早期預(yù)警評(píng)分系統(tǒng)在普通病房的應(yīng)用研究進(jìn)展

任雪麗，周 蓉

1.山西醫(yī)科大學(xué)護(hù)理學(xué)院，山西 030001；2.山西醫(yī)科大學(xué)第二醫(yī)院

據(jù)統(tǒng)計(jì)，3%～18%的普通病房病人住院期間會(huì)發(fā)生心搏驟停、非計(jì)劃轉(zhuǎn)入重癥監(jiān)護(hù)室（ICU）或危及生命的器官衰竭等嚴(yán)重不良事件（serious adverse event，SAE）[1-2]。SAE 既不是突發(fā)性的，也不是不可預(yù)測(cè)的情況，而是一個(gè)漸進(jìn)的過(guò)程[3]。多項(xiàng)研究表明，病人在嚴(yán)重病情變化前數(shù)小時(shí)會(huì)出現(xiàn)某些生命體征參數(shù)紊亂[4]。臨床護(hù)士評(píng)估病人病情主要依靠個(gè)人臨床經(jīng)驗(yàn)或主觀感覺(jué)，若其對(duì)生理指標(biāo)的異常改變反應(yīng)不及時(shí)容易造成不恰當(dāng)?shù)淖o(hù)理或延誤救治最佳時(shí)機(jī)[5]。已有研究顯示，危重病人延遲轉(zhuǎn)入ICU 與死亡率增加有關(guān)，感染性休克病人的抗生素治療每推遲1 h，死亡率約增加8%[6]。因此，有必要制定一個(gè)快速、簡(jiǎn)便的評(píng)估工具幫助護(hù)士主動(dòng)觀察和早期識(shí)別潛在的危重病人[7]。20 世紀(jì)90 年代末，早期預(yù)警評(píng)分系統(tǒng)（Early Warning Score，EWS）由Morgan 等提出，包括心率、呼吸頻率、收縮壓、體溫和意識(shí)水平5 項(xiàng)生理指標(biāo)，每項(xiàng)指標(biāo)被賦予一定的權(quán)重和分值，當(dāng)總分或單項(xiàng)得分超過(guò)設(shè)定閾值時(shí)即會(huì)觸發(fā)相應(yīng)的預(yù)警監(jiān)護(hù)方案[4]。目前，國(guó)內(nèi)外已發(fā)布了100 多個(gè)版本的EWS，而改良早期預(yù)警評(píng)分（Modified Early Warning Score，MEWS）和英國(guó)國(guó)家早期預(yù)警評(píng)分（National Early Warning Score，NEWS）是臨床使用廣泛的兩種危重疾病嚴(yán)重程度評(píng)分系統(tǒng)[8]。近年來(lái)，EWS 已在院前急救、院內(nèi)急救、ICU 等急危重癥領(lǐng)域得到普遍應(yīng)用，但在普通病區(qū)的應(yīng)用研究仍處于初步探索階段。英國(guó)重癥監(jiān)護(hù)協(xié)會(huì)和倫敦皇家醫(yī)學(xué)院推薦將MEWS 和NEWS 應(yīng)用于綜合病房病人的病情風(fēng)險(xiǎn)評(píng)估，但其使用效果還有待進(jìn)一步研究[9-10]?，F(xiàn)就EWS 在普通病房的應(yīng)用現(xiàn)狀和現(xiàn)存問(wèn)題進(jìn)行闡述，旨在為?？撇》繎?yīng)用EWS 提供參考。

