唐冰雪,柏曉玲,姜會,江雪,余娜,牛雨田

(1.遵義醫(yī)科大學 護理學院,貴州 遵義 563000;2.貴州護理職業(yè)技術學院 院長辦公室,貴州 貴陽 550025;3.普定縣人民醫(yī)院 護理部,貴州 安順 562100;4.貴州中醫(yī)藥大學第二附屬醫(yī)院 預防保健科,貴州 貴陽 550002;5.貴州中醫(yī)藥大學 護理學院,貴州 貴陽 550002)

《中國心血管健康與疾病報告2021》數(shù)據(jù)顯示,我國冠狀動脈粥樣硬化性心臟病(coronary atherosclerotic heart disease,CHD)患者約有1139萬人,是心血管疾病患者死亡的主要原因,且復發(fā)率高[1];目前,經(jīng)皮冠狀動脈介入(percutaneous coronary intervention,PCI)是血運重建的主要治療方式[2],但術后血管仍有再次堵塞的風險,從而導致患者再入院。有資料[3]顯示,PCI術后患者早期再入院率約為2.5%～9.8%,費用每年高達260億美元[4];有研究[5-6]表明,再入院會對患者的疾病嚴重程度、生活質量、健康狀況等產(chǎn)生負面影響,給社會經(jīng)濟和醫(yī)療衛(wèi)生帶來嚴重的負擔。近年來,國內(nèi)外開發(fā)的PCI術后再入院風險預測模型逐漸增多,但不同的再入院風險預測模型的預測因子、實際預測效能以及模型驗證結果等存在較大差異。本文對PCI術后患者再入院的概念、現(xiàn)狀,模型的基本特征、優(yōu)點及缺點進行綜述,旨在為我國護理人員開發(fā)或選擇合適的PCI術后再入院風險預測模型提供參考,幫助護理人員早期篩查出高風險再入院患者,從而制定針對性預防措施。

1 再入院相關概念

再入院被劃分為計劃性再入院和非計劃性再入院。計劃性再入院是指患者出院后在一定時間內(nèi),因某些特定的身體因素導致的再次入院,如血液透析患者定期的入院透析、復查等[7-8];而非計劃性再入院是指在患者出院較短時間內(nèi)無法預測的再次入院,且病因與上一次入院有關[9-11];本文中再入院概念指非計劃性再入院。目前,國際上對再入院的時間跨度尚無統(tǒng)一規(guī)定,但通過國內(nèi)外文獻回顧,再入院時間間隔多為出院后28 d內(nèi)或31 d內(nèi);2022年我國國家衛(wèi)生健康委發(fā)布了《三級醫(yī)院評審標準(2022年版)》,把再入院率作為衡量三級綜合醫(yī)院醫(yī)療質量的重要指標,明確了間隔時間為≤31 d。

2 PCI術后患者再入院現(xiàn)狀

2019年Khera等[12]基于全美數(shù)據(jù)庫,納入了256所參與減少醫(yī)院再入院計劃(hospital readmission and reduction program,HRRP)醫(yī)院的數(shù)據(jù),結果顯示,急性心肌梗死(acute myocardial infarction,AMI)患者出院30 d內(nèi)再入院率為19.6%;2021年Sykes等[13]對2 723 455例PCI術后患者進行分析發(fā)現(xiàn)其30 d計劃內(nèi)再入院率為7.2%,其中,PCI術后患者在30 d內(nèi)因心絞痛或非特異性胸痛而再次入院的可能性更大。2022年Xu等[14]在江西某三級甲等綜合醫(yī)院對1348例PCI術后患者進行分析,得出其術后30 d內(nèi)再入院率為7.94%,高于Li等[15]在國內(nèi)53所大型綜合醫(yī)院的統(tǒng)計分析結果(30 d再入院率為6.3%),且患者多因心血管事件再入院,近半數(shù)多在出院5 d內(nèi)發(fā)生。可見,國內(nèi)外患者再入院率有較大差異,國內(nèi)PCI患者30 d內(nèi)再入院率低于國外,研究結論不一致,可能與樣本量、社會經(jīng)濟地位、研究時間、地域等有關,在此方面我國還需開展更大樣本、多中心、高質量的研究。

