YAŞLI ACİL SERVİS HASTALARINDA YOĞUN BAKIM ÜNİTESİNE YATIŞI VE KALMA SÜRESİNİ TAHMİN ETME: KLİNİK SKORLARIN, KIRILGANLIĞIN VE EŞLİK EDEN HASTALIKLARIN KARŞILAŞTIRILMASI

Öz

Giriş: Yaşlanan nüfusun artmasıyla birlikte acil servislere başvuran geriatrik hasta sayısı da giderek artmaktadır. Bu hastaların önemli bir kısmı frajilite, komorbidite ve polifarmasi ile karakterize karmaşık klinik özelliklere sahiptir. Klinik bulguların sıklıkla atipik olması ve fizyolojik yanıtların zayıflamış bulunması nedeniyle yoğun bakım ünitesi (YBÜ) gereksiniminin erken dönemde belirlenmesi güç olabilmektedir. Çeşitli klinik skorlama sistemleri geliştirilmiş olmasına rağmen, bu skorların genel geriatrik acil servis popülasyonunda yoğun bakım yatışını ve yoğun bakımda kalış süresini öngörmedeki karşılaştırmalı performansları henüz net değildir. Yöntem: Bu retrospektif, tek merkezli, gözlemsel kohort çalışmasına üçüncü basamak bir hastanenin acil servisine başvuran 65 yaş ve üzerindeki hastalar dahil edildi. Hastaların vital bulguları ile birlikte qSOFA, NEWS2, Klinik Frajilite Ölçeği (Clinical Frailty Scale, CFS) ve Charlson Komorbidite İndeksi (CCI) skorları değerlendirildi. Birincil sonlanım noktası yoğun bakım ünitesine yatış, ikincil sonlanım noktası ise yoğun bakımda kalış süresi olarak belirlendi. Skorların öngörü performansı ve bağımsız belirleyiciler, alıcı işletim karakteristiği (ROC) eğrisi analizi ve çok değişkenli regresyon modelleri kullanılarak değerlendirildi. Bulgular: Çalışmaya toplam 294 hasta dahil edildi ve bunların 34'ü (%11,6) yoğun bakım ünitesine yatırıldı. Düşük diyastolik kan basıncı, düşük oksijen satürasyonu ve yüksek solunum sayısı yoğun bakım yatışı ile anlamlı olarak ilişkili bulundu. Değerlendirilen skorlar arasında en yüksek ayırt edici performansı qSOFA gösterdi (AUC=0,702); bunu sırasıyla CCI (AUC=0,653), NEWS2 (AUC=0,633) ve CFS (AUC=0,625) izledi. Çok değişkenli analizde qSOFA (OR: 3,33; %95 GA: 1,78–6,24), CFS (OR: 2,42; %95 GA: 1,51–3,88), CCI (OR: 1,24; %95 GA: 1,03–1,49) ve yaş (OR: 1,07; %95 GA: 1,01–1,13) yoğun bakım yatışının bağımsız belirleyicileri olarak saptanırken, NEWS2 bağımsız bir belirleyici olarak bulunmadı. Yoğun bakımda kalış süresi açısından ise yalnızca CCI uzun yatış süresi ile bağımsız olarak ilişkiliydi (β=0,152; p=0,030). Sonuç: Acil servise başvuran geriatrik hastalarda qSOFA, yoğun bakım yatışını öngörmede yararlı bir araç olarak görünmektedir. Frajilite ve komorbidite yükü de risk değerlendirmesinde önemli rol oynamaktadır. Bununla birlikte, değerlendirilen skorlama sistemlerinin genel ayırt edici performansı sınırlı olup, bu nedenle klinik karar verme sürecinde hekim değerlendirmesini destekleyici araçlar olarak kullanılmalıdır. Yoğun bakımda kalış süresi ise akut fizyolojik parametrelerden ziyade komorbidite yükünden etkilenmektedir. Akut klinik bulgular ile hastaların temel özelliklerini birlikte değerlendiren bütüncül bir yaklaşımın, bu hasta grubunda erken risk sınıflandırmasını geliştirebileceği düşünülmektedir. Anahtar Kelimeler: Yaşlı, Acil Servis, Yoğun Bakım Üniteleri, Frajilite, Komorbidite, Risk Değerlendirmesi

Anahtar Kelimeler

• Yaşlı
• Acil Servis
• Yoğun Bakım Üniteleri
• Frajilite
• Komorbidite
• Risk Değerlendirmesi

Predicting ICU Admission and Length of Stay in Geriatric ED Patients: Comparison of Clinical Scores, Frailty and Comorbidity

