基于数据挖掘的抗菌药物使用强度研究

王 娜,胡秀萍,尚 伟,沈陈军,闵芳芳,徐礼君,张婷婷

0 引言

随着抗菌药物的广泛应用以及超级细菌的涌现,抗菌药物耐药性(Antibiotic resistance,ABR)成为公共卫生危机[1],其主要原因是过度或滥用抗菌药物,导致某些疾病的治疗步履维艰,病死率增加,经济负担增加[1-3]。因此,抗菌药物科学化管理(Antimicrobial stewardship,AMS)势在必行,各国均制定了遏制细菌耐药行动计划[4]。我国为管控抗菌药物合理使用,将抗菌药物使用强度(Antibiotics use density,AUD)纳入“国考”指标[5]。数据的预测与分析在医院管理中发挥重要作用[6]。抗菌药物使用使用的管理在医院服务提升中具有重要的作用。本研究收集2012年1月至2022年12月的抗菌药物使用强度的数据,通过专家建模器筛选出简单季节模型,并将基础数据回代模型中比较预测效果,为医院合理用药管控提供决策性支持。

1 资料与方法

1.1 资料来源 采用美康临床药学管理系统(PASS PharmAssist),统计滁州市第一人民医院2012年1月至2022年12月的抗菌药物使用的月度数据,包括药品名称、规格、厂家、数量等。抗菌药物使用强度(AUD)=住院患者抗菌药物消耗量(累计DDDs)÷同期收治患者人天数×100,反映每100人每天消耗的抗菌药物DDDs。

1.2 方法 以该院2012年1月至2019年12月、2012年1月至2022年4月的抗菌药物使用强度为建模数据,采用SPSS 25.0统计软件,选择时间预测模块中专家建模器,筛选最优模型进行数据预测,再将基础数据回代所建立的模型。采取相关措施后,采用配对t检验比较2020年及2022年5-12月的实际值和预测值。

1.3 统计学方法 采用Excel 2017软件建立抗菌药物使用强度的数据库,采用SPSS 25.0软件中的时间序列对数据进行统计分析。P<0.05为差异有统计学意义。

2 结果

2.1 各年度抗菌药物使用强度 近11年,住院患者共计528 236例,其中使用抗菌药物272 744例次。虽然近11年抗菌药物使用率低于60%,但是抗菌药物使用强度均超过“国考”规定[5]。由表1可见,2012-2022年该院抗菌药物使用强度逐年降低。

表1 某院2012-2022年抗菌药物使用强度情况

2.2 2012年1月至2019年12月抗菌药物使用强度情况

2.2.1 2012年1月至2019年12月抗菌药物使用强度时间趋势 根据医院2012年1月至2019年12月累计96个月抗菌药物使用强度数据绘制时间序列图,可见抗菌药物使用强度每年都有高峰月份,大约集中在10月份至次年2月,具有明显的季节性。见图1。

图1 某院2012年1月至2019年12月抗菌药物使用强度时间趋势图

2.2.2 简单季节模型的构建 采用时间序列预测模块专家建模器,将抗菌药物使用强度作为因变量,自动筛选最优模型,结果筛选出模型为简单季节模型。该模型的评价指标显示平稳R2、RMSE、MAPE、MAE及正态化BIC分别为0.648、5.369、7.968、3.902、3.457。模型残差序列的Ljung-Box统计量(Q=17.410,P=0.360)差异无统计学意义,提示为白噪声序列,具有平稳性,见图2。

图2 某院2012年1月至2019年12月抗菌药物使用强度简单季节型模型的残差序列相关系数图

此外,该模型的MAPE<20%,预测准确性较高[7]。将2012年1月至2019年12月的抗菌药物使用强度数据回代到该模型中,结果显示,90个月(除了2013年12月、2014年1月、2016年1-3月、2016年12月,共6个月)的抗菌药物使用强度的实测值均在95%置信区间之内,可见模拟效果良好,见图3。

图3 某院2012年1月至2019年12月抗菌药物使用强度

2.2.3 模型外推预测 利用该模型对2020年1-12月的抗菌药物使用强度进行预测,并与实际抗菌药物使用强度比较,结果显示,除了2020年3月,其他月份实际值均在预测值的95%置信区间内,相对误差最大为2020年3月,为28.27%,相对误差最小为2020年1月,为0.59%,见表2。对实际值和预测值进行配对设计t检验(t=-6.798,P<0.001),差异有统计学意义,可认为干预后抗菌药物使用强度低于预测值,干预有效果。

