條文本

下載PDF

全英格蘭超急性腦卒中單元護理模式的可行性:建模分析
  1. 邁克爾•艾倫1
  2. 克裏Pearn1
  3. 艾瑪·維倫紐夫1
  4. 托馬斯僧侶2
  5. 肯斯坦1
  6. 馬丁詹姆斯3.
  1. 1健康研究所埃克塞特大學醫學院聖盧克校區埃克塞特、英國
  2. 2NIHR CLAHRC韋塞克斯數據科學中心南安普頓綜合醫院南安普頓、英國
  3. 3.中風服務皇家德文郡和埃克塞特NHS信托基金埃克塞特、英國
  1. 對應到邁克爾·艾倫博士;M.Allen在{}exeter.ac.uk

摘要

目標在英國,超急性中風病房(HASUs)的集中政策旨在在足夠大的病房提供中風護理,以維持專業知識(600人次/年)和足夠分散的病房迅速提供時間緊迫的治療(最大旅行時間<30分鍾)。目前,隻有超過一半(56%)的中風患者在這樣的病房接受治療。我們試圖建立全國性的hasu配置模型,以優化中風治療的機構規模和地理可及性,使人群從中風治療的集中中獲益最大化。

設計全國腦卒中服務重組的效果建模。采用啟發式遺傳算法確定最優解。

設置在英格蘭有127個急性中風服務機構,為5400萬人服務。

參與者3年期間(2013-2015年)急性中風急診入院238 887例。

幹預hasu的模型重構優化了機構規模和地理訪問。

主要結果測量前往HASU的距離和時間,每年至少有600人次入住HASU的患者比例,以及HASU最少和最多的入住人數。

結果解決方案由75-85個hasu確定,每年中風住院人數在600-2000人之間,達到82%的患者在30分鍾內到達中風病房(至少95%和98%的患者分別在45分鍾和60分鍾內到達)。

結論英國超急性腦卒中服務的重組可能會導致所有患者在HASU接受治療,每年有600到2000人入院。然而,在HASU後30分鍾內的患者比例將從90%以上下降到80%-82%。

  • 中風
  • 保健服務組織
  • 保健質量

這是一篇根據創作共用署名非商業性(CC BY-NC 4.0)許可發布的開放獲取文章,該許可允許其他人以非商業性的方式發布、混編、改編、構建本作品,並以不同的條款許可其衍生作品,前提是原始作品被正確引用且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/

來自Altmetric.com的統計

請求的權限

如果您希望重用這篇文章的任何部分或全部,請使用下麵的鏈接,它將帶您訪問版權清除中心的RightsLink服務。您將能夠快速獲得價格和以多種不同方式重用內容的即時許可。

本研究的優勢和局限性

  • 該研究描述了英國急性中風病房數量(基於從急性中風病房的當前位置選擇)與兩個目標之間的關係,即:(1)每年至少有600例急性中風確診入院的中風病房,(2)患者在急性中風病房30分鍾內入住。

  • 這項研究使用了一種遺傳算法,能夠在存在大量可能性的情況下尋找解決方案。

  • 本研究采用客觀方法,明確描述了目標。

  • 本研究的一個局限性是,確定的解決方案沒有考慮到複雜的當地壓力和偏愛一個單元而不喜歡另一個單元的原因,從而犧牲了本研究確定解決方案所使用的目標。

簡介

中風是全世界死亡和殘疾的主要原因,2010年估計有590萬人死亡,有3300萬中風幸存者。1在英格蘭、威爾士和北愛爾蘭,每年有8.5萬人因中風住院,2在過去的25年裏,中風在英國殘疾調整生命年損失的原因中排名第三。3.