Öz

Introduction: The growing aging population has led to an increasing number of geriatric patients presenting to emergency departments (EDs), many of whom have complex clinical profiles characterized by frailty, comorbidity, and polypharmacy. Early identification of patients requiring intensive care is challenging in this population, as clinical presentations are often atypical and physiological responses may be blunted. Although various clinical scoring systems are available, their comparative performance in predicting intensive care unit (ICU) admission and ICU length of stay (LOS) in the general geriatric ED population remains unclear. Methods: This retrospective, single-center observational cohort study included patients aged ≥65 years presenting to the emergency department of a tertiary-care hospital. Clinical data, including vital signs and scores such as qSOFA, NEWS2, Clinical Frailty Scale (CFS) and Charlson Comorbidity Index (CCI) were collected. The primary outcome was ICU admission and the secondary outcome was ICU length of stay. Receiver operating characteristic (ROC) analysis and multivariable regression models were used to evaluate predictive performance and identify independent predictors. Results: A total of 294 patients were included, of whom 34 (11.6%) required ICU admission. Lower diastolic blood pressure, lower oxygen saturation and higher respiratory rate were significantly associated with ICU admission. Among the evaluated scores, qSOFA demonstrated the highest discriminatory performance (AUC = 0.702), followed by CCI (AUC = 0.653), NEWS2 (AUC = 0.633) and CFS (AUC = 0.625). In multivariable analysis, qSOFA (OR 3.33, 95% CI 1.78–6.24), CFS (OR 2.42, 95% CI 1.51–3.88), CCI (OR 1.24, 95% CI 1.03–1.49) and age (OR 1.07, 95% CI 1.01–1.13) were independent predictors of ICU admission, whereas NEWS2 was not. For ICU LOS, only CCI was independently associated with prolonged stay (β = 0.152, p = 0.030). Conclusion: In geriatric patients presenting to the emergency department, qSOFA appears to be a useful tool for predicting ICU admission, while frailty and comorbidity burden also play important roles. However, the overall discriminative performance of these scores is modest, suggesting that they should be used in conjunction with clinical judgment. ICU length of stay is primarily influenced by comorbidity burden rather than acute physiological parameters. An integrated approach combining acute and baseline patient characteristics may improve early risk stratification in this population. Keywords: Aged, Emergency Service, Hospital, Intensive Care Units, Frailty, Comorbidity, Risk Assessment

Anahtar Kelimeler

• Aged
• Emergency Service
• Hospital
• Intensive Care Units
• Frailty
• Comorbidity
• Risk Assessment

Kaynakça

1. Prince MJ, Wu F, Guo Y, Gutierrez Robledo LM, O'Donnell M, Sullivan R, et al. The burden of disease in older people and implications for health policy and practice. Lancet. 2015;385(9967):549-62. doi:10.1016/S0140-6736(14)61347-7.
2. Hartholt KA, van Beeck EF, Polinder S, van der Velde N, van Lieshout EMM, Panneman MJM, et al. Societal consequences of falls in the older population: injuries, healthcare costs, and long-term reduced quality of life. J Trauma. 2011;71(3):748-53. doi:10.1097/TA.0b013e3181f6f5e5.
3. Lim SC, Doshi V, Castasus B, Lim JKH, Mamun K. Factors causing delay in discharge of elderly patients in an acute care hospital. Ann Acad Med Singap. 2006;35(1):27-32. doi:10.47102/annals-acadmedsg.V35N1p27.
4. Qiu X, Lei YP, Zhou RX. SIRS, SOFA, qSOFA, and NEWS in the diagnosis of sepsis and prediction of adverse outcomes: a systematic review and meta-analysis. Expert Rev Anti Infect Ther. 2023;21(8):891-900. doi:10.1080/14787210.2023.2237192.
5. Scott LJ, Jackson J, Dawson S, Knight T, Savović J. Does the use of National Early Warning Scores (NEWS or NEWS2) in healthcare settings improve patient outcomes: a systematic review. Syst Rev. 2026;15(1):73. doi:10.1186/s13643-026-03088-y.
6. Hägg S, Jylhävä J, Wang Y, Xu H, Metzner C, Annetorp M, et al. Age, frailty, and comorbidity as prognostic factors for short-term outcomes in patients with coronavirus disease 2019 in geriatric care. J Am Med Dir Assoc. 2020;21(11):1555-9.e2. doi:10.1016/j.jamda.2020.08.014.
7. Nielsson MS, Christiansen CF, Johansen MB, Rasmussen BS, Tønnesen E, Nørgaard M. Mortality in elderly ICU patients: a cohort study. Acta Anaesthesiol Scand. 2014;58(1):19-26. doi:10.1111/aas.12211.
8. Aminzadeh F, Dalziel WB. Older adults in the emergency department: a systematic review of patterns of use, adverse outcomes, and effectiveness of interventions. Ann Emerg Med. 2002;39(3):238-47. doi:10.1067/mem.2002.121523.