表2 某院2020年1-12月抗菌药物使用强度简单季节型模型的实际值与预测值比较

2.3 2012年1月至2022年4月抗菌药物使用强度情况

2.3.1 2012年1月至2022年4月抗菌药物使用强度时间趋势 为了解2022年4月以后抗菌药物使用强度趋势走向,采用2012年1月至2022年4月累计124个月数据绘制时间序列图,其特点与第1次时间序列图类似,见图4。

图4 某院2012年1月至2022年4月抗菌药物使用

2.3.2 简单季节模型的构建 再次利用时间序列中专家建模器,筛选出最优模型为简单季节模型,该模型的评价指标分别为平稳R20.599、RMSE 5.153、MAPE 7.619、MAE 3.655、正态化BIC 3.357。模型残差序列的 Ljung-Box统计量(Q=19.388,P=0.249)无统计学意义,提示为白噪声序列,具有平稳性,见图5。该模型的MAPE 7.619%(<20%),预测精确性较高[7]。将2012年1月至2022年4月的抗菌药物使用强度数据回代到该模型中,结果显示,117个月(除了2012年12月、2013年12月、2014年1月、2016年1-3月、2016年12月,共7个月)的抗菌药物使用强度的实测值均在95%置信区间之内,可见模拟效果良好,见图6。

图5 某院2012年1月至2022年4月抗菌药物使用强度

图6 某院2012年1月至2022年4月简单季节型的模型

2.3.3 模型外推预测 采用该模型对2022年5-12月的抗菌药物使用强度进行预测,并与实际抗菌药物使用强度比较,结果显示,所有月份实际值均在预测值的95%置信区间内,相对误差最大为43.26%(2022年11月),相对误差最小为0.07%(2022年5月),见表3。对实际值和预测值进行配对设计t检验(t=-3.237,P<0.05),差异有统计学意义,可认为干预后抗菌药物使用强度低于预测值,干预效果显著。

表3 某院2022年5-12月简单季节型模型对抗菌药物使用强度的实际值与预测值比较

2.4 干预措施前后抗菌药物使用强度变化 干预后第1阶段的抗菌药物使用强度低于干预前(P<0.05),干预后第2阶段的抗菌药物使用强度低于干预后第1阶段(P<0.05)。见表4。

表4 某院干预前后抗菌药物使用强度比较

3 讨论

3.1 抗菌药物使用强度较高的原因 ①外科围手术期无指征预防性使用抗菌药物、停用不及时等;②在抗感染治疗过程中,抗菌药物剂量未个体化、过度联合、停药不及时等;③信息系统不够完善,送检意识不高;④处方审核系统不够全面;⑤临床忽视点评结果;⑥药师自身技能不足;⑦临床耐药率上升,导致抗菌药物增大剂量或频次、联合使用,致抗菌药物使用强度居高不下。

3.2 抗菌药物使用强度较高的处理措施 采用时间序列预测2020年度抗菌药物使用强度,发现其呈上升趋势,远高于“国考”目标范围,我院于2020年开始采取干预措施:①与各科室签订目标责任书;②核定各科室抗菌药物使用强度;③纳入绩效考核(全院公布抗菌药物使用强度,且每季度以感控简讯形式全院公布);④加强住院抗菌药物点评;⑤信息化干预(开具抗菌药物前必须勾选用途是预防还是治疗,是否送检,使用抗菌药物前7 d无送检信息,弹窗提醒);⑥开展全院培训,定期宣讲,提高抗菌药物合理用药认识。

第1阶段虽然强度降低,但是未达到目标,2022年5月再次应用2012年1月至2022年4月数据进行预测,发现仍高于目标值,采用如下措施:①再次核定各科室的抗菌药物使用强度;②强度高于核定值或抗菌药物点评结果不合理的科室,扣除相应科室或个人的绩效;③提高抗菌药物送检率;④临床药师入外科如骨科、耳鼻喉科等监管用药情况;⑤在审方软件中将抗菌药物规则细化[8]。