近年來,英格蘭國家衛生服務體係(NHS)在倫敦建立的循證模型的基礎上,試圖在全國範圍內推動中風服務的重組。4倫敦中風治療的集中化已經被證明可以提高溶栓率,降低死亡率,縮短住院時間,降低NHS的長期成本。5個6這些好處被認為是由於患者由專家中風小組照顧,通過直接住院到一個大型超急性中風單元(HASU)來促進。在HASU護理模式中,患者在出院或轉移到逐步降低的局部中風治療單元之前,直接被送往可能對中風提供即時反應的單位,包括評估、穩定和任何初級幹預。7指南建議HASU每年至少接收600名患者,英國國民醫療服務體係(NHS England)重組指南還建議“理想情況下,旅行時間應該是30分鍾,但不超過60分鍾”。8 9在倫敦,急性中風的集中護理是由一個模型演習指導的,根據該模型演習確定的地點,沒有倫敦人從最近的HASU救護車超過30分鍾的路程。5從發病到醫院急診治療的時間對於缺血性中風尤為關鍵,因為在中風後的最初幾個小時內,溶栓的有效性會迅速下降。10最近,機械取栓對中風發作後6小時內的患者有效,如果治療越早,效果越好。11

由於溶栓或取栓治療的速度至關重要,盡管如此,人們仍然質疑,在大都市地區集中治療中風所帶來的結果改善能否在更多的農村環境中複製,建模被建議作為分析該問題的第一步。12因此,我們試圖調查滿足以下雙重目標的可能性:所有急性中風患者被送入足夠規模的HASU(每年至少600名急性中風患者),並且該單元在30分鍾的旅行時間內。這裏描述的模型集中在中風護理的HASU階段7並沒有延伸到組織持續的降壓護理在當地中風單位,或出院後回家。

方法

詳細的方法,以及使用的底層數據的鏈接和源代碼,在網上給出補充附件

補充材料

補充材料1

對於HASU的任何配置,該模型預測了旅行時間(選擇最快的道路旅行時間,從患者的家到醫院,估計旅行時間最短)和每個HASU的入院人數。遺傳算法用於識別良好的配置。

我們納入了238 887例以缺血性或出血性腦卒中(ICD-10 I61, I63, I64;ICD,疾病和相關健康問題國際統計分類),並在3年期間(2013-2015年)緊急入院。中風入院人數是英格蘭31771個低超級輸出區(lsoa)中每個的入院人數。沒有訪問單個患者級別的數據:每個LSOA的入院計數提取自醫院發作統計(HES;http://www.hscic.gov.uk/hes),使用Lightfoot Solutions管理的國家HES數據(http://www.lightfootsolutions.com/).估計最快的道路旅行時間是通過地理信息係統(Maptitude,帶有MP-MileCharter插件)獲得的。

我們采用了一種基於NSGA-II(非支配排序遺傳算法)的遺傳算法。13以獲得全英格蘭hasu的潛在配置,平衡相互競爭的目標。如果另一個解在所有優化參數中都同樣好,並且至少在一個參數中更好,則該解將被排除。所選的配置是基於一係列優化參數(列在在線補充附件),力求盡量縮短旅行距離,並控製入院人數(每年至少接收600人的HASUs接收人數盡可能多,同時也力求控製任何醫院的最大入院人數)。保留的解稱為非主導解;這些共同形成了“帕累托陣線”,即一個目標的提高隻能以犧牲另一個目標為代價。

結果

該模型假設患者前往離家最近的醫院就診。為了驗證這一假設,我們比較了預測的入院人數(假設患者在離他們最近的醫院就診)和每家醫院的實際入院人數。當將預測和實際錄取人數進行比較時,每年每單元錄取人數的中位數絕對誤差為105人,或相對絕對誤差為17%。預測的準確性取決於與醫院最近鄰居的距離,在交通距離不太受重視的城市地區,預測的準確性相應地更高。位於靠近其他急性中風住院單位的hasu的預測準確性低於那些位於離最近的替代急性中風住院單位(圖1).這些結果使我們有信心繼續推進基本模型假設,即病人一般應到最近的病房就診。

