Validation of case correctness and time intervals agreement in the Swedish registry of cardiopulmonary resuscitation using emergency medical dispatch data, 2015-2024

该研究通过链接 2015 至 2024 年的瑞典院外心脏骤停急救调度数据，验证了瑞典心肺复苏登记处的病例编号准确性及时间间隔一致性，发现虽然单位响应时间记录高度吻合，但登记处的总响应时间存在系统性低估。

要点

这篇论文就像是在给瑞典的“心脏急救大数据库”（SRCR）做了一次严格的“体检”和“对账”。

想象一下，瑞典有一个巨大的中央图书馆（SRCR），里面记录了全国所有发生心脏骤停并接受了急救的案例。医生和研究人员依靠这个图书馆里的数据来改进急救系统，比如算出救护车平均多久能赶到。

但是，这个图书馆的书是各个地区的急救队（EMS）自己写进去的。这就好比让一群忙碌的厨师在出餐高峰期，一边炒菜一边凭记忆往账本上记菜名和时间。时间久了，账本上可能会出现记错菜名或者记错时间的情况。

为了搞清楚这个账本到底准不准，研究团队找来了另一个超级精准的“监控摄像头”（急救调度中心 EMDC 的数据）。这个摄像头是自动记录的，每一通报警电话什么时候打进来、救护车什么时候出发、什么时候到达，都精确到秒，而且无法人为修改。

研究人员把“厨师的账本”和“监控摄像头”的记录一一对比，看看它们是否一致。

1. 查名字：书号对得上吗？

比喻：就像图书馆里每本书都有一个唯一的 ISBN 编号。如果编号写错了，书就找不到了。

• 发现：
  • 大部分急救案例都有编号，这点很好。
  • 但是，有**1.8%**的案例完全没写编号（就像书丢了条形码）。
  • 更有趣的是，很多案例的编号虽然写了，但格式不对。比如，有的少写了前缀，有的多写了后缀。这就好比把"ISBN-978-123"写成了"123"或者"978-123-002"。
  • 趋势：在 2020 年之前，这种“格式不对但能猜出来”的情况大概占 90%；但到了 2022-2024 年，这个比例降到了 85%。这意味着虽然大家还在努力，但完全写对编号的比例并没有像我们期望的那样大幅上升，反而有些停滞。
  • 地区差异：斯德哥尔摩地区（首都）做得最好，几乎全对；而有些地区完全没写对。这可能是因为斯德哥尔摩的系统是自动连接的（就像电脑自动填表），而其他很多地方还是靠人工手写（就像手写记账）。

2. 查时间：救护车到底多久到的？

这是研究的核心。研究人员对比了两个时间概念：

• 单位响应时间：从救护车接到出警指令到到达现场的时间。
• 总响应时间：从报警电话接通到救护车到达现场的时间。

比喻：

• 单位响应时间就像是“厨师从接到订单到把菜端上桌”的时间。
• 总响应时间就像是“顾客从拿起电话点餐到菜端上桌”的总时长。

发现：

• 单位响应时间（出警到到达）：非常准！
  两者几乎完全一致，误差只有不到 1 秒。这说明一旦救护车真的出发了，它们对“路上花了多久”的记录是非常靠谱的。
• 总响应时间（报警到到达）：有“缩水”！
  这里出现了大问题。SRCR 账本上记录的“总时间”，比监控摄像头记录的平均少了 81 秒（大约 1 分 20 秒）。
  • 这意味着什么？ 就像是你告诉朋友“我做饭只用了 10 分钟”，但实际上从买菜开始算，其实用了 12 分钟。
  • 原因推测：
    1. 四舍五入：急救人员手动记录时间时，可能只记到“分钟”，比如 1 分 40 秒记成 2 分钟，或者 1 分 20 秒记成 1 分钟，导致时间被“抹平”了。
    2. 记错了人：有时候一辆车先到了，但写报告的是后面才到的另一辆车，或者报告写的是“我们这辆车到达的时间”，而不是“第一辆车到达的时间”。
    3. 漏记了“等待”环节：从报警到救护车真正出发，中间可能有一段调度、准备的时间，这部分在账本里可能被忽略了。