9. Goulden R, Hoyle MC, Monis J, Railton D, Riley V, Martin P, et al. qSOFA, SIRS and NEWS for predicting inhospital mortality and ICU admission in emergency admissions treated as sepsis. Emerg Med J. 2018;35(6):345-9. doi:10.1136/emermed-2017-207120.
10. LaMantia MA, Stewart PW, Platts-Mills TF, Biese KJ, Forbach C, Zamora E, et al. Predictive value of initial triage vital signs for critically ill older adults. West J Emerg Med. 2013;14(5):453-60. doi:10.5811/westjem.2013.5.13411.
11. Barfod C, Lauritzen MMP, Danker JK, Sölétormos G, Forberg JL, Berlac PA, et al. Abnormal vital signs are strong predictors for intensive care unit admission and in-hospital mortality in adults triaged in the emergency department: a prospective cohort study. Scand J Trauma Resusc Emerg Med. 2012;20:28. doi:10.1186/1757-7241-20-28.
12. Candel BGJ, Duijzer R, Gaakeer MI, Ter Avest E, Sir O, Lameijer H, et al. The association between vital signs and clinical outcomes in emergency department patients of different age categories. Emerg Med J. 2022;39(12):903-11. doi:10.1136/emermed-2020-210628.
13. Aykol E, Demir MC, Selki K, Sultanoğlu H. Evaluation of patients with decreased general condition and comparing HOTEL, WPS, and REMS for mortality prediction. Sci Rep. 2025;15(1):11956. doi:10.1038/s41598-025-97386-5.
14. Kim DJ, Massa MS, Potter CM, Clarke R, Bennett DA. Systematic review of the utility of the frailty index and frailty phenotype to predict all-cause mortality in older people. Syst Rev. 2022;11(1):187. doi:10.1186/s13643-022-02052-w.
15. Flaatten H, De Lange DW, Morandi A, Andersen FH, Artigas A, Bertolini G, et al. The impact of frailty on ICU and 30-day mortality and the level of care in very elderly patients (≥80 years). Intensive Care Med. 2017;43(12):1820-8. doi:10.1007/s00134-017-4940-8.
16. Kojima G, Iliffe S, Walters K. Frailty index as a predictor of mortality: a systematic review and meta-analysis. Age Ageing. 2018;47(2):193-200. doi:10.1093/ageing/afx162.
17. Le Maguet P, Roquilly A, Lasocki S, Asehnoune K, Carise E, Saint Martin M, et al. Prevalence and impact of frailty on mortality in elderly ICU patients: a prospective, multicenter, observational study. Intensive Care Med. 2014;40(5):674-82. doi:10.1007/s00134-014-3253-4.
18. Christensen S, Johansen MB, Christiansen CF, Jensen R, Lemeshow S. Comparison of Charlson comorbidity index with SAPS and APACHE scores for prediction of mortality following intensive care. Clin Epidemiol. 2011;3:203-11. doi:10.2147/CLEP.S20247.
19. Zhan YF, Li F, Wu LC, Li JM, Zhu CY, Han MS, et al. Role of Charlson comorbidity index in predicting the ICU admission in patients with thoracic aortic aneurysm undergoing surgery. J Orthop Surg Res. 2023;18(1):870. doi:10.1186/s13018-023-04364-6.
20. Yıldız A, Yiğt A, Benli AR. The prognostic role of Charlson comorbidity index for critically ill elderly patients. Eur Res J. 2020;6(1):67-72. doi:10.18621/eurj.451391.
21. St-Louis E, Iqbal S, Feldman LS, Sudarshan M, Deckelbaum DL, Razek TS, et al. Using the age-adjusted Charlson comorbidity index to predict outcomes in emergency general surgery. J Trauma Acute Care Surg. 2015;78(2):318-23. doi:10.1097/TA.0000000000000457.
22. Chung HS, Choi Y, Lim JY, Kim K, Choi YH, Lee DH, et al. The clinical frailty scale improves risk prediction in older emergency department patients: a comparison with qSOFA, NEWS2, and REMS. Sci Rep. 2025;15(1):12584. doi:10.1038/s41598-025-97764-z.
23. Lim JH, Cheon SH. Analysis of variation in length of stay (LOS) after ischemic and hemorrhagic stroke using the Charlson Comorbidity Index (CCI). J Phys Ther Sci. 2015;27(3):799-803. doi:10.1589/jpts.27.799.
24. Lakomkin N, Kothari P, Dodd AC, VanHouten JP, Yarlagadda M, Collinge CA, et al. Higher Charlson Comorbidity Index scores are associated with increased hospital length of stay after lower extremity orthopaedic trauma. J Orthop Trauma. 2017;31(1):21-6. doi:10.1097/BOT.0000000000000701.
25. Zhang X, Wang X, Wang M, Gu J, Guo H, Yang Y, et al. Effect of comorbidity assessed by the Charlson Comorbidity Index on the length of stay, costs, and mortality among colorectal cancer patients undergoing colorectal surgery. Curr Med Res Opin. 2023;39(2):187-95. doi:10.1080/03007995.2022.2139053.