1 EWS 在普通病房的應(yīng)用

2014 年，中南大學(xué)湘雅醫(yī)院護(hù)理團(tuán)隊(duì)在全院普通病區(qū)建立了MEWS 和標(biāo)準(zhǔn)化溝通模式（SBAR）胸卡標(biāo)準(zhǔn)化、MEWS 預(yù)警標(biāo)識(shí)欄統(tǒng)一化、評(píng)估流程標(biāo)準(zhǔn)化、護(hù)理記錄書寫標(biāo)準(zhǔn)化和交接班內(nèi)容流程化五大病情早期預(yù)警流程[11]，這一突破性的臨床實(shí)踐提高了護(hù)士的預(yù)警意識(shí)，為醫(yī)護(hù)間有效溝通病人病情提供了科學(xué)、客觀的依據(jù)。姚美蓉等[12]回顧性分析了普通病房中醫(yī)囑為病危、病重的1 299 例病人的病歷資料，結(jié)果顯示，入院時(shí)和發(fā)生病情變化時(shí)的護(hù)理級(jí)別與對(duì)應(yīng)的MEWS評(píng)分比較，差異有統(tǒng)計(jì)學(xué)意義；轉(zhuǎn)入ICU 組病人兩時(shí)間點(diǎn)的MEWS 得分均高于未轉(zhuǎn)入ICU 組，死亡組兩時(shí)間點(diǎn)的MEWS 得分均最高。表明MEWS 在早期識(shí)別潛在危重病人、預(yù)測(cè)病人預(yù)后方面有重要意義。曾芬蓮等[13]分別使用MEWS 和NEWS 對(duì)461 例神經(jīng)外科顱腦損傷病人的病情嚴(yán)重程度進(jìn)行評(píng)估，結(jié)果表明，與MEWS 相比，NEWS 與病情嚴(yán)重程度的相關(guān)性更顯著，對(duì)病情惡化的預(yù)測(cè)效能更高。2017 年，英國(guó)皇家醫(yī)學(xué)院對(duì)NEWS 進(jìn)行更新，形成更新版NEWS（NEWS 2）。Peng 等[14]將NEWS 2 與其他24 種類型EWS 預(yù)測(cè)顱內(nèi)腫瘤病人術(shù)后72 h 內(nèi)非計(jì)劃轉(zhuǎn)入ICU的效能進(jìn)行比較，結(jié)果顯示,NEWS 2 和病人危險(xiǎn)評(píng)分（Patient at Risk Score，PARS）的預(yù)測(cè)效能較高，受試者工作特征（ROC）曲線下面積（AUC）分別為0.86 和0.87。李備等[15]將改良后的NEWS 臨床響應(yīng)措施應(yīng)用于普通病房上消化道出血病人護(hù)理中，有效降低了意外事件發(fā)生率，改善了病人對(duì)護(hù)理工作的滿意度。王春梅等[16]對(duì)325 例腫瘤危重癥病人術(shù)后第1 次生命體征值進(jìn)行NEWS 評(píng)分，根據(jù)NEWS 的風(fēng)險(xiǎn)分層標(biāo)準(zhǔn)，將NEWS 分值劃分為低危、中危、高危和極高危，以術(shù)后30 d 預(yù)后為結(jié)局指標(biāo)，結(jié)果顯示，死亡組病人NEWS 得分高于存活組，NEWS 風(fēng)險(xiǎn)等級(jí)和30 d 內(nèi)死亡率存在顯著的正相關(guān)關(guān)系，中危、高危和極高危腫瘤危重癥病人30 d 死亡風(fēng)險(xiǎn)分別是低危病人死亡風(fēng)險(xiǎn)的4.577 倍、8.802 倍和53.571 倍。表明不同風(fēng)險(xiǎn)等級(jí)下的NEWS 評(píng)分可以量化評(píng)估腫瘤危重癥病人的死亡風(fēng)險(xiǎn)。張?jiān)伱返萚17]的研究探討了普外科1 221 例病人的MEWS 得分與病情嚴(yán)重程度及轉(zhuǎn)歸的關(guān)系，結(jié)果發(fā)現(xiàn)，MEWS 得分越高病人病情越重，轉(zhuǎn)歸越差，MEWS識(shí)別潛在危重病人和危重病人的最佳截?cái)嘀捣謩e為3分和4 分，ROC 曲線下面積分別為0.915 和0.921，表明MEWS 可以幫助醫(yī)護(hù)人員量化評(píng)估病人的病情嚴(yán)重程度，前置救治措施，從而降低病死率。