3. 为什么这很重要？

如果把急救系统比作一场接力赛：

• 如果账本上的时间比实际快，研究人员可能会误以为我们的急救系统非常高效，从而放松警惕。
• 实际上，我们可能比想象中慢了 1 分多钟。在心脏骤停的抢救中，每一秒都关乎生死，这 80 秒的差距可能就是生与死的区别。

4. 结论与建议

这篇论文告诉我们：

1. 数据很宝贵，但有瑕疵：瑞典的急救数据库很有价值，但里面的时间数据（特别是总时间）可能被低估了。
2. 不要只靠人工：让人去记时间容易出错（就像让人心算时间容易算错）。
3. 未来的方向：
   • 自动化：应该让救护车的位置和到达时间像“外卖软件”一样，通过 GPS 自动记录，而不是靠司机手动输入。
   • 自动对账：让急救数据库直接和调度中心的系统“联网”，自动抓取时间，避免人工转录的错误。

一句话总结：
这篇论文就像给急救系统做了一次“测谎”，发现虽然大家很努力，但在记录“从报警到救人”的总时长上，我们可能过于乐观了。为了拯救更多生命，我们需要更精准、自动化的“计时器”，而不是靠记忆和估算。

技术摘要

这是一份关于瑞典心肺复苏登记处（SRCR）数据质量验证的学术论文详细技术总结。该研究通过链接紧急医疗调度中心（EMDC）数据，对 2015 年至 2024 年间瑞典院外心脏骤停（OHCA）病例的登记准确性及时间间隔一致性进行了全面评估。

1. 研究背景与问题 (Problem)

• 核心问题：瑞典心肺复苏登记处（SRCR）是欧洲覆盖人口最全的 OHCA 登记系统之一，广泛用于质量改进和流行病学研究。然而，其数据质量（特别是病例捕获的完整性和时间戳的准确性）缺乏基于外部参考源的国家级验证。
• 具体痛点：
  • 病例编号错误：SRCR 中的 EMS 病例编号（Case Number）可能存在缺失、格式错误或转录错误，导致无法与外部数据（如调度记录、志愿者响应系统）进行有效链接，从而引入选择偏差。
  • 时间间隔偏差：Utstein 指南推荐的关键时间指标（如总响应时间）在 SRCR 中的记录可能存在系统性误差。由于瑞典各区域 EMS 工作流程和文档系统不同，时间戳可能是系统生成或人工录入，缺乏统一标准。
  • 缺乏基准：此前关于 SRCR 覆盖率的估计（如 80%）多基于局部审计，而非与国家调度中心数据的全面比对。

2. 研究方法 (Methodology)

• 研究设计：回顾性验证研究，时间跨度为 2015 年 1 月 1 日至 2024 年 12 月 31 日。
• 数据来源：
  • SRCR：瑞典国家心肺复苏登记处数据（包含所有启动 CPR 的 OHCA 病例）。
  • EMDC：紧急医疗调度中心数据（作为外部参考标准），涵盖 SOS Alarm（17 个地区）和 Sjukvårdens Larmcentral (SvLc)（4 个地区）的调度记录。
• 数据链接策略：采用分层匹配（Hierarchical Matching）方法将 SRCR 记录与 EMDC 疑似 OHCA 事件进行链接：
  1. 精确匹配：直接匹配 EMS 病例编号。
  2. 部分匹配：处理常见格式差异（如缺失前缀/后缀、连字符位置不同等）。
  3. 人工审查：对于无法自动链接的记录，利用事件日期、时间戳、市政区域和地区信息进行人工匹配。
• 时间间隔定义：
  • 单位响应时间 (Unit Response Time)：从 EMS 调度发出到抵达现场。
  • 总响应时间 (Total Response Time)：从调度中心接听电话到 EMS 抵达现场。
  • 差异计算：计算 SRCR 与 EMDC 之间的时间差（SRCR − EMDC，单位：秒）。
• 统计分析：
  • 使用贝叶斯分位数回归 (Bayesian Quantile Regression) 模型（基于 brms 包），采用非对称拉普拉斯似然函数。
  • 估算中位数差异及其 95% 可信区间 (CrI)，并分年份和医疗区域进行分析。

