需要解决的课题。但要对拥挤度进行客观量化或实时监测目前存在非常大的困难，2011年美国Huang等[1]一份系统性回顾报告显示关于急诊科拥挤度评估“候选”指标当前多达71项，迄今尚无权威性拥挤度测量方法。现有一些诸如NEDOCS、EDWIN、SONET等拥挤评分指数在评估急诊科拥挤时比较全面地考虑到急诊资源供需问题，并在部分研究机构得到较好的验证[2, 3]，但对非教学医院、急诊信息系统欠发达的急诊科来说采集评分需要的数据非常困难，临床适用性差。另外由于各国、各地区急诊医学运行模式的差异性，多数拥挤度评分方法存在难以克服的地域性障碍[4]。
本研究以急诊科拥挤度主观评分和国外应用最为广泛的国家急诊科拥挤度评分(NEDOCS)为拥挤度评估参考标准，旨在：①结合中国三级综合医院急诊科实际运行模式，对NEDOCS法进行改良，探讨其潜在应用价值；②通过筛选在急诊科容易获得(不需要强大的急诊信息系统背景)的拥挤相关变量，编制急诊科拥挤评估量表--多维急诊科拥挤评分量表(Multidimensional ED overcrowding Scale,MEDOS)，并对其进行方法学评价；③对比分析主观评估方法(视觉模拟评分法)、改良NEDOCS法和MEDOS，尝试找寻适于中国城市繁忙急诊科的拥挤评估方法。
1 资料与方法 1.1 研究设计研究技术线路：①通过急诊科拥挤相关变量库筛选量表项目，构建MEDOS，量表共纳入12项项目(9项客观，3项主观)；②结合国内急诊运行模式，对NEDOCS模型进行改良(NEDOCSBJ)；③收集相关变量信息，获得NEDOCS、NEDOCSBJ和MEDOS值；③对NEDOCSBJ和MEDOS进行一致性检验。
1.2 数据收集一家三级综合性医院为期6个月研究，研究期间由独立调查人员每隔8 h(1:00，9:00，17:00)采集1次NEDOCSBJ和MEDOS所需变量的相关数据，根据模型计算出NEDOCSBJ值，根据量表项赋值进行评分和累计求和得MEDOS值。在上述采样时间点同步进行视觉模拟评分(VAS)(取医生和护士评分均值，即VAS-m)。急诊患者流量、患者人口学特征等数据由计算机信息系统(北京腾基伟业医疗信息技术有限公司)自动采集。
1.3 急诊科拥挤度评估方法 1.3.1 视觉模拟评分法(VAS)和国家急诊科拥挤度评分(NEDOCS)VAS和NEDOCS评分方法见参考文献[5]。
1.3.2 改良国家急诊科拥挤度评分NEDOCS计算公式为[6]：
NEDOCS = (Pbed/Bt)×85.8+(Padmit/Bh)×600+Wtime×5.64+Atime×0.93+Rn×13.4-20
Pbed:急诊总在床患者数(包括急诊廊厅中平车和输液椅上治疗患者；不包括候诊区患者)；Bt:急诊治疗床位数(卫生行政部门批准的床位+输液椅数)；Padmit:侯床住院患者数(急诊留观患者数，不包括急诊综合病房患者数和临时输液椅患者数)；Bh:医院床位数；Wtime:最后一个上急诊病床患者候床时间(从到达急诊到躺上急诊病床时间，h)；Atime:等待住院最长时间；Rn:机械通气患者数
因为Padmit/Bh和Atime是急诊流出道梗阻指标，急诊患者住院困难与否直接关系到患者急诊滞留时间(LOS)，考虑用流出道梗阻率(Access block index，ABI)来替代(ABI=急诊滞留时间大于24 h病例数/急诊在床治疗总病例数)。以VAS作为结局变量(采用VAS-m值20倍等比转换后数据，即0～200分范围，以利于随后进行的测量方法的一致性检验)，重新构建改良的急诊科拥挤度评估模型(NEDOCSBJ)：
应变量(VAS-m×20) =(Pbed/Bt)×a + Wtime×b + Xn×c +ABI×d + e
在新模型中Wtime调整为最近一个就诊患者候诊时间(min)，仍沿用Wtime名称；Xn为生命支持设备(机械通气、持续床旁血液净化、IABP、ECMO等体外生命支持设备)数量；其余协变量定义同NEDOCS模型；a-e为未知常量。
1.3.3 MEDOS编制及评估方法MEDOS量表项目包括：急诊科总床位占用率、抢救室床位占用率、廊厅/过道诊治患者数、近2 h急诊心肺复苏和新进抢救室病例数、正在使用的生命脏器功能支持设备数量、医院ICU满负荷状况、流出道梗阻率、急诊科满负荷状况(持续时间)、诊室外候诊患者数、候诊室最近一个看医师患者候诊时间、近8h有无启动救护车转向(AD)、有无未看医师离开急诊(LWBS)现象等12项，见本期论文。
