经皮冠状动脉介入术后患者再入院风险预测模型的研究进展

唐冰雪,柏晓玲,姜会,江雪,余娜,牛雨田

(1.遵义医科大学 护理学院,贵州 遵义 563000;2.贵州护理职业技术学院 院长办公室,贵州 贵阳 550025;3.普定县人民医院 护理部,贵州 安顺 562100;4.贵州中医药大学第二附属医院 预防保健科,贵州 贵阳 550002;5.贵州中医药大学 护理学院,贵州 贵阳 550002)

《中国心血管健康与疾病报告2021》数据显示,我国冠状动脉粥样硬化性心脏病(coronary atherosclerotic heart disease,CHD)患者约有1139万人,是心血管疾病患者死亡的主要原因,且复发率高[1];目前,经皮冠状动脉介入(percutaneous coronary intervention,PCI)是血运重建的主要治疗方式[2],但术后血管仍有再次堵塞的风险,从而导致患者再入院。有资料[3]显示,PCI术后患者早期再入院率约为2.5%～9.8%,费用每年高达260亿美元[4];有研究[5-6]表明,再入院会对患者的疾病严重程度、生活质量、健康状况等产生负面影响,给社会经济和医疗卫生带来严重的负担。近年来,国内外开发的PCI术后再入院风险预测模型逐渐增多,但不同的再入院风险预测模型的预测因子、实际预测效能以及模型验证结果等存在较大差异。本文对PCI术后患者再入院的概念、现状,模型的基本特征、优点及缺点进行综述,旨在为我国护理人员开发或选择合适的PCI术后再入院风险预测模型提供参考,帮助护理人员早期筛查出高风险再入院患者,从而制定针对性预防措施。

1 再入院相关概念

再入院被划分为计划性再入院和非计划性再入院。计划性再入院是指患者出院后在一定时间内,因某些特定的身体因素导致的再次入院,如血液透析患者定期的入院透析、复查等[7-8];而非计划性再入院是指在患者出院较短时间内无法预测的再次入院,且病因与上一次入院有关[9-11];本文中再入院概念指非计划性再入院。目前,国际上对再入院的时间跨度尚无统一规定,但通过国内外文献回顾,再入院时间间隔多为出院后28 d内或31 d内;2022年我国国家卫生健康委发布了《三级医院评审标准(2022年版)》,把再入院率作为衡量三级综合医院医疗质量的重要指标,明确了间隔时间为≤31 d。

2 PCI术后患者再入院现状

2019年Khera等[12]基于全美数据库,纳入了256所参与减少医院再入院计划(hospital readmission and reduction program,HRRP)医院的数据,结果显示,急性心肌梗死(acute myocardial infarction,AMI)患者出院30 d内再入院率为19.6%;2021年Sykes等[13]对2 723 455例PCI术后患者进行分析发现其30 d计划内再入院率为7.2%,其中,PCI术后患者在30 d内因心绞痛或非特异性胸痛而再次入院的可能性更大。2022年Xu等[14]在江西某三级甲等综合医院对1348例PCI术后患者进行分析,得出其术后30 d内再入院率为7.94%,高于Li等[15]在国内53所大型综合医院的统计分析结果(30 d再入院率为6.3%),且患者多因心血管事件再入院,近半数多在出院5 d内发生。可见,国内外患者再入院率有较大差异,国内PCI患者30 d内再入院率低于国外,研究结论不一致,可能与样本量、社会经济地位、研究时间、地域等有关,在此方面我国还需开展更大样本、多中心、高质量的研究。

3 再入院的风险预测模型

3.1 普适性再入院风险预测模型

3.1.1 再入院风险预测模型 再入院风险预测模型于2009年由Harsan等[16]编制,适用于年龄≥18岁的患者。内容包括保险状况、婚姻、有无固定医生、查尔森合并症指数、SF12量表(short from 12 physical and mental component scores)、前年入院≥1次、住院时间>2 d;总分30分,被分为4级:0～6分(0%～9%再入院风险),7～17分(10%～19%再入院风险),18～24分(20%～29%再入院风险),≥25分(30%再入院风险);C统计量(C-statistic)为0.65,区分能力一般;Hosmer-Lemeshow检验(HL检验)P>0.05,模型校准度好。该工具的优点:可用于不同疾病人群,内容明了,易于测评,在患者入院早期便可获得患者特定特征,帮助医护人员早期识别出再入院高风险患者;缺点:评估内容形式固定;仅进行了内部验证,缺乏外部验证的相关研究,临床实用价值有待考证;模型内容缺乏针对性。