3 再入院的風險預測模型

3.1 普適性再入院風險預測模型

3.1.1 再入院風險預測模型 再入院風險預測模型于2009年由Harsan等[16]編制,適用于年齡≥18歲的患者。內(nèi)容包括保險狀況、婚姻、有無固定醫(yī)生、查爾森合并癥指數(shù)、SF12量表(short from 12 physical and mental component scores)、前年入院≥1次、住院時間>2 d;總分30分,被分為4級:0～6分(0%～9%再入院風險),7～17分(10%～19%再入院風險),18～24分(20%～29%再入院風險),≥25分(30%再入院風險);C統(tǒng)計量(C-statistic)為0.65,區(qū)分能力一般;Hosmer-Lemeshow檢驗(HL檢驗)P>0.05,模型校準度好。該工具的優(yōu)點:可用于不同疾病人群,內(nèi)容明了,易于測評,在患者入院早期便可獲得患者特定特征,幫助醫(yī)護人員早期識別出再入院高風險患者;缺點:評估內(nèi)容形式固定;僅進行了內(nèi)部驗證,缺乏外部驗證的相關研究,臨床實用價值有待考證;模型內(nèi)容缺乏針對性。

3.1.2 LACE再入院風險預測模型 LACE再入院風險預測模型(length of stay,acuity of admission,comorbidity of the patient,and emergency department use of patient,LACE)由Walraven等[17]于2006年提出,用于預測患者出院后再入院的可能性,是加拿大[18]和英國[19]最常用的指數(shù)之一。內(nèi)容包括住院時間(length of stay,L)、住院緊急程度(acuity of admission,A)、并發(fā)癥(comorbidity of the patient,C)、入院前6個月的急診就診次數(shù)(emergency department use of patient,E),分數(shù)范圍為“0～19分”,其對應的再入院風險為2%～43.7%;評分≥10分提示患者在出院30 d內(nèi)具有高再入院風險,分數(shù)越高,表明患者發(fā)生再入院風險越高;C-statistic為0.711,模型有一定的區(qū)分度;HL檢驗P>0.05,模型校準度好,反映了模型預測風險和實際風險有較高的一致性。2017年我國學者劉青[20]基于Walraven等[17]的前期研究,結合我國AMI患者管理現(xiàn)狀,發(fā)現(xiàn)LACE分數(shù)與實際病情危重程度相關性較大,將評分>12分定義為高風險再入院患者,并確立了符合我國國情的AMI患者LACE風險預測等級:0～9分為低危,10～12分為中危,>12分為高危[20];目前,該工具已在多個國家被廣泛使用。在加拿大,醫(yī)護人員用LACE來預測急診患者再入院率,發(fā)現(xiàn)高風險患者的再入院風險是低風險患者的兩倍[18];在英國,醫(yī)護人員發(fā)現(xiàn)LACE分數(shù)高的急診患者出院后28d內(nèi)會因相同的病因頻繁入院[19]。該工具的優(yōu)點:預測因子少;不需要復雜的軟件,在床旁即可得出結果。缺點:側重于預測急診患者的再入院風險,而在心衰患者、擇期PCI術后患者等人群中預測效果不佳;護理人員在使用過程中很難記住對應的評分系統(tǒng)及其預期風險,因此限制了該模型的實時應用,后期還需優(yōu)化、驗證。