1.4 统计学方法应用SPSS 17.0统计软件对数据进行统计学分析。连续变量资料两两比较采用t检验或配对样本t检验。方差分析(One-way ANOVA)检验不同时点(1:00，9:00，17:00)测得的拥挤相关变量是否存在显著性差异。多元线性回归方法分析急诊科拥挤度(VAS-m作为结局变量)与其他自变量(Wtime，Pbed/Bt，Xn，ABI等)间相关性，以期重新构建拥挤度多元线性回归数学模型。NEDOCSBJ、MEDOS和VAS-m三种测量方法间一致性评价采用配对t检验(检验系统误差)、简单相关分析(Pearson相关分析)、组内相关分析(ICC)和Bland-Altman法[7]。Bland-Altman法95%一致性限度专业界值设为40(40分为一个拥挤度评分等级)，<40分则表明一致性较好。以P＜0.05为差异具有统计学意义。
2 研究结果 2.1 基本资料6 个月研究期间，共接诊急诊患者52 440人次，552个拥挤度变量取样点(184 d，每天1:00、9:00、17:00三个采样点)，拥挤度评估主要相关变量数据见表 1，每个采样点同时测量： VAS-m，NEDOCS，NEDOCSBJ，MEDOS。VAS-m均值为(6.80±1.67)，NEDOCS均值为155.5±36.4(63～277)，＞180(危险性拥挤)占23.6%，其中NEDOCS>200占11.4%。
| 研究变量 | 均值 | 9:00时点 | 17:00时点 | 1:00时点 | F值 | P |
| 急诊总在床患者数(Pbed) | 84.7±11.4 | 85.6±11.7 | 84.8±11.4 | 83.9±10.9 | 1.030 | 0.358 |
| 急诊总床位占用率(Pbed/Bt)(%) | 97.4±13.1 | 98.3±13.4 | 97.5±13.1 | 96.4±12.6 | 1.030 | 0.358 |
| 抢救室患者数 | 15±2.7 | 15.8±2.5 | 14.2±2.8 | 15.0±2.6 | 15.433 | <0.01 |
| 抢救室床位占用率(%) | 136±24.6 | 143±23.2 | 129±25.4 | 136±23.2 | 15.433 | <0.01 |
| 留观病例数(Padmit) | 33.5±10.3 | 33.7±10.8 | 34.0±10.4 | 32.6±9.8 | 0.997 | 0.369 |
| Padmit/Bh(%) | 1.67±0.52 | 1.69±0.54 | 1.70±0.52 | 1.63±0.49 | 0.997 | 0.369 |
| 急诊流出道梗阻率 | 60.5±11.9 | 60.0±12.0 | 61.6±12.6 | 59.9±10.9 | 1.240 | 0.295 |
| 呼吸机数量(Rn) | 3.47±1.89 | 3.73±1.87 | 3.29±1.87 | 3.40±1.90 | 2.791 | 0.062 |
| 生命支持设备量(Xn) | 3.83±2.03 | 4.13±2.05 | 3.59±1.97 | 3.76±2.03 | 3.440 | 0.033 |
| Wtime(h) | 2.31±0.56 | 2.28±0.52 | 2.34±0.56 | 2.40±0.61 | 1.582 | 0.187 |
| 候诊时间(min) | 48.7±33.4 | 33.7±22.2 | 50.4±33.4 | 62.0±36.8 | 37.449 | <0.01 |
| 注：①Pbed 急诊额定床位、廊厅中临时床位、输液椅上治疗患者数；② Bt 急诊治疗床位数(卫生行政部门批准的床位+输液椅数)；③留观病例数(Padmit) 急诊滞留超过24 h侯床住院患者数；④ Bh 医疗机构额定床位数；⑤ Wtime 最后一个上急诊病床患者侯床时间；⑥生命支持设备量 急诊区域应用呼吸机(有创/无创)、持续床旁血液净化设备、主动脉内球囊反搏、体外膜氧合(ECMO)等抢救设备数量；⑦候诊时间 候诊室最近一个看医师患者的候诊时间 | ||||||