國(guó)外學(xué)者也為驗(yàn)證EWS 對(duì)于普通病房病人發(fā)生病情變化的風(fēng)險(xiǎn)識(shí)別能力展開(kāi)了一系列研究。Zografakis-Sfakianakis 等[18]針對(duì)153 例從普通病房轉(zhuǎn)入ICU 的病人進(jìn)行了一項(xiàng)觀察性研究，發(fā)現(xiàn)15%的病人轉(zhuǎn)入ICU 前20 h 的MEWS 評(píng)分逐漸增加，轉(zhuǎn)入ICU前最后1 次的MEWS 得分與ICU 死亡率和住院時(shí)間顯著相關(guān)。Balshi 等[19]的研究還發(fā)現(xiàn)，病人轉(zhuǎn)出ICU時(shí)的MEWS 評(píng)分與48 h 內(nèi)ICU 再入院相關(guān)，MEWS預(yù)測(cè)ICU 再入院的ROC 曲線下面積為0.82，≥6 分預(yù)測(cè)再入院的靈敏度較高。Klepstad 等[3]指出，胃腸外科病人再入ICU 或高依賴病房(HDU)前，NEWS 得分平均每小時(shí)增加0.15 分，再入ICU 或HDU 前最后1 次測(cè)定的NEWS 得分明顯高于未再入ICU 或HDU 的病人(P＜0.001)。Van Galen 等[20]對(duì)1 053 例病人的MEWS評(píng)分進(jìn)行為期1 個(gè)月的核查，結(jié)果顯示，盡管有1/3 的MEWS 計(jì)算錯(cuò)誤，但MEWS≥3 分的病人明顯發(fā)生了更多的不良事件。Heller 等[21]將基于MEWS 的自動(dòng)預(yù)警系統(tǒng)引入外科病房，對(duì)3 827 例病人進(jìn)行為期12 個(gè)月的觀察性研究，結(jié)果顯示，心搏驟停發(fā)生率從應(yīng)用前的0.53%下降為應(yīng)用后的0.21%(P＜0.001)，ICU 非計(jì)劃入住率從3.6%降至3.0%(P＜0.001)。

國(guó)內(nèi)外多項(xiàng)研究表明EWS 操作簡(jiǎn)便，獲取參數(shù)方便，能夠有效評(píng)估病人病情，預(yù)測(cè)嚴(yán)重不良事件的發(fā)生，為醫(yī)護(hù)人員及時(shí)調(diào)整不同級(jí)別的床旁響應(yīng)措施提供依據(jù)。

2 EWS 的改進(jìn)

Bedoya 等[22]認(rèn)為NEWS 對(duì)臨床結(jié)局的改善微乎其微，超過(guò)85%的警報(bào)被一線護(hù)理人員忽視。唐蓉[2]的研究發(fā)現(xiàn)，MEWS 在普通病區(qū)對(duì)潛在事件、危重事件和危殆事件3 類終點(diǎn)事件的預(yù)測(cè)效能不足，ROC 曲線下面積僅為0.672。Teasdale[23]指出NEWS 僅依靠快速意識(shí)狀態(tài)評(píng)分系統(tǒng)(AVPU)不足以監(jiān)測(cè)住院病人發(fā)生神經(jīng)功能惡化的風(fēng)險(xiǎn)，應(yīng)納入睜眼反應(yīng)、運(yùn)動(dòng)反應(yīng)、瞳孔對(duì)光反應(yīng)等評(píng)估指標(biāo)。Brunker 等[24]的研究也得出AVPU 評(píng)分對(duì)預(yù)測(cè)中度神經(jīng)損傷的敏感度和特異度較差。隨著醫(yī)學(xué)分科的不斷細(xì)化，專科差異日趨明顯，目前的EWS 僅納入了公共指標(biāo)，?？铺禺愋暂^差[25]，一定程度上影響了對(duì)病人危重病情變化的識(shí)別或判斷。因此，有學(xué)者開(kāi)始嘗試將EWS 中的共性指標(biāo)與?？浦笜?biāo)、病人癥狀、主訴、實(shí)驗(yàn)室檢查結(jié)果聯(lián)合應(yīng)用于某些特殊疾病的病情評(píng)估中，以期進(jìn)一步提高EWS 的靈敏度和特異度。