3.2 特異性再入院風險預測模型

3.2.1 PCI術后再入院特定風險模型 2013年Wasfy等[21]首次基于美國心血管數(shù)據(jù)注冊中心(Coronary Catheterization and Percutaneous Coronary Intervention,Cath-PCI)的數(shù)據(jù)開發(fā)了PCI術后再入院特定風險模型;該預測模型由PCI術前模型和PCI術后出院模型組成。(1)PCI術前模型的內(nèi)容包括年齡、性別、醫(yī)療保險、充血性心力衰竭、慢性腎臟疾病;被分為“低風險(<9%):評分<6分”“中風險(10%～21%):評分6～10分”“高風險(>24%):評分≥11分”;C-statistic為0.68,模型具有一定的區(qū)分能力,但該模型預測因子僅包含導管插入前的已知變量。(2)PCI術后出院模型的內(nèi)容包括β阻滯劑處方、PCI術后并發(fā)癥、住院時間延長;C-statistic為0.69;為了使該模型可以在床邊被方便地使用,開發(fā)者以一個簡易的風險評分表呈現(xiàn)出來,可PCI術后出院模型卻需要通過綜合醫(yī)院數(shù)據(jù)以及患者狀態(tài)來評估,相比PCI術前模型較為復雜,再加上其數(shù)據(jù)通常在入院時或出院后期收集,應用因素有限。該工具的優(yōu)點:PCI術前模型評分形式簡單,內(nèi)容明了,以量表形式呈現(xiàn),便于評估者理解。缺點:PCI術后出院模型評分形式復雜,需要結合數(shù)據(jù)綜合計算才能得出結果;未進行外部驗證;也未在中國人群中進行實踐應用,還需進一步驗證和應用。

3.2.2 PCI術后30 d內(nèi)再入院簡易風險模型 2016年Minges等[22]基于美國醫(yī)療保險數(shù)據(jù)庫,構建了PCI術后再入院30d簡易風險模型,適用于年齡≥65歲的PCI術后患者;內(nèi)容包括年齡、性別、身體質量指數(shù)、心力衰竭史、既往瓣膜史、外周血管疾病、慢性肺病、糖尿病、腎小球濾過率、腎衰竭-透析、心力衰竭、入院癥狀、射血分數(shù)、PCI術后狀態(tài)。分數(shù)范圍為0～42分;≥13分為高風險患者,≤6分為低風險患者;C-statistic為0.66～0.67,具有一定的區(qū)分能力。該工具的優(yōu)點:樣本數(shù)據(jù)來源于美國完整的醫(yī)療保險數(shù)據(jù)庫,可較為全面地獲得PCI術后高危人群再入院情況從而構建模型。缺點:評估內(nèi)容較多;僅納入年齡≥65歲的PCI術后患者,限制了該模型對年輕人群的推廣;未進行外部驗證。

3.2.3 PCI術后再入院風險預測模型 2017年Fanari等[23]基于美國CathPCI數(shù)據(jù)庫,開發(fā)了3種模型,入院時模型、出院時模型、增加CathPCI注冊中心相關數(shù)據(jù)信息的模型,預測PCI術后患者30 d內(nèi)再入院風險。(1)入院時模型的內(nèi)容包括年齡、性別、種族、醫(yī)療保險、擇期狀態(tài)、PCI狀態(tài)、先前冠狀動脈旁路移植術狀態(tài)、周末入院、既往住院、AMI,C-statistic為0.727。(2)出院時模型的內(nèi)容包括住院天數(shù)、AMI指標、重癥監(jiān)護室住院時長、周末出院、出院地點、elixhauser合并癥指數(shù)(elixhauser comorbidity index,ECI),C-statistic為0.751。(3)增加CathPCI注冊中心相關數(shù)據(jù)信息模型的內(nèi)容包括并發(fā)癥、出院時左心室射血分數(shù)、心肌梗塞溶栓治療、腦血管疾病、動脈通路位置、血管病變數(shù)量≥2、病變情況、β受體阻滯劑、高血壓藥物類型、抗血小板類型、心絞痛分級、心絞痛類型,C-statistic為0.752。該工具的優(yōu)點:可在檢測患者生命體征或實驗室指標之前,預測出患者的再入院風險,幫助護理人員盡早規(guī)劃患者出院,從而對有風險的患者提供干預措施,防止再入院。缺點:模型使用繁雜;評估內(nèi)容多;未進行外部驗證,還需開展大樣本、前瞻性研究來反復驗證該模型實用性。