单因素方差分析结果显示，抢救室患者数、包括抢救室床位占用率、生命支持设备量、候诊时间(最近一个看医师患者候诊时间)四项指标在3个时点中差异具有统计学意义，其余指标差异无统计学意义。
2.2 急诊科拥挤度评估模型改良(NEDOCSBJ) 2.2.1 数据考察Pearson相关分析显示，自变量(Pbed/Bt、Wtime、Xn、ABI)和应变量(VAS-m)间具有显著的相关性，相关系数分别为0.585、0.462、0.655和0.345，P均<0.01。
2.2.2 训练集和验证集在建立改良的急诊拥挤度评估模型(NEDOCSBJ)同时希望能对新模型进行效度验证，因此把原始数据分成两个互补子集：一个子集用于分析(训练集)，建立评估模型；另一个子集进行验证(验证集)，分析有效性，即进行交叉效度分析(cross-validation)。将分析数据人为分为奇数日数据(训练集，n=282)和偶数日数据(验证集，n=270)，两组数据中自变量和应变量一致。训练集和验证集两组间各变量值差异无统计学意义(表 2)。
| 研究变量 | 总体均值 | 训练集(奇数日)(n=282) | 验证集(偶数日)(n=270) | t值 | P |
| Pbed | 84.7±11.4 | 84.9±11.4 | 84.6±11.3 | 0.300 | 0.764 |
| Pbed/Bt(%) | 97.4±13.1 | 97.6±13.1 | 97.2±13.0 | 0.300 | 0.764 |
| 抢救室患者数 | 15.0±2.7 | 15.1±2.9 | 14.9±2.5 | 0.708 | 0.479 |
| 抢救室床位占用率(%) | 136±24.6 | 137.1±26.0 | 135.6±23.1 | 0.708 | 0.479 |
| Padmit | 33.5±10.3 | 33.6±10.8 | 33.3±9.9 | 0.282 | 0.778 |
| Padmit/Bh(%) | 1.67±0.52 | 1.68±0.54 | 1.67±0.49 | 0.282 | 0.778 |
| ABI | 60.5±11.9 | 60.4±12.0 | 60.7±11.8 | -0.256 | 0.798 |
| Rn | 3.47±1.89 | 3.41±1.94 | 3.54±1.82 | -0.806 | 0.421 |
| Xn | 3.83±2.03 | 3.76±2.11 | 3.89±1.94 | -0.745 | 0.451 |
| Wtime(min) | 48.7±33.4 | 49.0±34.2 | 48.3±32.7 | 0.248 | 0.804 |
| VAS-m | 6.80±1.67 | 6.77±1.70 | 6.84±1.64 | -0.526 | 0.599 |
| NEDOCS | 155.5±36.4 | 154.9±37.8 | 156.2±35.0 | -0.428 | 0.669 |
| NEDOCSBJ | 135.7±25.6 | - | 136.0±24.5 | - | - |
| MEDOS | 25.4±5.8 | 25.4±5.3 | 25.3±5.9 | 0.129 | 0.897 |
| 注：Pbed 急诊总在床患者数；Padmit 急诊滞留超过24h侯床住院患者数；Bt 急诊额定治疗床位数；Bh：医院额定床位数；ABI：流出道梗阻率；Rn 呼吸机数量；Xn 生命支持设备数量；Wtime 候诊室最近一个看医师患者候诊时间(min)；VAS-m 直观量表评分(医师、护士评分均值)；NEDOCS 国家急诊科拥挤度评分；NEDOCSBJ 改良国家急诊科拥挤度评分；MEDOS：多维急诊科拥挤评分量表评分。 | |||||
应用原始数据“训练集(奇数日)”进行多元线性回归分析，全部自变量(Pbed/Bt、Wtime、Xn、ABI)进入回归模型(全部进入法)。
模型概述：模型的R，决定系数R2，校正R2和估计标准误分别为0.799，0.639，0.634，20.516。R为多元回归系数，R2值提示自变量与应变量共变量比例高，模型与数据拟合优度良好。F值为118.573，P<0.01，认为所建立的回归方程有效(有统计学意义)。
