败血症是一个主要的健康问题，在世界范围内造成大量死亡[ 1, 2］．虽然被用来描述各种临床症状，但最新的建议认为败血症应被定义为“由宿主对感染反应失调引起的危及生命的器官功能障碍”[ 3.］．在美国，经年龄调整后的年平均发病率为每10万人300-1000例[ 4］．这种疾病的死亡率高达四分之一[ 1, 2, 5, 6］．此外，它给卫生保健系统带来了沉重的财政负担。2011年，美国败血症的年度总费用为200亿美元[ 7］．此外，还有许多间接成本可能会严重影响患者的生活质量。例如，老年人群在败血症后可能会出现严重的长期健康问题，包括认知功能障碍和功能障碍[ 8］．

及早发现败血症并及时开始治疗可改善患者的预后并显著降低成本[ 9, 10］．国际幸存脓毒症运动建议及早发现脓毒症患者，并在怀疑脓毒症和脓毒症休克后1小时内立即进行抗生素治疗[ 11］．一项回顾性多中心研究发现，感染性休克患者治疗每延误一小时，死亡风险增加7.6% [ 12］．诊断败血症的延迟往往是由于缺乏诊断工具、疾病进展缓慢以及没有诊断金标准[ 13］．定期监测生命体征和乳酸水平升高等干预措施有助于早期识别[ 14］．然而，尽管采取了这些措施，患者仍然被诊断得很晚。尽管跟踪和触发评分系统，如国家早期预警评分，已经标准化了生命体征的记录，并在一定程度上使早期识别成为可能，但由于其主观性质和间歇性监测，它们在记录中仍然存在不准确性[ 15］．因此，迫切需要脓毒症检测的替代策略来改善结果。

数字技术在实现早期败血症识别方面具有重大前景。随着电子健康记录(EHRs)在全球范围内的迅速普及，现在可以在床边为医护人员提供有关实验室检测、成像和生理生命体征的实时信息。这在败血症中尤其重要，因为传统上依赖于用于定义败血症的风险评分系统。其中包括全身炎症反应综合征(SIRS)和顺序器官衰竭评估(SOFA)评分[ 16, 17］．虽然通常是通过基于纸质的观察图表和单独的界面来计算，以检索血液检测结果，但两者都有可能使用电子病历实现自动化，以减少错误并增强数字警报。现在在这一领域有越来越多的文献可以支持败血症管理的新临床决策。我们论文的目的是对脓毒症患者预后的数字警报系统进行最新的系统综述。

我们在本次综述中应用了系统评价和元分析(PRISMA)的首选报告项目[ 18］．我们在2019年2月12日的搜索包括以下数据库:EMBASE、MEDLINE、HMIC、PsycInfo和Cochrane(1964年4月至2019年2月12日)，不受语言限制。搜索仅限于报道在最初未接受重症监护的脓毒症成年住院患者中使用电子警报的文章。搜索词包括数字技术和败血症(完整的搜索策略，见 多媒体附件1搜索策略)。还有通过参考文献列表手动收集的补充参考文献。

我们的主要结局是脓毒症患者在医院和重症监护室(ICU)的住院时间(LOS)。次要预后指标包括脓毒症相关死亡率和使用抗生素的时间。

如果患者患有败血症并明确报告诊断标准，则有资格纳入研究。此外，只有在引入脓毒症数字警报前后比较结果的情况下，才有资格纳入研究。未说明明确结果指标的研究不包括在内。感兴趣的结果是死亡率、使用抗生素的时间、ICU和医院的LOS。研究只需要一个感兴趣的结果就符合纳入的条件。每个治疗组没有固定的患者数量，也没有固定的随访时间。

所有纳入的研究特征和结果指标均由一名研究人员提取，并由另一名研究人员验证。所有在标题和摘要审查后被确定为可能符合条件的研究全文报告都被获取以作进一步审查。所有关于成人数字败血症警报和结果测量的实证研究都包括在内。研究地点、医院类型、警报类型以及警报针对的对象等信息均使用一套标准化表格提取。只有在对警报前和警报后两组进行了比较研究，并明确说明每组患者人数时，研究才被纳入。仅基于重症监护的研究被排除在外，因为为这些患者提供额外水平的护理和治疗将影响脓毒症的结局指标。此外，病例报告、叙述评论、社论和评论被排除在外。在全文审查后，如果一项研究被排除在外，则会记录原因，并由第三位审稿人解决分歧。使用PRISMA流程图绘制纳入研究、排除研究以及纳入/排除原因( 多媒体附件2)．