3.1.2 LACE再入院风险预测模型 LACE再入院风险预测模型(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,用于预测患者出院后再入院的可能性,是加拿大[18]和英国[19]最常用的指数之一。内容包括住院时间(length of stay,L)、住院紧急程度(acuity of admission,A)、并发症(comorbidity of the patient,C)、入院前6个月的急诊就诊次数(emergency department use of patient,E),分数范围为“0～19分”,其对应的再入院风险为2%～43.7%;评分≥10分提示患者在出院30 d内具有高再入院风险,分数越高,表明患者发生再入院风险越高;C-statistic为0.711,模型有一定的区分度;HL检验P>0.05,模型校准度好,反映了模型预测风险和实际风险有较高的一致性。2017年我国学者刘青[20]基于Walraven等[17]的前期研究,结合我国AMI患者管理现状,发现LACE分数与实际病情危重程度相关性较大,将评分>12分定义为高风险再入院患者,并确立了符合我国国情的AMI患者LACE风险预测等级:0～9分为低危,10～12分为中危,>12分为高危[20];目前,该工具已在多个国家被广泛使用。在加拿大,医护人员用LACE来预测急诊患者再入院率,发现高风险患者的再入院风险是低风险患者的两倍[18];在英国,医护人员发现LACE分数高的急诊患者出院后28d内会因相同的病因频繁入院[19]。该工具的优点:预测因子少;不需要复杂的软件,在床旁即可得出结果。缺点:侧重于预测急诊患者的再入院风险,而在心衰患者、择期PCI术后患者等人群中预测效果不佳;护理人员在使用过程中很难记住对应的评分系统及其预期风险,因此限制了该模型的实时应用,后期还需优化、验证。

3.2 特异性再入院风险预测模型

3.2.1 PCI术后再入院特定风险模型 2013年Wasfy等[21]首次基于美国心血管数据注册中心(Coronary Catheterization and Percutaneous Coronary Intervention,Cath-PCI)的数据开发了PCI术后再入院特定风险模型;该预测模型由PCI术前模型和PCI术后出院模型组成。(1)PCI术前模型的内容包括年龄、性别、医疗保险、充血性心力衰竭、慢性肾脏疾病;被分为“低风险(<9%):评分<6分”“中风险(10%～21%):评分6～10分”“高风险(>24%):评分≥11分”;C-statistic为0.68,模型具有一定的区分能力,但该模型预测因子仅包含导管插入前的已知变量。(2)PCI术后出院模型的内容包括β阻滞剂处方、PCI术后并发症、住院时间延长;C-statistic为0.69;为了使该模型可以在床边被方便地使用,开发者以一个简易的风险评分表呈现出来,可PCI术后出院模型却需要通过综合医院数据以及患者状态来评估,相比PCI术前模型较为复杂,再加上其数据通常在入院时或出院后期收集,应用因素有限。该工具的优点:PCI术前模型评分形式简单,内容明了,以量表形式呈现,便于评估者理解。缺点:PCI术后出院模型评分形式复杂,需要结合数据综合计算才能得出结果;未进行外部验证;也未在中国人群中进行实践应用,还需进一步验证和应用。

3.2.2 PCI术后30 d内再入院简易风险模型 2016年Minges等[22]基于美国医疗保险数据库,构建了PCI术后再入院30d简易风险模型,适用于年龄≥65岁的PCI术后患者;内容包括年龄、性别、身体质量指数、心力衰竭史、既往瓣膜史、外周血管疾病、慢性肺病、糖尿病、肾小球滤过率、肾衰竭-透析、心力衰竭、入院症状、射血分数、PCI术后状态。分数范围为0～42分;≥13分为高风险患者,≤6分为低风险患者;C-statistic为0.66～0.67,具有一定的区分能力。该工具的优点:样本数据来源于美国完整的医疗保险数据库,可较为全面地获得PCI术后高危人群再入院情况从而构建模型。缺点:评估内容较多;仅纳入年龄≥65岁的PCI术后患者,限制了该模型对年轻人群的推广;未进行外部验证。

