基于医疗大数据的电子化衰弱评估工具的研究进展

魏晓蕾 沈晨 麻盛淼 胡宇乐 梁涛

以国务院办公厅2016年6月颁布的《关于促进和规范健康医疗大数据应用发展的指导意见》[1]为纲领，近年来医疗大数据已逐渐成为我国一项基础性战略资源[1]。通过先进的数据挖掘技术对大量数据进行整合分析，能更好地识别危险因素与疾病的相关性，准确地进行风险预测，从而改善疾病的治疗和预后[2-3]，有利于节约医疗成本、提升医疗水平、促进医疗健康管理，将对我国经济社会发展、人民生活质量提高等各方面产生积极影响[4]。衰弱是一项常见的老年综合征，在目前人口老龄化加速的背景下，将成为最严重的全球公共卫生挑战之一[5-6]。但衰弱具有可逆性，通过科学方法准确识别和评估衰弱及其风险，及时提供准确的干预，能够改善此类老年人的临床结局[7-9]，有助于实现健康老龄化。本文综述医疗大数据的特征和优势，分析国内外医疗大数据在电子化衰弱评估工具中的应用，对电子化衰弱评估工具的优势和问题进行探讨，进而展望其未来发展方向。

1 医疗大数据简介

医疗大数据是一种多平台、跨机构的全生命周期数据的集合，具有数据量大、种类丰富、来源复杂多样、数据产生及更新迅速等特点，具有极大的潜在利用价值，应用前景广阔[10-11]。医疗大数据的主要来源包括医院采集的患者电子健康档案、实验室检查、可穿戴设备存储的健康信息以及各类医疗卫生机构的运营信息等结构化、半结构化或非结构化数据[10]，与医疗健康服务的目的、过程、结果密切相关[12]。医疗大数据具有数据量大、来源丰富、种类复杂且更新速度快等特点，故不适合采用传统的数据处理技术进行处理，近年来，机器学习、数据挖掘、神经网络等逐渐成为分析医疗大数据的主要手段[13-15]。来自患者电子健康档案、实验室数据、临床试验报告和保险信息等的数据经过采集、存储、整合、分析，患者个体的特征信息得以充分利用和挖掘，可以改进风险分层，协助医疗和护理决策，更好地对患者进行干预[16-17]。现阶段，我国医疗大数据主要用于辅助临床疾病诊断、风险预测、基础医学研究、个体健康管理等方面，尤其是在精准医疗领域潜力巨大。合理利用医疗大数据有利于优化医疗资源配置，在降低医疗护理成本的同时，提升医疗护理服务的效率和质量，最终提高全民健康水平[18]。

基于目前医疗大数据的发展和传统衰弱评估工具存在的不足[19-20]，使用电子健康工具记录或管理数据集来进行大数据挖掘分析并推导出预测模型，进而准确地进行衰弱风险评估和不良预后预测，成为目前衰弱评估工具改进和研发的热点。

2 基于医疗大数据的电子化衰弱评估工具的开发和应用

近年来，各种基于医疗大数据的电子化衰弱评估工具被开发和应用，这些新型评估工具基于传统衰弱评估工具的基本原理，结合机器学习等方法，为在多种环境和人群中更有效地识别和评估老年人衰弱及其风险提供了可能[21]。

2.1 电子衰弱指数

电子衰弱指数（electronic Frailty Index，eFI）是首个基于医疗大数据开发的电子化衰弱评估工具，它以衰弱的缺陷积累模型为框架。工具开发的训练集来源于一个包含约600万名患者电子健康记录的卫生保健研究数据库。通过两次机器检索和一次双人手工检索，以“能够反映健康状况，患病率和严重程度随年龄的增长而增加，流行率饱和发生在达到老年人年龄标准之后”为标准，提取出与衰弱相关的、以文字或数字代表的缺陷特征，经过分类和统一编码，再由衰弱专家小组进行新一轮筛选，最终确定纳入训练集的36项缺陷代码[22]。在大规模内部和外部验证中，研究者根据eFI四分位数确定健康、轻度、中度和重度衰弱的分段标准，即0～0.12为健康，＞0.12～0.24为轻度衰弱，＞0.24～0.36为中度衰弱，＞0.36为重度衰弱，并分别预测了不同程度衰弱的老年人在1年、3年和5年时死亡、住院和入住养老院风险增加的情况，两次验证结果相似[22]。之后的多项研究表明，eFI能整合利用电子健康记录中丰富的患者信息，与常用的Fried衰弱表型、衰弱指数（Frailty Index，FI）等传统工具具有较好的一致性，使用eFI得出的衰弱患病率与实际衰弱患病率接近，但评估过程更为简便快捷，节省了大量人工评估和测算的时间，且在风险预测方面具有更高的准确性[23-25]。

基于eFI的成功实践，改良5项衰弱指数（modified Frailty Index-5，mFI-5）、术前衰弱指数（preoperative Frailty Index，pFI）等类似的电子化衰弱评估工具被开发出来，通过对医疗数据库中结构化的健康信息进行自动分析并进行术前衰弱评估，以预测术后死亡率和并发症的发生情况[26-27]。