圖1

預測入院的錯誤(如前哨卒中審核計劃中記錄的),按最近的鄰近急性卒中單元(10分鍾箱)的鄰近程度分組。點表示中位數,誤差條表示IQR。左邊的麵板顯示的是預測每年錄取人數的絕對誤差,而右邊的麵板顯示的是每個單元實際錄取人數的絕對誤差百分比。

隨著公共交通單位數目的增加,平均及最長道路旅行時間會減少(圖2),遵循“收益遞減”法則。例如,24個單位(英國神經科學中心的數量)的最低平均旅行時間是34分鍾。當hasu數量增加到50、75和100時,最佳平均旅行時間分別為26、22和19 min。當hasu分別為25、50、75和100時,最佳旅行時間分別為109、99、78和78 min。確定的解決方案的平均和最大旅行時間取決於模型中優先考慮的其他因素。例如,在25個hasu的情況下,不同構型(均為非主導解)下的平均行程距離為34 ~ 62 min,最大行程時間為109 ~ 378 min。

圖2

改變急性卒中單元數對平均和最長旅行時間的影響。左邊的麵板顯示了算法獲得的最佳平均和最大旅行時間。中間的麵板顯示的是平均旅行時間。粗體線表示在任何場景中確定的最佳結果。虛線顯示了非主導解的最差結果。陰影區域表示平均出行時間和其他優化參數之間權衡的有效區域。右邊的麵板重複這些結果以獲得最大旅行時間。

隨著hasu數量的增加,配置中任何一家醫院的最大和最小入院人數都在減少(圖3).例如,在25個單元的情況下,每個單元的最低入學人數可能是每年4381人。最大的醫院有50個、75個和100個單元,每年接收2493個、1829個和1687個病人。在不考慮其他因素的情況下,這些結果代表了單位大小和距離之間的最佳折衷。為了實現每年至少有600人進入HASU的所有住院人數,醫院的最大數量是85家,此時82%的人口在30分鍾車程內(95%和98%在45分鍾和60分鍾車程內,最大旅行時間為99分鍾)。

圖3

改變急性卒中病房數量對任何單一病房的最低和最高入院率的影響。左邊的麵板顯示了算法識別的最佳錄取情況(最好是擁有較高的最小錄取次數和較低的最大錄取次數;也就是說,最小的醫院要盡可能大,最大的醫院要盡可能小)。中間的麵板顯示了最低準入編號(每個場景中最小的單元)。粗體線表示在任何場景中確定的最佳結果。虛線顯示了非主導解的最差結果。陰影區域表示平均最小入學人數與其他優化參數之間權衡的有效區域。右邊的麵板重複這些結果,以便在某個場景中獲得最大的錄取。

隨著hasu數量的增加,30分鍾行程內的患者比例增加(圖4),最多可達90%(25、50、75和100個單位的最佳比例分別為52%、70%、84%和88%)。與此同時,增加hasu的數量會減少每年至少600次住院的病人數量(圖4).增加單位數量首先導致在30分鍾車程內前往足夠大的單位就診的患者比例增加,但當進一步增加時,這一比例就會下降(圖4).每年接待600名患者的單位,在30分鍾車程內就診的患者的最大比例為82%。至少80%的患者在HASU 30分鍾內的解決方案,每年至少接收600名患者,有75到95個HASU。如果目標出行時間從30分鍾增加到45分鍾,那麼參加足夠規模的HASU的患者的最大比例是95%,這個最大值發生在65到90個單元之間。

圖4

改變急性腦卒中診療單位的數量對每年600人次就診單位的患者比例、離家30分鍾內就診單位的患者比例以及離家30分鍾內就診單位600人次的患者比例的影響。左上角的麵板顯示了算法識別的每種方法的最佳解決方案。右上方的麵板顯示了每年接待600人的單位的病人比例。粗體線表示在任何場景中確定的最佳結果。虛線顯示了非主導解的最差結果。陰影區域代表參加一個單位與目標準入數和其他優化參數之間權衡的有效區域。最下麵的兩個麵板重複分析了在離家30分鍾內就診的病人的比例,以及每年就診人數為600人且離家30分鍾內就診的病人的比例。