对所有研究进行定性评估。对于医院LOS的主要结局，计算加权平均差值。ICU LOS也采用加权平均差。对于死亡率的次要结果测量，我们使用警报前和警报后组之间的百分比变化。为了确保比较研究的标准方法，所有使用抗生素的时间都转换为ICU/医院LOS的分钟和天数。对于荟萃分析，通过计算各研究之间的均数差异或各研究内的均数之比来分析结果。在仅报道中位数的研究中，我们用中位数代替平均值。对于连续变量和分类变量，我们采用了带有随机效应模型的逆方差方法，使用DerSimonian和Laird方法。这是使用Stata 13 (StataCorp, College Station, Texas)完成的。的 我²统计学用于估计研究间的异质性程度。

采用纽卡斯尔渥太华评分量表(NOS)对纳入论文的质量进行评分[ 19］．得分范围从0到9。评分≥7分的研究被评为 高质量的研究，而得分≤7分被评为 低质量的研究。

文献检索确定了3861篇文献(附录)。一篇文章是通过手工搜索找到的。筛选后，共审查了72篇全文评论，其中包括一篇来自西班牙语的翻译。共有16项研究符合纳入标准并纳入最终分析。研究的描述，包括败血症的干预，警报类型，以及用于定义败血症的标准，可以在 多媒体．所有定义败血症警报和警报前和警报后阶段的研究都在 多媒体附件4．

所有研究都调查了数字败血症警报( 多媒体)．一些研究还在警报组中使用了快速反应小组结合数字败血症警报[ 20.- 22］．警报组的四项研究使用了电子指令集[ 21, 23- 25］．

这些研究主要是单中心研究;然而，一项横跨三家医院的多中心研究[ 26］．大多数研究都是在美国进行的;然而，一项来自沙特阿拉伯王国的研究[ 20.]还有一位来自西班牙[ 27］．大多数研究都是在大型医院进行的;六项研究基于学术中心[ 20., 22, 23, 28- 30.]，其中3个中心为一级创伤中心[ 21, 29, 31］．在医院环境中，只有一项研究有全院范围的败血症警报[ 21]，其中8个仅在急诊科发出警报[ 20., 23, 27, 29- 33］．此外，有五项研究只包括病房[ 24, 26, 28, 34, 35]，还有两项研究包括内科病房和外科病房[ 22, 25］．所有研究均为实施前和实施后研究。

研究中使用的电子警报类型各不相同。大多数研究使用的是通过台式电脑上的电子病历产生的数字警报[ 20.- 23, 27, 29- 35］．两项研究涉及通过移动设备发出警报[ 24, 25]和两项研究使用了文本寻呼[ 26, 28］．一项研究主要使用电子病历报警，但由急诊科主治医生酌情使用额外的文本传呼[ 23］．这在 多媒体．研究中的大多数数字警报都是针对护理人员的[ 20., 22- 25, 28, 32］．尽管有一项研究仅针对临床医生[ 31]，两项研究向临床医生和快速反应小组发送了警报[ 21, 26］．此外，在四项研究中，不知道将数字警报发送给谁[ 27, 29, 33, 35］．

脓毒症警报标准在不同的研究中有所不同;许多研究使用了SIRS标准的变体[ 20.- 24, 26, 29, 34］．SIRS定义为体温>38°C或<36°C，心率>90次/分钟，呼吸频率>20次/分钟或动脉CO₂低于32毫米汞柱，白细胞计数 t> 12000 /毫米^3.或< 4000 /毫米^3.［ 16］．只有一项研究单独使用了两个或两个以上的SIRS标准[ 34］．有些人使用两种或两种以上的SIRS标准，怀疑感染[ 21, 23, 31］．Hayden等人使用两种或两种以上的SIRS标准来怀疑感染，但有两个亚组患者:一种是收缩压< 90mmhg，一种是收缩压> 90mmhg。两种或两种以上的SIRS标准的组合，并有证据表明终端器官功能障碍，也被用作警报的标准[ 20., 26, 30.］．Narayanan等人报道了两种类型的败血症警报:一种是使用两种或两种以上的SIRS标准时的警报，另一种是使用严重败血症/感染性休克标准时的警报(即，两种或两种以上的SIRS标准+终端器官功能障碍或液体无反应性低血压)[ 30.］．一项研究结合了两个或多个SIRS标准和阴离子间隙酸中毒[ 22］．Crum等人使用了两个或多个SIRS标准的组合;感染性急诊科诊断或症状诊断及急诊科给药;急性器官功能障碍(乳酸水平≥4.0 mmol/L，在分诊或使用血管加压药物后6小时内持续低血压)[ 29］．奥地利等人有两种类型的警报:一种有两个或两个以上的SIRS标准，另一种是收缩压<90 mm Hg或乳酸水平≥4 mg/dL。并非所有研究都使用了SIRS;普利亚等[ 33]使用发烧加上任何异常的生命体征，而Sawyer等人[ 28]和费雷拉斯等[ 27]使用了由实验室值和血流动力学参数组成的算法。Mathews等人[ 35]只是摘要，并没有发现使用的警报准则的细节。