2.1 EWS 與其他指標(biāo)的聯(lián)合應(yīng)用 曾芬蓮等[26]的研究表明，NEWS 結(jié)合格拉斯哥昏迷評(píng)分（GCS）能較好地預(yù)測(cè)顱腦損傷病人是否需要轉(zhuǎn)入ICU 接受更高級(jí)別的監(jiān)護(hù)。李曉燕等[27]的研究發(fā)現(xiàn)，MEWS 聯(lián)合血糖值評(píng)分能有效判斷糖尿病急性并發(fā)癥病人病情，隨著評(píng)分增高，病人病情呈加重趨勢(shì)，以轉(zhuǎn)入ICU 和死亡為預(yù)測(cè)結(jié)局，ROC 曲線下面積均在0.95 以上。Viglino等[28]開(kāi)發(fā)的早期預(yù)警評(píng)分O2(EWSO2)將EWS 中的生命體征參數(shù)與心肺參數(shù)(呼吸速率、心率、血氧飽和度、氧濃度分?jǐn)?shù))相結(jié)合，這種新的評(píng)分方法在預(yù)測(cè)呼吸困難病人不良預(yù)后方面比NEWS、NEWS 2 和氧合指數(shù)（SpO2/FiO2）的準(zhǔn)確性更高。Lee 等[29]將優(yōu)化后的MEWS+SpO2/FiO2評(píng)分(MEWS-SF)與MEWS 評(píng)分進(jìn)行比較，結(jié)果顯示，MEWS-SF 對(duì)轉(zhuǎn)入ICU 和院內(nèi)死亡率的預(yù)測(cè)效能均高于MEWS，可作為識(shí)別普通病房惡性血液病病情惡化的有效工具。

2.2 ?？撇》坎∪瞬∏樽兓疎WS 的構(gòu)建 陳圓圓等[30]對(duì)995 例顱腦腫瘤開(kāi)顱手術(shù)病人進(jìn)行前瞻性調(diào)查研究，構(gòu)建了由瞳孔、MEWS 和GCS 評(píng)分組成的顱腦腫瘤病人術(shù)后病情惡化早期預(yù)警模型，其ROC 曲線下面積為0.852[95%CI（0.816，0.887）]，靈敏度、特異度均為80.5%，準(zhǔn)確率為85.0%，可較好地預(yù)測(cè)病人術(shù)后嚴(yán)重病情變化，如非計(jì)劃轉(zhuǎn)入ICU、非計(jì)劃二次手術(shù)，為早期實(shí)施醫(yī)療護(hù)理干預(yù)提供預(yù)警支持。于漫等[31]基于MEWS 形成的心血管疾病早期預(yù)警評(píng)分量表包括體溫、收縮壓、心率、呼吸、血氧飽和度、意識(shí)、心律失常、疼痛評(píng)分、年齡9 個(gè)條目，Cronbach's α 系數(shù)為0.73，與MEWS 評(píng)分的相關(guān)系數(shù)＞0.9，校標(biāo)關(guān)聯(lián)效度較好，可幫助護(hù)士客觀評(píng)估病人疾病的嚴(yán)重程度并進(jìn)行危險(xiǎn)分層，為護(hù)理決策提供可靠依據(jù)。喬成平等[25]采取回顧性病例對(duì)照研究方法構(gòu)建的婦科病人危重病情變化早期預(yù)警評(píng)估表（GEWS），除納入NEWS 評(píng)分7 項(xiàng)參數(shù)外，還增加了疾病類型、下腹痛、血紅蛋白濃度、陰道流血量、相關(guān)癥狀5 項(xiàng)婦科?？祁A(yù)警指標(biāo)，該評(píng)估表的ROC 曲線下面積為0.96，最佳截?cái)嘀禐?.5 分，靈敏度為92.32%，特異度為88.85%，與NEWS 相比，GEWS可以更準(zhǔn)確地預(yù)測(cè)病人危重病情變化風(fēng)險(xiǎn)。Kim 等[32]建立的胃腸預(yù)警評(píng)分(EWS-GI)包含心率、呼吸頻率、ACDH 評(píng)分（A 為清醒，C 為模糊，D 為昏睡，H 為無(wú)反應(yīng)）、SpO2/FiO2、肌酐、總膽紅素、凝血國(guó)際標(biāo)準(zhǔn)化比值（INR）和乳酸8 項(xiàng)指標(biāo)，研究發(fā)現(xiàn)，其在預(yù)測(cè)消化內(nèi)科病人轉(zhuǎn)入ICU 方面比MEWS 更有效。Bell 等[33]利用病人人口統(tǒng)計(jì)學(xué)數(shù)據(jù)、生命體征值、實(shí)驗(yàn)室檢查指標(biāo)建立病情惡化預(yù)測(cè)模型，輸出后轉(zhuǎn)換成1～10 的惡化指數(shù)，結(jié)果顯示，該指數(shù)識(shí)別住院病人病情惡化的靈敏度和特異度優(yōu)于MEWS 和NEWS。O' Brien等[34]通過(guò)回顧杜克大學(xué)醫(yī)院普通病房病人3 年的病歷記錄，構(gòu)建了包含生命體征、查爾森合并癥指數(shù)、實(shí)驗(yàn)室檢驗(yàn)等多變量的病情惡化風(fēng)險(xiǎn)評(píng)估表，經(jīng)驗(yàn)證，其ROC 曲線下面積為0.814，高于NEWS 曲線下面積（0.740）。