回归系数：表 3中列出了常数、回归系数值，同时对其进行显著性检验。四个自变量回归系数分别为：83.563(Pbed/Bt)，7.201(Xn)，0.116(Wtime)和0.302(ABI)，四个回归系数显著性水平P均<0.01，认为四个自变量对应变量均有显著影响，分析得到回归方程为：
| 模型 | 非标准化系数 | 标准系数 | t值 | P值 | |
| B | 系数标准误 | Beta | |||
| (常量) | 2.835 | 10.521 | 0.269 | 0.788 | |
| Pbed/Bt | 83.563 | 12.385 | 0.324 | 6.747 | 0.000 |
| Xn | 7.201 | 0.741 | 0.448 | 9.724 | 0.000 |
| Wtime (min) | 0.116 | 0.045 | 0.117 | 2.599 | 0.010 |
| ABI | 0.302 | 0.107 | 0.110 | 2.834 | 0.005 |
| 注：a因变量 VAS-m(×20等比转换后) | |||||
NEDOCSBJ=83.563×(Pbed/Bt)+ 7.201×(Xn)+ 0.116×Wtime + 0.302×ABI + 2.835
2.3 多维急诊科拥挤评分量表(MEDOS)MEDOS评分系统得分范围0-40分。MEDOS均值(n=552)为25.4±5.8(5～39)。进一步分析显示，MEDOS评分值和VAS-m(r=0.664,P＜0.01)、NEDOCSBJ(r=0.939，P＜0.01)均有明显相关性。配对样本t检验显示，5倍等比转换后验证集(偶数日数据)中MEDOS评分(126.8±29.0)明显低于NEDOCSBJ(136.0±24.5)，t=21.68，P＜0.01。
2.4 拥挤度测量方法一致性评价 2.4.1 前期数据处理(数据源：验证集)研究者在同一时点用VAS-m、NEDOCSBJ和MEDOS三种方法测量拥挤度。首先通过新构建的评估模型(NEDOCSBJ)计算出验证集中NEDOCSBJ评分(n=270)。NEDOCSBJ均值为(136.0±24.5)；90百分位数为168分，75百分位数为152分，中位数为136分，25百分位数为117分，10百分位数为104分；＞180分占4.4%。NEDOCSBJ与VAS-m两者有良好相关性(r=0.630，P＜0.01)。NEDOCSBJ和MEDOS间Pearson相关分析显示两者有显著的相关性，r=0.939，P＜0.01。
2.4.2 测量方法一致性检验方法--Bland-Altman法[7]通过Bland-Altman图观察两种测量方法之间差异，横轴为两种方法测量结果的均值(A)，纵轴为两种两种方法测量结果的差异值(D)。Bland-Altman图中中间线为差值均值，上下两条线为差值的95%上下置信限，这个区间为95%的一致性界限。检验前，先将VAS-m和MEDOS评分均按等比例转换，即VAS转换(VAS-t)=VAS-m×20，MEDOS转换(MEDOS-t)=MEDOS×5。表 4为VAS-m、NEDOCSBJ和MEDOS的一致性检验结果。
| 一致性检验方法 | 配对t检验 | Pearson相关系数 | 组内相关系数b | Bland-Altman法 | |||
| t值 | P值 | r | P值 | ICC | P值 | 95%一致性界限 | |
| 1. VAS-m & NEDOCSBJa | 0.490 | 0.625 | 0.630 | <0.01 | 0.753 | <0.01 | -27.89～26.34 |
| 2. MEDOS & VAS-m | 6.490 | <0.01 | 0.664 | <0.01 | 0.656 | <0.01 | -27.01～46.94 |
| 3. MEDOS & NEDOCSBJ | 15.567 | <0.01 | 0.939 | <0.01 | 0.931 | <0.01 | -6.74～30.66 |