2.2 医院衰弱风险评分

急诊护理环境具有时间紧迫、病情紧急的特点，大部分人工评估较为复杂且耗时长，不能满足急诊快速准确完成评估的要求。Gilbert等[28]使用国际疾病及相关健康问题统计分类第10版（International Statistical Classification of Diseases and Related Health Problems，Tenth Revision，ICD-10）编码系统开发了医院衰弱风险评分（Hospital Frailty Risk Score，HFRS），该电子化工具的开发和验证分为以下3个步骤。首先，根据患者在ICD-10诊断、住院时间、住院费用的相似性进行聚类分析，以检验能否可以利用ICD-10编码和医疗资源利用情况来识别衰弱患者，进而确定了在衰弱组反复出现、可用于识别衰弱的109项ICD-10代码。其次，采用Gower[29]的方法结合分类变量（ICD-10诊断）和连续变量（卧床天数和住院费用）组成医院衰弱风险评分，总分＞15分为高风险，5～15分为中风险，＜5分为低风险。最后，在两个独立的队列中验证了HFRS对急诊入院患者不良结局的预测能力，以及它与其他临床衰弱工具的一致性。结果表明，利用医院管理系统中的ICD-10编码进行自动化衰弱评估具备与传统的Fried表型量表和临床衰弱量表（Clinical Frailty Scale，CFS）具有相似的准确性，且HFRS不仅节省了人工和时间成本，而且具有更好的评分者信度，在超过100万名患者的验证队列中，HFRS识别出的高衰弱风险患者，其30天死亡率、住院时间延长和30天再入院的风险更高。由于其快速、准确的独特性能，HFRS也被用于预测有创机械通气和重症监护使用概率，从而协助临床决策，使医疗护理资源的分配更具成本效益。在Ramos等[30-31]研究中，HFRS被用于识别需要早期进行重症监护的高危新型冠状病毒感染患者，较好地预测了不良结局风险，从而改善了风险分层和预后评估。

2.3 老年创伤衰弱指数

我国研究者通过分析2016年来自美国国家急诊科样本（National Emergency Department Sample，NEDS）的141267名住院老年创伤患者（年龄≥65岁）的医疗记录，根据Gilbert等构建HFRS的3个步骤开发验证了专门用于该人群的衰弱评估工具，即老年创伤衰弱指数（Geriatric Trauma Frailty Index，GTFI）[32]。该工具可以使用医院的电子病历系统的常规数据，系统地整合老年创伤患者个人的疾病特征，无需手动计算评分，对预后的预测效果良好，尤其适合病情紧迫的老年创伤患者。在来自NEDS的国际验证队列和来自上海创伤急诊医学会（Shanghai Trauma Emergency Medical Association，STEMA）本土验证队列中，均有良好表现，能准确识别衰弱的创伤老年患者，在本土验证队列中ROC曲线的结果显示，GTFI能有效地预测我国老年创伤人群的预后，对于死亡率预测曲线下面积可达0.903，能准确识别衰弱的创伤老年患者，有效预测我国老年创伤人群的预后情况[32]。

2.4 其他

除了验证较为充分的eFI和HFRS外，还有其他经过了初步验证和试用的电子化衰弱评估工具。例如，Hall等[33]从美国退伍军人事务部/美国外科医生学会国家手术质量改善项目数据库（VASQIP/ACSNSQIP），通过数据连接技术捕获了11项衰弱相关变量，构建了术前衰弱风险评分（RAI-A），变量根据各自的权重赋分，总分在0～81之间。由于参考了完整的患者电子病历信息，在识别术前衰弱上，RAI-A相较于问卷型工具有更高的特异性，对术后死亡率和并发症的预测能力有明显提高[34]。福斯特全球衰弱评分（Forster Global Frailty Score，FGFS）是由来自9个国家的34家医院合作开发的一种新型电子化衰弱评估工具，该电子化工具包含7组衰弱综合征相关的ICD-10代码，利用常规收集的管理数据对有衰弱风险的老年人进行风险预测建模，实现了衰弱综合征的临床概念与医疗数据集的结合，不仅可以进行衰弱评估，还可预测住院死亡率、长期住院时间和30天非计划再入院率[35]。

3 对电子化衰弱评估工具的分析与展望

3.1 电子化衰弱评估工具的优势

将衰弱的研究成果应用到临床实践中是未来面临的主要挑战之一。对于临床一线的医护人员或者社区卫生服务人员来说，评估工具的临床实用性是非常重要的，一个简单且快捷的衰弱评估工具有助于为评估对象实施精准的干预、合理分配医疗护理资源[36]。基于医疗大数据开发的电子化衰弱评估工具，不仅评估过程简便高效，节省了大量的时间和人力资源成本，还能更好地预测病死率及其他不良事件，在临床、社区等环境中有着较大的应用潜力。例如，eFI可以从初级医疗保健机构的电子病历中生成患者健康缺陷的数量，无需医护人员额外收集衰弱的相关数据，明显提高了评估的效率，从而可以快速识别衰弱人群并进行有针对性的干预与管理。