以上研究均使用了Logistic 回歸分析法構(gòu)建模型，其優(yōu)點(diǎn)是研究結(jié)果簡(jiǎn)單、直觀、易于解釋[35]。隨著機(jī)器學(xué)習(xí)(machine learning，ML)的發(fā)展，一些研究者開(kāi)始嘗試使用決策樹(shù)、隨機(jī)森林、支持向量機(jī)、深度學(xué)習(xí)等算法開(kāi)發(fā)模型，與EWS 不同，機(jī)器學(xué)習(xí)模型直接從大量數(shù)據(jù)中學(xué)習(xí)和挖掘某種規(guī)律或關(guān)系，可以結(jié)合風(fēng)險(xiǎn)評(píng)分趨勢(shì)，調(diào)整不同數(shù)量的協(xié)變量，并針對(duì)不同護(hù)理環(huán)境和人群進(jìn)行優(yōu)化[36]。Pimentel 等[37]基于機(jī)器學(xué)習(xí)算法開(kāi)發(fā)了全院預(yù)警電子布告欄系統(tǒng)(HAVEN)，包括靜態(tài)(時(shí)不變)變量，如性別、年齡和動(dòng)態(tài)(時(shí)變)變量，如生命體征、實(shí)驗(yàn)室指標(biāo)，可在每次記錄新變量時(shí)重新計(jì)算病人的病情惡化風(fēng)險(xiǎn)，與NEWS、基于實(shí)驗(yàn)室的急性生理學(xué)評(píng)分(LAPS-2)和電子心搏驟停風(fēng)險(xiǎn)分診評(píng)分(eCART)比較后發(fā)現(xiàn)，在發(fā)生主要結(jié)局(心搏驟停和非計(jì)劃轉(zhuǎn)入ICU)的24 h 時(shí)間窗內(nèi)，HAVEN 的ROC曲線下面積高達(dá)0.901。在以精度為10%(每評(píng)估10例病人得到1 例真陽(yáng)性結(jié)果)的級(jí)別下，HAVEN 可提前48 h 區(qū)分出超過(guò)40%的主要結(jié)局事件。Kia 等[38]使用隨機(jī)森林算法構(gòu)建了住院病人病情惡化預(yù)測(cè)模型（MEWS++），結(jié)果顯示病人從普通病房轉(zhuǎn)至ICU 前6 h，其ROC 曲線下面積為0.85，靈敏度為81.6%，特異度為75.5%。與MEWS 相比，靈敏度提高了37%，特異度提高了11%，ROC 曲線下面積增加了14%。