| 注：aVAS-m和MEDOS评分均系等比转换后数据，VAS转换值=VAS-m×20，MEDOS转换值=MEDOS×5；b组内相关系数(ICC)即个体间变异度除以总变异度，ICC值>0.75，提示两种测量方法一致性好 | |||||||
MEDOS和VAS-m 两者相关系数为0.664。Bland-Altman图示两种方法测量值差值的均值为9.97(95%CI：6.94～13.0),差值均值的标准差为18.86，因此95%一致性界限为9.97±1.96×18.86，即95%一致性界限范围为(-27.01～46.94)。两方法测量方法95%一致性界值范围达74分，超过NEDOCS分值等级一个等级(每40分相差一个拥挤度等级)；在差值分布频率表中有超过5%对数据(24对，8.6%)的差值超过40分，两方法一致性欠理想。
MEDOS与NEDOCSBJ 两者相关系数为0.939。Bland-Altman图显示两种方法测量值差值的均值为11.96(95%CI：10.81～13.10),差值均值的标准差为9.54，因此95%一致性界限为11.96±1.96×9.54，即95%一致性界限范围为(-6.74～30.66)(图 1)。一致性界值范围37分，小于一个拥挤度等级分。另外考察“差值”实际分布频率，仅2对数据(0.7%)差值超过40分，32对数据(11.9%)差值超过20分。提示从临床专业判断界值来说，这两种方法之间有较好一致性。
|
| 图 1 MEDOS & NEDOCSBJ一致性检验Bland-Altman图 Fig. 1 Bland-Altman analysis of the agreement between MEDOS and NEDOCSBJ |
拥挤度测量方法仍在不断探索当中，定量分析拥挤度研究非常少[4]。医护人员主观感受和单个变量作为评估指标有其明显局限性；根据急诊拥挤模型的3个环节：入口环节、处置过程、出口环节；采集各环节相关参数，构建综合评分指数，是今后拥挤度测量方法学趋势。 NEDOCS和EDWIN等评估模型构建平台是基于国外急诊运行模式上的，是否适于国内综合医院急诊科推广应用存在很大疑问，有必要对其适用性进行重新评估和合理修订，甚至另辟蹊径，建立契合中国国情的急诊科拥挤度评估方法。当前国内尚未开展相关研究。
3.2 NEDOCS和NEDOCSBJNEDOCS是评估方法研究中的热门，评估时考虑到急诊科床位资源、危重症对急诊资源的占用、流出道梗阻、患者等床时间等环节因素。但NEDOCS在不同国家、不同地区、不同等级医疗机构中的适用性仍有待于验证[4, 8, 9]。Raj 等[9]曾于2006年报道，NEDOCS对澳大利亚急诊拥挤度评估准确性较差(与医师主观评分法比较)。另外，NEDOCS局限性还在于其研究变量需要先进的患者信息追踪系统。
本项研究中也发现存在上述类似问题，NEDOCS评分明显高于急诊医护人员主观评分，且NEDOCS得分中有11.4%数据超过200分(超过评估模型预期最高分值)，提示有必要对NEDOCS模型进行修订。研究中也发现NEDOCS模型中部分自变量在当前中国三级综合性教学医院急诊环境不适用，如：①Atime(候床住院最长时间)，跨度非常大，几小时至几周均有可能，甚至更长；②Wtime(最后一个上急诊病床患者侯床时间)，在当前信息系统中采集难度大；③ Bh(医院额定住院床位数)，在医疗机构住院床位使用率长期处于高位时(如>95%)，该指标对急诊医疗资源调剂作用有限；④Rn(呼吸机数量)，包括呼吸机在内的各种急救设备急诊应用越来越普遍，这些设备使用量采集并不困难，且占用大量急诊科医疗资源，应给予综合考虑。基于上述几点考虑和调整，改良后评估模型如下：
NEDOCSBJ=83.563×(Pbed/Bt)+ 7.201×(Xn)+ 0.116×Wtime + 0.302×ABI + 2.835
NEDOCSBJ在随后的对比验证(交叉效度分析)中证明是成功的。与VAS、MEDOS具有良好的相关性(表 4)，在临床实践中较为客观、可行，值得我们在今后的研究中借鉴。
当然，今后在构建全新评估模型时，自变量的选择宜结合研究者目的，如研究急诊拥挤度预报系统，可参考EDWIN模型，把危重权重系数(危重症所占比例)和急诊人力资源纳入进来[10]，适当考虑患-护比等指标[11]。