3.2.3 PCI术后再入院风险预测模型 2017年Fanari等[23]基于美国CathPCI数据库,开发了3种模型,入院时模型、出院时模型、增加CathPCI注册中心相关数据信息的模型,预测PCI术后患者30 d内再入院风险。(1)入院时模型的内容包括年龄、性别、种族、医疗保险、择期状态、PCI状态、先前冠状动脉旁路移植术状态、周末入院、既往住院、AMI,C-statistic为0.727。(2)出院时模型的内容包括住院天数、AMI指标、重症监护室住院时长、周末出院、出院地点、elixhauser合并症指数(elixhauser comorbidity index,ECI),C-statistic为0.751。(3)增加CathPCI注册中心相关数据信息模型的内容包括并发症、出院时左心室射血分数、心肌梗塞溶栓治疗、脑血管疾病、动脉通路位置、血管病变数量≥2、病变情况、β受体阻滞剂、高血压药物类型、抗血小板类型、心绞痛分级、心绞痛类型,C-statistic为0.752。该工具的优点:可在检测患者生命体征或实验室指标之前,预测出患者的再入院风险,帮助护理人员尽早规划患者出院,从而对有风险的患者提供干预措施,防止再入院。缺点:模型使用繁杂;评估内容多;未进行外部验证,还需开展大样本、前瞻性研究来反复验证该模型实用性。

3.2.4 PCI术后30 d非计划再入院风险预测模型 2022年Xu等[14]收集1348例患者资料构建了PCI术后30 d非计划再入院风险预测模型;内容包括医疗保险、住院天数、入院时左心室射血分数、高血压、慢性肺病疾病史、贫血和入院时的血清肌酐水平;分数范围为84～220分,对应的再入院概率为0.1%～0.9%;C-statistic为0.723,灵敏度为81.3%。国外多项研究[17,22]表明,性别和年龄都是PCI术后患者预测其再入院风险的危险因素,但Xu等[14]研究表明,年龄和性别差异无统计学意义,这可能与小样本量、单中心研究等有关。该工具的优点:聚焦于PCI术后人群,评估内容具有针对性;基于多层次的研究方法分析预测因子,提高了模型的可靠性和准确性;缺点:未进行外部验证,小样本、单中心研究;建模时通过回顾性研究收集样本数据来构建模型,掺杂了许多无法测量的混杂因素,忽视了建模时存在的潜在变量。

4 PCI术后再入院风险预测模型的比较分析

4.1 基本情况比较 目前,PCI术后再入院风险预测模型尚无金标准,大部分多为近几年开发。从评估方式来看,均为他评,客观性较强;从模型构建情况来看,建模人群多为PCI术后患者,多中心研究5项,单中心研究1项,样本量总量为1348～5 388 078,模型构建的统计方法归为2类,Logistic、Lasso回归模型;从模型预测因子来看,最终预测模型包含3～14个变量,预测因子出现频次排名前3位分别是年龄、住院时长、保险情况;从模型性能来看,5个模型均进行了内部验证并报告了区分度,但大部分未进行外部验证,仅2个模型报告了其校准度,HL检验P>0.05,其预测值与实际值有较高的一致性;从医疗法律背景来看,美国医疗平价法案制定了HRRP,并纳入了医疗保险和医疗补助服务中心。详见表1。

表1 PCI术后患者再入院风险预测模型的基本情况

4.2 应用情况比较 目前,在已有的PCI术后再入院风险预测模型中,多数由国外学者开发,LACE是使用次数最多的模型,主要应用于美国、加拿大;而国内学者多数以列线图来构建模型,预测PCI术后患者再入院风险,但很少被实际应用;与国外相比,国内在模型构建方面的相关研究较少,多数停留在患者疾病风险因素方面上,较少综合其他风险因素制定符合我国PCI术后患者实际情况的再入院风险预测模型。

5 小结

PCI术后患者再入院给社会和家庭都带了巨大的压力。如何降低患者再入院率已经成为社会关注的话题。目前,国外PCI术后患者再入院筛查工具发展较为成熟,形式多样;而我国PCI术后再入院风险预测模型起步较晚,开发模型多以列线图、单中心、小样本量为主,研究类型局限,建模内容较单一,多以患者理化因素为主,也未考虑护理人员的主观计算能力对结果产生的影响;因此,在今后的研究中:(1)建议结合我国实际情况对国外模型进行汉化、修订、验证,编制符合我国PCI术后患者实际情况的特异性再入院风险预测模型,从而早期筛选出高风险再入院患者,帮助护理人员制定全面且具有针对性的预防措施;(2)培训评估者的客观评估数字能力,提高评估结果的准确性;(3)未来可在现有的PCI术后患者再入院疾病因素基础上,开发将理化因素、社会因素、心理因素等综合起来的PCI术后患者再入院风险预测模型,从而帮助护理人员较为综合、准确的预测PCI术后患者再入院风险。