3 現(xiàn)階段EWS 在識(shí)別普通病房病人病情變化中存在的不足

首先，我國(guó)學(xué)者關(guān)于EWS 的研究多集中于評(píng)估病人病情嚴(yán)重程度、預(yù)測(cè)預(yù)后以及應(yīng)答程序的應(yīng)用方面，在?？祁I(lǐng)域的創(chuàng)新性研究較少，未來(lái)可進(jìn)一步探索EWS 在專科病房中的應(yīng)用價(jià)值，構(gòu)建適合某些?？萍膊〔∪说?、分辨度較高的病情變化預(yù)測(cè)模型。值得注意的是，EWS 中某些指標(biāo)的數(shù)值和區(qū)間設(shè)置有待進(jìn)一步考量和調(diào)整[2]，如NEWS 將收縮壓111～219 mmHg（1 mmHg=0.133 kPa）設(shè)為0 分，但多數(shù)情況下即使病房病人血壓波動(dòng)范圍未達(dá)到評(píng)分取值要求，高于基礎(chǔ)血壓的20%也會(huì)引起醫(yī)護(hù)人員警惕并進(jìn)行及早干預(yù)，不合理的評(píng)分標(biāo)準(zhǔn)會(huì)導(dǎo)致大量的錯(cuò)誤警報(bào)，造成護(hù)士警報(bào)疲勞，影響病情評(píng)估的準(zhǔn)確性。此外，護(hù)士是病情觀察的“前哨兵”，也是EWS 有效實(shí)施的關(guān)鍵，有必要廣泛調(diào)查我國(guó)各地醫(yī)院預(yù)警評(píng)分工具的臨床應(yīng)用現(xiàn)狀以及一線護(hù)士的使用體驗(yàn)或經(jīng)驗(yàn)。國(guó)外研究者通過(guò)構(gòu)建多種形式的教育計(jì)劃，如交互式電子學(xué)習(xí)、跨學(xué)科預(yù)警評(píng)分系統(tǒng)現(xiàn)場(chǎng)培訓(xùn)課程以及模擬場(chǎng)景幫助護(hù)士使用EWS 識(shí)別和管理病情惡化的病人。Saab 等[39]的研究發(fā)現(xiàn)，EWS 教育計(jì)劃在短期內(nèi)能有效提高護(hù)士計(jì)算EWS 和記錄生命體征方面的知識(shí)、態(tài)度和行為。其次，護(hù)士通常根據(jù)醫(yī)囑和病人病情變化進(jìn)行即刻生命體征測(cè)量，測(cè)得的數(shù)據(jù)缺乏實(shí)時(shí)性，無(wú)法動(dòng)態(tài)跟蹤和記錄病情變化趨勢(shì)。無(wú)線生命體征監(jiān)測(cè)系統(tǒng)可減少護(hù)士工作量、提高病人轉(zhuǎn)運(yùn)途中的安全性、全天候監(jiān)測(cè)住院病人的MEWS 高值并在病情惡化早期階段觸發(fā)警報(bào)，有效克服傳統(tǒng)EWS 單一時(shí)點(diǎn)測(cè)量的局限性[40]。該技術(shù)將實(shí)時(shí)數(shù)據(jù)自動(dòng)上傳至醫(yī)療電子病歷系統(tǒng)，幫助醫(yī)護(hù)人員第一時(shí)間掌握病人病情發(fā)展軌跡，為大數(shù)據(jù)平臺(tái)的搭建和預(yù)測(cè)模型研究奠定基礎(chǔ)。隨著人工智能的快速發(fā)展，生命體征跟蹤系統(tǒng)、臨床決策支持系統(tǒng)和自學(xué)習(xí)系統(tǒng)的出現(xiàn)不僅彌補(bǔ)了EWS 間歇性評(píng)估的缺陷，而且有利于醫(yī)護(hù)人員借助病人以往的電子病歷信息做出科學(xué)的決策[41]。然而，這類研究仍處于初步探索階段，在普通病房的應(yīng)用仍有很大的發(fā)展前景和挖掘空間。再次，病情變化預(yù)測(cè)模型的構(gòu)建方法仍存在很大局限性。Stephen 等[42]的系統(tǒng)評(píng)價(jià)指出，大多數(shù)臨床應(yīng)用的EWS 都存在方法學(xué)缺陷和不同程度的偏倚風(fēng)險(xiǎn)，新模型的預(yù)測(cè)效度和應(yīng)用效果可能遠(yuǎn)不如預(yù)期，建議未來(lái)的研究應(yīng)基于個(gè)體預(yù)后和診斷的多變量預(yù)測(cè)模型透明報(bào)告(transparent reporting of a multivariable prediction model for individual prognosis or diagnosis，TRIPOD）規(guī)范建立和評(píng)估EWS，并調(diào)查其對(duì)病人臨床結(jié)局和安全性的影響。

4 小結(jié)

早期識(shí)別和干預(yù)病人病情變化是減少住院費(fèi)用、縮短住院時(shí)間和維護(hù)病人安全的關(guān)鍵[2,5]。EWS 在病房的應(yīng)用有賴于醫(yī)院管理者的高度認(rèn)同和有力推進(jìn)，EWS 的拓展性研究需要借助大數(shù)據(jù)平臺(tái)的支撐和人工智能技術(shù)的優(yōu)化升級(jí)，基于自身特點(diǎn)形成的改良版EWS 的可重復(fù)性和外推性有待在多中心、大樣本條件下進(jìn)一步驗(yàn)證。如何提高EWS 的靈敏度和特異度仍是研究者面臨的一大挑戰(zhàn)。