3.3 拥挤度评估方法学比较VAS、NEDOCSBJ、MEDOS三种测量方法原理、评估方法和内容、优缺点比较见表 5。
| 主观评估法(VAS) | 国家急诊科拥挤度评分(NEDOCSBJ) | 量表法(MEDOS) | |
| 应用原理 | 基于研究者主观感受； | 根据急诊科拥挤相关变量，构建多元线性回归模型，得到相应回归方程； | 通过对量表各个项目(有可能是果，而不是因)评估得到分值，累计求和； |
| 项目/变量 | 主观指标； | 客观指标(自变量)； | 可结合客观和主观指标； |
| 评分值类型 | 等级资料； | 计量资料； | 计数资料； |
| 适用性 | 随意性大，但仍是急诊科拥挤度评估主要参照指标； | 有两面性，信息系统先进机构，评分结果可即时、直观显示；但对其他机构来说很困难； | 灵活性好；应用起来方便、快捷；评分方法简明，易被接受； |
| 急诊区域平衡性 | 差，存在不可控因素； | 较好，考虑各环节供需问题； | 好，均衡考虑各区域功能； |
| 技术要求 | 技术要求不高，对评估者简单培训即可； | 技术要求高，需先进信息系统支撑，否则操作起来繁琐； | 可进行即时评估，评估者需要进行简单培训； |
| 信度 | 差(理论推测)，本研究中未进行内信度测量； | 进行交叉对比验证，好； | 折半信度初步验证，好； |
| 缺陷 | 研究者通常把拥挤与不拥挤看做是同一个构念的2个相互对立的极端；实际医疗服务过程中，急诊不同环节或区域可能面临一些地方拥挤、一些地方不拥挤的情形； | 存在国家间或地域性差异问题，影响测量方法的推广，需要进行修订，难以开展多中心研究；数据采集有一定难度，对急诊信息系统要求高； | 评分结果精准度可能不及NEDOCS-BJ模型，但一致性验证结果提示两者具有一定可替换性；在研究的初始阶段，尚欠成熟； |
| 预报价值 | 无； | 有潜在预报价值； | 未知，可能有滞后问题a； |
| 测量方法相关性 | 初步研究结果显示，三者有良好相关性，但MEDOS均值(标准分)可能会低于前两者 | ||
| 注：a多数精确评估指标是急诊科负性事件，用这些负性事件进行预报存在滞后问题 | |||
配对样本t检验本质是对均值“差异”进行检验，以验证总体均数是否相同，但不反映数据的一致性，非真正意义上的“一致性”检验。系统性误差对“均数”影响比较大，t检验对其敏感。表 4显示VAS-m与MEDOS、NEDOCSBJ与MEDOS，差异具有统计学意义，NEDOCSBJ与MEDOS两者差值均值为11.96分，但考虑到系统性误差等因素，此差值在急诊科拥挤度评估方面无实际意义。
3.3.2 相关系数和组内相关系数(ICC)表 4显示，三种测量方法间均有明显相关性，但相关系数反映的是两变量线性关系密切程度而非一致性。系统误差对两变量的线性关系影响很小，如NEDOCSBJ与MEDOS均值有显著性差异，但两者有显著的线性关系，相关系数r=0.939(P<0.01)。
组内相关系数(ICC)是测量方法一致性检验的重要方法。ICC等于个体间变异度除以总的变异度。ICC越大，说明随机变异在测量总误差中的作用越大，因而测量间的一致性越大。ICC是评价一致性较为理想的指标，一般认为信度系数低于0.4表示信度较差，大于0.75表示信度良好，对于定量资料常需要更高的ICC值[12]。本组资料显示NEDOCSBJ与MEDOS两组测量方法比较信度良好(ICC值＞0.75)。
3.3.3 Bland-Altman法Bland-Altman法是一致性验证中定量分析与定性分析有机结合[7]。通过绘制的Bland-Altman图观察测量值差值D与测量值均值A的关系(图 1)。研究显示NEDOCSBJ与MEDOS、 VAS-m与NEDOCSBJ95%一致性界限范围分别为37分和54分，临床专业意义上来说前者尚可接受，后者则欠理想。
综上，VAS-m、NEDOCSBJ、MEDOS三种测量方法一致性较好方法有VAS-m与NEDOCSBJ、NEDOCSBJ与MEDOS，但前者的Bland-Altman图显示其95%一致性界限值从临床专业接受程度来看欠理想；NEDOCSBJ与MEDOS 间，组内相关分析(ICC)和Bland-Altman图显示两者有较好的一致性，尽管两者差值均值达11.96分，可能存在系统性误差，但从临床专业角度来看其95%一致性界限(37分)和差值均值(11.96分)尚可接受。因此，尽管目前尚无证据支持这三种测量方法间可以相互替代，但NEDOCSBJ与MEDOS间具有较好的一致性，MEDOS作为一种非常便捷的、有效评估方法，因其独特的优势，在临床实践中值得推广应用。