需要注意的是,降低抗菌药物使用强度手段不宜“粗暴”、“一刀切”[9]。除了上述干预手段外,还可以包括如下措施:①目前,抗菌药物使用强度计算的方法不够科学,其仅考虑消耗量,未考虑合理性,抗菌药物使用强度目标设定及考核方法可参考吴广杰等[10]的研究,其在抗菌药物合理性基础上设定,使用设定的方法后,医院抗菌药物使用强度最高降幅达到14.93%。②引入病例组合指数(Case mix index,CMI)调控抗菌药物使用强度。在国考中,国家利用CMI对抗菌药物使用强度进行了校正[11],校正后的抗菌药物使用强度=实际抗菌药物使用强度/CMI值。CMI越高,校正后的抗菌药物使用强度越低,其中CMI反映收治疾病难度系数。医院管控抗菌药物使用强度可通过引入CMI进行动态分区监管,利于精准施策、靶向发力[12]。由于CMI与学科科技量呈正相关[13],使校正后的抗菌药物使用强度值具有公正性、科学性,医院可通过引进人才、开展新技术等措施,提高医疗水平和科研能力,拉紧CMI的共同纽带。

3.3 模型的适用性及推广性 时间序列在各领域广泛应用,但其局限于预测短期未来值的变化趋势[14-16]。采用SPSS软件中时间序列预测模块中的专家建模器,自动筛选出最优模型,应用最优模型进行预测。本研究中专家建模器自动筛选出的最优模型系简单季节模型,2次预测模型的残差序列Ljung-Box统计量均无统计学意义,MAPE均<8%,提示拟合良好。采用简单季节模型预测抗菌药物使用强度呈上升趋势,采取措施后有所降低,并且干预前后抗菌药物使用强度差异有统计学意义。

由于时间序列考察数据本身随时间变化的相关性,未考虑外在因素。如:①政策的干预;②公共卫生事件;③抗菌药物集采。集采的目的是降低患者的经济负担。但是,集采的抗菌药物均是仿制药,而非原研药,医生考虑疗效,从而增加剂量,或是换用更高级的抗菌药物,或是医院为完成约定的采购量,采用相关管理手段将抗菌药物分摊至科室,导致抗菌药物滥用风险增加[17]。此外,患者因为担心仿制药疗效,主动要求换用原研药。本研究中的抗菌药物使用强度基于既往数据,影响因素较为复杂,在后续工作中可尝试将上述影响因素纳入预测模型,采用回归模型或组合模型进行预测[18]。

基于数据的动态性,模型数据需要不断更新,才能拟合出最优的模型,预测值与实际值更加贴近[19]。本研究采用时间序列预测抗菌药物使用强度和趋势走向,具有可推广性。相关机构可结合实际情况,摸索适合自己医院的模型进行预测[20]。即使是同一医院,不同的数据得到的模型也不尽相同(本研究中抗菌药物使用率模型是Holt-Winters加法模型)。

3.4 临床药师优化抗菌药物使用 临床药师可从以下方面优化抗菌药物使用:病区医嘱审核;参与查房(共同讨论、制定抗菌药物使用方案);抗菌药物点评(围手术期、特殊级、抗菌药物增量异常品种点评);参与抗感染临床路径制定;院内培训宣教;院外科普宣教;基于数据信息化,多角度、多层次挖掘并分析预测临床数据,如细菌耐药率变迁等。

3.5 抗菌药物精细化管理 抗菌药物滥用不仅增加了耐药菌、患者的经济负担,还有可能导致医保拒付,给医院造成经济损失[21-22]。药事精细化管理是医院精细化管理之一,不仅可以保证用药的合理性,控制医院成本;还能保障患者的用药安全、提高患者满意度。合理用药的精细化管理是一个持续性干预的动态过程[9,23-24]。本文采用简单季节模型预测抗菌药物使用强度,有利于推进医院抗菌药物精细化管理,降低耐药率及药占比、减轻患者医疗负担、节约医疗费用及医保基金。预测模型的使用可以为精细化合理用药管控提供决策支持,提高合理用药水平,优化医疗资源配置,降低医保拒付风险,促进医院可持续发展,提高综合竞争力[21]。