3.2.4 PCI術后30 d非計劃再入院風險預測模型 2022年Xu等[14]收集1348例患者資料構建了PCI術后30 d非計劃再入院風險預測模型;內(nèi)容包括醫(yī)療保險、住院天數(shù)、入院時左心室射血分數(shù)、高血壓、慢性肺病疾病史、貧血和入院時的血清肌酐水平;分數(shù)范圍為84～220分,對應的再入院概率為0.1%～0.9%;C-statistic為0.723,靈敏度為81.3%。國外多項研究[17,22]表明,性別和年齡都是PCI術后患者預測其再入院風險的危險因素,但Xu等[14]研究表明,年齡和性別差異無統(tǒng)計學意義,這可能與小樣本量、單中心研究等有關。該工具的優(yōu)點:聚焦于PCI術后人群,評估內(nèi)容具有針對性;基于多層次的研究方法分析預測因子,提高了模型的可靠性和準確性;缺點:未進行外部驗證,小樣本、單中心研究;建模時通過回顧性研究收集樣本數(shù)據(jù)來構建模型,摻雜了許多無法測量的混雜因素,忽視了建模時存在的潛在變量。

4 PCI術后再入院風險預測模型的比較分析

4.1 基本情況比較 目前,PCI術后再入院風險預測模型尚無金標準,大部分多為近幾年開發(fā)。從評估方式來看,均為他評,客觀性較強;從模型構建情況來看,建模人群多為PCI術后患者,多中心研究5項,單中心研究1項,樣本量總量為1348～5 388 078,模型構建的統(tǒng)計方法歸為2類,Logistic、Lasso回歸模型;從模型預測因子來看,最終預測模型包含3～14個變量,預測因子出現(xiàn)頻次排名前3位分別是年齡、住院時長、保險情況;從模型性能來看,5個模型均進行了內(nèi)部驗證并報告了區(qū)分度,但大部分未進行外部驗證,僅2個模型報告了其校準度,HL檢驗P>0.05,其預測值與實際值有較高的一致性;從醫(yī)療法律背景來看,美國醫(yī)療平價法案制定了HRRP,并納入了醫(yī)療保險和醫(yī)療補助服務中心。詳見表1。

表1 PCI術后患者再入院風險預測模型的基本情況

4.2 應用情況比較 目前,在已有的PCI術后再入院風險預測模型中,多數(shù)由國外學者開發(fā),LACE是使用次數(shù)最多的模型,主要應用于美國、加拿大;而國內(nèi)學者多數(shù)以列線圖來構建模型,預測PCI術后患者再入院風險,但很少被實際應用;與國外相比,國內(nèi)在模型構建方面的相關研究較少,多數(shù)停留在患者疾病風險因素方面上,較少綜合其他風險因素制定符合我國PCI術后患者實際情況的再入院風險預測模型。

5 小結

PCI術后患者再入院給社會和家庭都帶了巨大的壓力。如何降低患者再入院率已經(jīng)成為社會關注的話題。目前,國外PCI術后患者再入院篩查工具發(fā)展較為成熟,形式多樣;而我國PCI術后再入院風險預測模型起步較晚,開發(fā)模型多以列線圖、單中心、小樣本量為主,研究類型局限,建模內(nèi)容較單一,多以患者理化因素為主,也未考慮護理人員的主觀計算能力對結果產(chǎn)生的影響;因此,在今后的研究中:(1)建議結合我國實際情況對國外模型進行漢化、修訂、驗證,編制符合我國PCI術后患者實際情況的特異性再入院風險預測模型,從而早期篩選出高風險再入院患者,幫助護理人員制定全面且具有針對性的預防措施;(2)培訓評估者的客觀評估數(shù)字能力,提高評估結果的準確性;(3)未來可在現(xiàn)有的PCI術后患者再入院疾病因素基礎上,開發(fā)將理化因素、社會因素、心理因素等綜合起來的PCI術后患者再入院風險預測模型,從而幫助護理人員較為綜合、準確的預測PCI術后患者再入院風險。