在每種配置中,控製單個單元的最大入學人數可能很重要。確定了75至85個HASU的配置,所有患者都在一個每年收治600名患者的單位就診,至少80%的患者在30分鍾車程內,任何單一HASU的最多入院人數不超過2000人。該算法確定了93種配置,在這些配置中,年入院人數保持在600-2000人之間,至少80%的患者在距離最近的HASU 30分鍾內,至少95%和98%的患者在距離最近的單位45分鍾和60分鍾內。在每年入學人數在600-2000人之間的所有解決方案中,單元規模的分布明顯向較低的入學人數傾斜(圖5),隻有10%的單位每年接收人數超過1500人。

圖5

每年住院人數直方圖。直方圖顯示了93個配置的招生分布,在這些配置中,所有單元的年度招生保持在600-2000之間。

討論

我們的hasu國家配置模型,旨在複製急性中風服務集中給人口帶來的好處,顯示了這些好處最大化的可行性和必要的妥協。目前,隻有超過一半(56%)的急性中風患者被收治到每年至少600人的中風病房,2英國國家醫療服務體係(NHS England)提議通過集中在更少、更大的單位來提高這一比例。14這些hasu將具有國家標準中規定的人員配備水平和能力,15日16在患者發病後(平均)最初72小時內提供強化(2級)護理和醫療護理,一旦病情穩定,將患者送至當地降壓服務機構繼續進行急性護理和康複。通過將目前的127個急性部位減少到75 - 85個HASU,我們的集中式HASU模型預測,所有中風患者都有可能參加一個足夠大的單位,但需要將30分鍾車程內的患者比例從目前的90%減少到80%-82%,95%和98%的患者分別在45分鍾和60分鍾車程內。

每年至少有600名中風患者入住哈蘇醫院,最大限度地增加患者數量本身並不是目的。這個數字是一個能夠發展和維持中風護理專業知識的HASU的大致規模,9並克服已確定的障礙,以改善治療,如溶栓。17日至19日已經觀察到溶栓的門到針時間與機構規模之間的關聯。20 21研究發現,在接受了集中治療的地區的HASUs住院的患者更有可能接受其他重要的臨床幹預,如腦部掃描和更早地直接入住中風病房。22然而,這種集中化的必然結果是創建非常大的單元:最近的大曼徹斯特重組創建了一個HASU,每年有超過2000名中風患者。我們的模型探索了機構規模和距離之間的妥協,以及城市和農村地區集中化的不同影響。在尋求平衡這些經常相互競爭的優先事項時,我們尋找了最大的單位每年確診中風入院人數少於2000人的解決方案。我們觀察到,在集中解決方案中,所有醫院每年的入院人數在600至2000人之間,隻有不到10%的醫院每年的入院人數超過1500人。然而,大規模的重新配置會在基礎設施和勞動力方麵,圍繞少數非常大的接收hasu的能力產生重大問題,而且如此大的單元(如果有的話)的潛在不利因素很少被理解。因此,以我們所描述的方式向75-85家醫院集中可以預期為大多數患者提供顯著的好處。為了獲得這些好處,絕大多數患者到達HASU的路程隻會稍微遠一點(如果有的話)。對大約1.5%的人不利,他們距離重新配置的醫院超過60分鍾(相比之下,目前所有急性中風病房估計隻有0.3%),對2%的患者不利,他們目前距離現有的醫院在30分鍾內,但在集中化後,他們需要超過45分鍾才能到達最近的醫院。因此,需要考慮如何減輕對這些患者的不利影響。增加的旅行時間可以通過有針對性的中風宣傳活動來抵消(這已被證明可以增強患者對疑似中風的反應)23),以便及早聯係緊急服務。增加的旅行時間也可以通過減少HASU的門到治療時間來抵消。20日24針對偏遠地區的更激進的解決方案包括流動診斷和治療。25鑒於英國機械取栓的地理覆蓋範圍有限,早期診斷和靜脈溶栓是一個特別的問題,這促進了一種“滴-送”模式(在患者附近溶栓,然後立即轉移到更遠的取栓中心);目前,隻有75%的英國人能在45分鍾車程內到達目前24個神經科學中心中的一個,而這些中心專門集中了該手術的專業知識。所有這些重構帶來的影響都不是均勻分布的,而是不成比例地落在更多的農村人口身上,而現有的證據基礎主要來自大城市的重構5 7在平衡地方和機構規模時,不允許對現有的權衡進行精確的估計——這一限製將阻礙有關大型服務機構重組的好處和後果的專業和公眾辯論。