所有纳入的研究都有明确的结局指标，定义了败血症警报和警报前后阶段( 多媒体附件4)．一些研究回顾了几种感兴趣的结果测量。所有的研究都是非重症监护室为基础的，并在急诊科或医院病房发出警报。总共有8项研究回顾了医院LOS, 5项研究回顾了ICU LOS, 11项研究回顾了死亡率结局，5项研究回顾了使用抗生素的时间。有几项研究试图调整潜在的混杂因素。Guirgis等[ 21]进行了多变量调整比较，而Westra [ 25]使用倾向评分和自举等技术来调整混杂因素[ 25］．下面将进一步详细回顾每个结果测量。

医院LOS被纳入8项研究[ 20., 21, 23, 25, 26, 28, 32, 34］．在这八项研究中，警报前组共有3948名患者，警报后组共有4872名患者。结果显示，警报后组的住院天数显著减少了1.311天(95% CI为-2.362至-0.261; P= .014)。医院LOS的成比例下降是对LOS影响最大的研究，Arabi等[ 20.］．所看到的强烈治疗效果可能部分归因于增加了一个快速反应小组;然而，Guirgis等人也在研究中使用了快速反应小组[ 21]而对LOS的影响并不显著。

对于ICU LOS(当患者从病房升级时)，纳入了五项研究[ 20., 21, 23, 26, 32) ( 多媒体附件4)．警报前组共3627例，警报后组共4475例。所有研究的加权平均差显示，警报组与警报前组相比，ICU LOS显著减少了0.766天(95% CI -1.324至0.209; P= .007)。影响最大的研究是Arabi等人的研究[ 20.］．这可能是因为增加了一个快速反应小组;然而，Guirgis等人也在研究中使用了快速反应小组[ 21]而对LOS的影响并不显著。

死亡率方面，纳入了11项研究[ 20., 24, 27, 28, 31, 32, 34, 35］．警报前组共5868例，警报后组共6629例。数字警报与死亡率之间没有显著降低(平均下降11.4%;95% CI -0.873 ~ 0.646; P= .77点)。

对于抗生素的时间，包括五项研究[ 20., 23, 29, 33) ( 多媒体附件4)．警报前组共991例，警报后组共1473例。在已有数据的三项研究的基础上，从预警组到预警组的加权平均抗生素使用时间差显示，抗生素使用时间没有显著减少(126 min) (95% CI -291.113至39.015; P= 13)。

数字败血症警报的诊断准确性显示在 多媒体．在本综述中纳入的所有上述研究中，只有5项研究试图解决诊断准确性问题[ 24, 32］．在这些研究中，警报的准确性存在很高的异质性。脓毒症数字报警的特异性仍然很高，四项研究报告的特异性为81.92%(78.73-84.8范围)[ 24]， 97% [ 26]， 82.0% [ 25]， 94.56% (93.64-95.32) [ 27］．虽然特异性较高，但敏感性异质性较高:95.16% (89.77-98.20)[ 24]， 95.2% [ 25]， 87% (81.93-91.66) [ 27]， 80.4% [ 32]，及16% [ 26］．其他研究未给出敏感性和特异性。总的来说，三项研究的数字警报和败血症的阴性预测值很高，从94%不等[ 26]至98.88% (97.58-99.59)[ 24]和99.11% (98.69-99.4)[ 27］．阳性预测值较低，为14.6% [ 32]， 26% [ 26]， 50.21% (43.64-56.78) [ 24]， 51.64% (46.15-57.11) [ 27］．

对所有纳入研究的方法质量进行了评估。所有研究均采用非随机设计方法，并采用NOS ( 多媒体附件6)．在所有纳入的研究中，只有6项是 更高的质量。由于缺乏随机化，许多研究的可比性很差。