3. 主要贡献 (Key Contributions)

• 首次国家级验证：这是首次利用全国性的 EMDC 操作数据对 SRCR 进行全面的病例捕获准确性和时间一致性验证。
• 量化数据质量：精确量化了 SRCR 中 EMS 病例编号的完整性和正确率，揭示了不同地区和年份的数据质量差异。
• 揭示系统性偏差：发现了 SRCR 记录的“总响应时间”存在系统性低估，而“单位响应时间”则相对准确。
• 方法论创新：展示了如何通过分层匹配算法解决多源异构数据（不同调度中心的不同编号格式）的链接问题，并指出了数据录入中“辛普森悖论”式的聚合偏差风险。

4. 研究结果 (Results)

• 病例编号质量：
  • 在 56,969 条 SRCR 记录中，1.8% (1,004 条) 完全缺失 EMS 病例编号。
  • 完全正确率：2015-2019 年为 32%-37%，2020-2024 年提升至 40% 以上。斯德哥尔摩地区正确率最高（98%），而有两个地区完全为 0%。
  • 部分正确率：2020 年之前约为 90%，2022-2024 年下降至 85%。
• 时间间隔一致性：
  • 单位响应时间：SRCR 与 EMDC 高度一致。中位数差异仅为 -0.3 秒 (95% CrI: -3.9 至 4.0)。
  • 总响应时间：SRCR 记录的时间显著短于 EMDC 记录。中位数差异为 80.9 秒 (95% CrI: -84.7 至 -77.0)，意味着 SRCR 低估了约 1 分 20 秒的响应时间。
  • 区域差异：斯德哥尔摩地区的总响应时间差异最小（-32 秒），而其他地区差异较大（如中部地区达 -132 秒）。
  • 时间趋势：2015 年总响应时间差异最大（SRCR 比 EMDC 短 2 分钟以上），2024 年差异有所缩小但仍显著（-67 秒）。
• 偏差原因分析：
  • 四舍五入效应：SRCR 时间戳常以 HH:MM 格式录入，导致时间被截断或四舍五入，人为缩短了记录的时间间隔。
  • 录入来源：EMDC 时间为系统自动生成，而 SRCR 时间常依赖人工录入或回顾性报告。
  • 单位定义：SRCR 可能记录的是“完成报告的单元”到达时间，而非“第一到达单元”的时间。

5. 意义与结论 (Significance & Conclusion)

• 对临床与研究的启示：
  • SRCR 适合用于流行病学趋势分析和质量改进，但在进行响应时间相关研究时必须谨慎，因为总响应时间存在系统性低估。
  • 病例编号的准确性直接影响与其他外部数据库（如志愿者系统、电子病历）的链接能力，进而影响样本量和研究结论的可靠性。
• 改进建议：
  • 自动化集成：建议将 EMDC 数据直接集成到 SRCR 中，实现自动时间戳同步，减少人工录入错误和四舍五入偏差。
  • 技术升级：利用基于 GPS 的电子围栏（Geofencing）技术自动记录车辆到达和离开现场的时间。
  • 标准化：统一 EMS 病例编号格式，强制要求完整的病例编号录入。
• 总体结论：SRCR 的单位响应时间记录准确，但总响应时间被系统性低估。通过整合调度中心数据并优化录入流程，可显著提升国家登记数据的真实性和研究价值。

局限性说明：研究未能提供全国发病率的分母数据（无法计算 SRCR 的绝对覆盖率），且 EMDC 数据本身也可能存在少量记录错误，因此结果反映的是两个常规数据源之间的一致性而非绝对真理。此外，人工链接过程存在极小概率的误匹配风险。