在構建我們的模型時,我們假設所有患者都將被送到離他們最近的醫院。如果情況並非如此(例如決策是在組織邊界上做出的),那麼圍繞這些邊界的模型可能存在一些不準確性。在附近有多個HASU的地區尤其如此;在這種情況下,目的地的選擇可能受到最短旅行時間以外的因素(如機構聲譽)的影響。隨著中心化程度的提高,由於各單位距離近而導致的不準確將會減少,因為在邊界上的患者將越來越少,而旅行時間不是對目的地的唯一影響。我們還試圖避免不可實現的大單元(大於任何現有的HASU,每年有超過2000名中風患者),特別是這樣的安排涉及大量的中風類演示(“中風模擬”)也被傳遞到HASU,這樣的模擬代表額外的32%的住院人數。26因此,集中化在基礎設施和勞動力方麵提出了接收hasu的能力方麵的重大問題。任何HASU的持續能力將取決於有效地返回當地的急性後和康複服務機構(例如,在最初的48-72小時護理後),我們在本文中沒有對這些影響或其脆弱性進行建模。每年600名招生的推薦目標也存在不確定性,尤其是隨機變化預計將使這個數字在550至650之間變化(基於泊鬆分布)。然而,隨著人口老齡化,盡管有更好的預防護理,特別是與心房纖顫有關的中風,我們預計因致殘性中風住院的人數將穩步增加。27盡管這樣的預測並不精確,但未來15年英格蘭75歲或以上人口預計將增加54%,這可能會導致中風發病率和住院人數的潛在增加。28這樣的增長將不利於過於嚴格地執行較低的入學門檻(目前每年接收500名中風患者的中心很可能在未來幾年超過這一門檻),並可能使規劃者錯誤地為任何一個HASU設定較低的上限,例如每年1500名中風患者,以考慮到中風發病率的預計增長。

在考慮數學上的“最優”解決方案時,應該始終小心謹慎。這種規模的模型確定了許多具有非常相似性能的解決方案,它們之間隻有微小的差別。因此,我們的結果最好的解釋是,展示了國家或地區範圍內所需的hasu的廣泛數量,以實現集中治療的最大效益,以及這可能對少數患者產生的影響。多目標優化選址問題很少(如果有的話)有一個明確的解決方案,並且可以說明但不能指示區域規劃,這仍然是最好的在較小的規模上進行,結合其他本地知識。盡管如此,國家層麵的分析可以讓我們深入了解整個英格蘭中風中心的最佳分布範圍,對這些中心來說,地理因素比迄今為止發生的主要城市重組更重要。對於倫敦超過800萬的人口,重組導致了8個hasu,每年中風住院人數範圍在775 - 1288之間(或1023-1700,包括fast陽性中風模擬;FAST, Face, Arm, Speech, Time),平均救護車行駛時間為17分鍾2 7;在大曼徹斯特,重新配置導致了3個hasu(1073至2015年期間的總中風住院人數),服務於約280萬人口。國家算法已經確定了許多可能的配置,其中任何HASU的年入院人數都在600-2000人之間,至少80%的患者在距離最近的HASU 30分鍾內。在大致相似的選項中進行選擇將需要考慮其他因素,這在區域層麵上是最好的,盡管不是在英格蘭NHS 44個可持續發展和轉型計劃中相對較小的“影響範圍”中,目前的規劃的地理單位。