3.4 局限性本研究主要局限性是评估方法缺乏金标准，在研究中选择VAS-m作为拥挤评估参考标准。另一局限性是变量选择和代表性问题，尽管经大量文献复习，建立急诊科拥挤相关变量库，结合NEDOCS模型中自变量，根据变量易获得性筛选了一组用于MEDOS量表评分和一组用于改良NEDOCSBJ模型的拥挤相关变量，但这两组变量究竟能在多大程度上反映急诊科拥挤度现象，就目前技术水平来说，尚不能得出科学结论。
最后需要指出的是，本项目为单中心研究。在项目实施过程中，需采集大量数据，试验者负担很重，初始量表虽然经过精心构架和编制，但量表项目数偏于简短。在推广应用前，仍需更多的医疗机构参与验证和修订。
3.5 研究优势急诊科拥挤评估最好的办法是测量拥挤现象本身。收集急诊科各个环节/区域拥挤现象的相关信息，综合考虑各区域的工作负荷和员工感受，才能更客观反映急诊科拥挤程度，这样的评估方法看似非常复杂，但通过多维急诊科拥挤评估量表(MEDOS)能较好地解决和平衡这些方面。MEDOS对急诊拥挤度测量来说尚属于一种全新的领域，但临床医师对这类量表并不陌生，尤其是在评估一些复杂临床现象时。MEDOS兼具灵活性和科学性，量表项目可以是急诊科拥挤的“果”(如拥挤导致救护车转向、患者报复率现象)，也可以是评估者主观感受相关指标或客观的反映供需矛盾的指标(如抢救室床位占用率等)，这些看似不相干的现象，其本质就是“急诊科供需矛盾”，围绕这一主旨(本质)，通过制定科学量表，把那些无序的变量有机串联起来，其本身就是一种积极的、令人激动的探索。
总之，良好的测量方法是有效研究的必要条件。从国内一家典型三级综合教学医院急诊医学研究数据来看，NEDOCS法经改良后(NEDOCSBJ模型)是潜在重要的急诊拥挤度评估工具，但因其受到自变量易获得性等诸多因素制约，不利于在国内广泛应用，而多维急诊科拥挤评估量表(MEDOS)因其直观量化、可即时评估、采集信息点多、易于采集等优点，在急诊系统管理学研究领域具有良好的应用前景。
| [1] | Hwang U, McCarthy ML, Aronsky D, et al. Measures of crowding in the emergency department: A systematic review [J] . Acad Emerg Med, 2011,18(5):527-538. DOI: 10.1111/j.1553-2712.2011.01054.x. |
| [2] | Wang H, Robinson RD, Cowden CD, et al. Use of the SONET score to evaluate Urgent Care Center overcrowding: a prospective pilot study [J] . BMJ Open, 2015, 14(4):e006860. DOI: 10.1136/bmjopen-2014-006860. |
| [3] | Weiss SJ, Rogers DB, Maas F, et al. Evaluating community ED crowding: the Community ED Overcrowding Scale study [J] . Am J Emerg Med, 2014, 32(11): 1357-1363. DOI: 10.1016/j.ajem.2014.08.035. |
| [4] | 徐腾达,于学忠,盖晓荣,等. 急诊科拥挤现象系统性回顾研究(1974-2012)[J] . 中华急诊医学杂志, 2014,23(4):1120-1125. DOI : 10.3760/cma.j.issn.1671-0282.2014.04.013. Xu TD, Yu XZ, Gai XR, Xu J, Du TK. A systemic review of global emergency department (1974-2012) crowding research [J] . Chin J Emerg Med, 2014, 23(4):1120-1125. |