电子化衰弱评估工具能够自动整合医疗大数据中全面的健康和医疗信息，相较于传统衰弱评估工具而言，更能客观准确地反映老年人的衰弱状况及健康功能状况。同时，可以利用信息技术开发适用于手机、平板电脑等终端操作的版本，方便医护人员进行高效的数据收集和分析，提高衰弱评估的数字化和信息化水平。此外，利用电子化衰弱评估工具发挥其风险预测方面的独特优势，能够完善卫生服务资源分配，为衰弱老年人提供以目标为导向的护理计划，制定有针对性的循证干预措施，有助于改善老年衰弱患者的疾病预后和生存质量。

3.2 电子化衰弱评估工具存在的问题

首先，衰弱评估工具对临床的重要意义是能够实现在一级或二级预防中发现衰弱的风险，而目前电子化衰弱评估工具对临床不良结局等的预测作用主要用于三级预防，即预防衰弱状态持续恶化而导致的临床不良结局。其次，大多数电子化衰弱评估工具主要是利用单一来源和类型数据开发的，虽然样本量可观，但目前只有一部分衰弱相关变量可以完全从此类医疗大数据中提取出来，因此，仍然有可能缺少某些关键的信息，尤其是社会心理方面的变量，从而可能影响评估的质量和预测效果[37]。再次，一些电子化衰弱评估工具缺乏独立验证或验证结果不理想，工具的性能受数据来源的影响较大，稳健性尚不能达标。目前各国医疗卫生系统中存在着大量非结构化、未经编码的数据，而现阶段的电子化衰弱评估工具对此类数据的提取和分析能力普遍不足，在真实环境中的临床应用时常受限。

每种电子化衰弱评估工具也存在各自不同的问题。例如，eFI识别衰弱和预测风险的能力目前仅在人群水平得到验证，在个体水平上的评估和预测效果有待进一步研究。而对于HFRS的预测功能，存在许多不一致的研究结果，如在1项全关节置换术患者的研究中，HFRS不能准确预测其治疗成本[38]，也有学者认为HFRS预测较长住院时间和非计划再入院的能力并无明显提高[39]。此外，由于mFI-5仅包含5项变量，已有研究者对其科学性和合理性质疑，但目前尚缺乏相关证据[40]。

3.3 电子化衰弱评估工具的应用前景和挑战

当前全球的医疗数据已累积有数百艾字节（Exabytes，EB），且仍将呈指数级增长。从大规模研究队列的快速建立和识别，到人工智能辅助的临床决策支持系统，医疗大数据正深刻地改变着医学研究与实践[41]。《“健康中国2030”规划纲要》提出了实现“全民健康”的目标，而大力发展医疗大数据是实现“全民健康”的基础工程[42]。目前，建立电子健康档案、电子病历数据库、大数据中心等大数据基础建设工作，加强健康医疗大数据及公共卫生大数据的应用，从而实现数据的联通融合与开放共享，是我国医疗大数据战略的主要聚焦点[4]。当前我国的医疗大数据尚处于发展阶段，基于医疗大数据的电子化衰弱评估工具应用前景广阔。

但目前我国医疗资源地区、机构间分布差异大，相关人才短缺，技术推广存在困难；医疗大数据在国内仍主要是由自由文本构成的非结构化数据，且各家医疗机构的信息化程度参差不齐，难以建立统一的数据平台实现数据信息共享。部分基层医疗机构使用的信息系统普遍比较简单，缺乏必要的、结构化的患者临床信息进行电子化衰弱评估，若患者电子健康记录的更新不及时，难以实现对患者近期健康状况变化的判断。另外，电子病历、医院信息系统等数据库中包含大量患者的个人信息，数据挖掘带来的隐私和伦理问题也亟待解决[43-44]。同时，我国本土化的电子化衰弱评估工具较少，可逐步将现有国外工具进行汉化改良并验证其在我国的适用性。最后，机器和数据始终不能完全替代人工，需要探索如何将此类工具与量表式衰弱评估工具结合应用，充分发挥医疗大数据与医护人员临床经验的多种优势，最大程度改善衰弱评估质量。

4 小结

未来应对基于医疗大数据的衰弱评估工具进行更多的前瞻性研究，进一步验证并评价其识别衰弱和对临床不良结局事件与风险的预测能力。同时，对于衰弱及其风险的评估与准确识别只是衰弱管理与连续性护理过程的第一步，如何在衰弱导致的实质性功能衰退之前，通过衰弱评估制定针对性干预措施，对预防或延缓衰弱的进展至关重要，而这一方面尚缺乏可靠、全面、系统性的研究证据，需要进一步探索，以助力健康老龄化和健康中国进程。