急性中風護理正在發展,急性大動脈中風機械取栓技術的發展很可能為更大程度的服務集中創造了必要條件。11我們在這裏確定的地理問題將對這種專門治療的服務規劃產生更大的影響,城市和農村環境之間的影響類似或更明顯的差異——例如,消除了任何城市HASU也不能提供機械取栓的理由。進一步的建模工作應該集中在如何最好地組織整個英格蘭的醫療保健,當一些服務仍然需要更大的集中,為很大一部分患者。

結論

將急性中風服務集中在英格蘭75-85個HASUs的政策可以實際實現80%-85%的患者在30分鍾車程內(95%和98%分別在45和60分鍾車程內)進入足夠大的急性單元,並且每年不超過2000例中風住院。盡管集中化可以為絕大多數患者提供顯著的優勢,但一小部分人(2%-4%的人口)將受到集中化的顯著不利影響,為這一小部分人進行規劃將不可避免地涉及到在推薦的理想機構規模和旅行時間之間的妥協。隨著超急性護理的集中,還需要考慮到家庭或降壓病房的後續護理的最佳組織,這超出了本文的範圍。

致謝

本研究由國家衛生研究所(NIHR)西南半島應用衛生研究和護理領導合作項目資助。本文所表達的觀點和意見僅為作者個人觀點,不一定代表NHS、國家健康研究所或衛生部的觀點。

參考文獻

  1. 1.
  2. 2.
  3. 3.
  4. 4.
  5. 5.
  6. 6.
  7. 7.
  8. 8.
  9. 9.
  10. 10.
  11. 11.
  12. 12.
  13. 13.
  14. 14.
  15. 15.
  16. 16.
  17. 17.
  18. 18.
  19. 19.
  20. 20.
  21. 21.
  22. 22.
  23. 23.
  24. 24.
  25. 25.
  26. 26.
  27. 27.
  28. 28.

腳注

  • 貢獻者MA是該研究的主要作者和擔保人,並提出了該研究將使用的關鍵方法。他還對模型的編碼做出了貢獻。KP編寫了模型中使用的大部分代碼,並為改進建模的基礎做出了貢獻。她參與了論文的審閱和編輯工作。EV開發了所使用模型的初始原型,測試了許多啟發式方法。她參與了論文的審閱和編輯工作。TM提出了卒中護理與開發足夠規模的單位以保持專業知識之間的平衡的最初問題,並推薦了本文所包含的建模研究。他批評了本研究中使用的方法,並參與了論文的審閱和編輯。KS監督所有工作。他參與構建要建模的問題。 He critiqued the methods used in this study, and was involved in reviewing and editing the paper. MJ is the clinical stroke consultant for the work and paper. He was involved in framing the problem to be modelled. He advised on the clinical objectives of the study, was involved in authoring, reviewing and editing the paper.

  • 資金本研究由國家衛生研究所(NIHR)西南半島應用衛生研究和護理領導合作項目資助。本文所表達的觀點和意見僅為作者個人觀點,不一定代表NHS、國家衛生研究所或衛生部的觀點。TM由威塞克斯國家衛生研究所CLAHRC資助。

  • 相互競爭的利益沒有宣布。

  • 來源和同行評審不是委托;外部同行評議。

  • 數據共享聲明本研究使用的全部數據和代碼可在以下網站獲得https://github.com/MichaelAllen1966/stroke_unit_location.數據和代碼中包括英國LSOA收治的急性中風病例;估計從所有急性中風專科醫院到所有急性中風專科醫院的旅行時間;醫院信息(名稱、位置);以及用於生成這裏報告的結果的完整源代碼(使用開放源碼軟件運行)。

  • 作者注第一作者(MA)確認該手稿是對所報道的研究的誠實、準確和透明的描述,研究的任何重要方麵都沒有被遺漏。