| [5] | 周文华,孙红,刘继海,等. 视觉模拟评分法评估急诊科拥挤度研究[J] . 中华急诊医学杂志, 2015, 24(5): 512-517. 5. DOI: 10.3760/cma.j.issn.1671-0282.2015.05.016. Zhou WH, Sun H, Liu JH, et al. Bland-Altman analysis for determining the coincidence between two methods for measuring emergency department crowding: visual analogue scale versus national emergency department overcrowding scale [J] . Chin J Emerg Med, 2015, 24(5): 512-517. |
| [6] | Weiss SJ, Derlet R, Arndahl J, et al. Estimating the degree of emergency department overcrowding in academic medical centers: results of the National ED Overcrowding Study (NEDOCS) [J] . Acad Emerg Med, 2004,11(1): 38-50. |
| [7] | Bland JM, Altman DG. Agreed statistics: measurement method comparison [J] . Anesthesiology, 2012, 116(1): 182-185. DOI: 10.1097/ALN.0b013e31823d7784. |
| [8] | Jones SS, Allen TL, Flottemesch TJ, et al. An independent evaluation of four quantitative emergency department crowding scales[J] . Acad Emerg Med, 2006,13(11):1204-1211. DOI: 10.1197/j.aem.2006.05.021. |
| [9] | Raj K, Baker K, Brierley S, et al. National Emergency Department Overcrowding Study tool is not useful in an Australian emergency department[J] . Aus Emerg Med, 2006,18(3):282-288. |
| [10] | Hoot N, Aronsky D. An early warning system for overcrowding in the emergency department[J] . AMIA Annu Symp Proc, 2006: 339-343. |
| [11] | McCarthy ML, Aronsky D, Jones ID, et al. The emergency department occupancy rate: a simple measure of emergency department crowding?[J] . Ann Emerg Med, 2008,51(1):15-24.DOI: 11.10.1016/j.annemergmed.2007.09.003. |
| [12] | Lee J, Koh D, Ong CN. Statistical evaluation of agreement between two methods for measuring a quantitative variable [J] . Comput Biol Med, 1989,19(1): 61-70. |