條文本
PDF
文摘
客觀的人口預測的統計模型用於分層規劃通常是複雜的,很難解釋為初級保健專業人員。我們設計了手指(預期風險的形成和確定新的組織),一種新的模式基於臨床標準,易於理解和實現由內科醫生。我們的目的是評估手指的能力來預測成本和正確識別患者的高資源使用。
設計橫斷麵研究,隨訪2年。
設置巴斯克國家衛生係統。
參與者所有的居民在巴斯克國家(西班牙)≥14歲覆蓋的公共醫療服務(n = 1 946 884)。
方法我們開發了一個算法分類診斷的長期健康問題分為27個慢性疾病組。數據庫被隨機分為兩個數據集。校準樣品,我們計算得分為每個慢性疾病組和其他變量(年齡、性別、住院率,急診,慢性透析)。每個手指獲得今年的分數求和特點的分數。驗證樣本,我們構造回歸模型與手指得分第一12個月作為唯一的解釋變量。
結果一年一度的手指患者獲得的分數範圍從0到57分,平均為2.06。醫療成本的確定係數為0.188和接受者操作特征曲線下的麵積是0.838識別患者高成本(> 95);0.875成本非常高(> 99);0.802計劃外招生;0.861長期住院(> 15天);和0.896的死亡。
結論手指提出了一種預測能力高的風險相當接近其他分類係統。其簡單和透明的體係結構允許立即計算由臨床醫生。容易理解,它可能被認為是實現地區參與人口分層計劃。
- 風險評估
- 評估醫療需求
- 目標人群
- 病人護理管理
- 多種慢性疾病
- 初級衛生保健
這是一個開放的分布式條依照創作共用署名非商業性(4.0 CC通過數控)許可證,允許別人分發,混音,適應,建立這個工作非商業化,和其派生作品在不同的條款進行許可,提供了最初的工作是正確地引用和非商業使用。看到的:http://creativecommons.org/licenses/by-nc/4.0/
來自Altmetric.com的統計
本研究的優點和局限性
我們提出一個新的人口分層係統識別高危患者根據臨床標準。
我們整個醫療係統的分析數據,提供幾乎所有關心某一特定地理區域的人口從初級衛生保健和集成數據,醫院和門診專業護理。
在搜索的實際實現成為一個工具,我們的係統隻包含變量通常記錄在電子健康記錄所有患者(即診斷、人口統計、以前的住院率和急診)。
由於這樣的原因,相關因素通常沒有一致的信息在醫療記錄和管理數據庫(社會心理和社會經濟變量;生活方式和風險行為;自我感覺健康)沒有考慮。
介紹
近幾十年來,病人的類型由醫療機構發展。預期壽命增加,開發更有效的治療或生活方式的差異是導致變化的健康問題。1目前,慢性疾病和multimorbidity(即同時出現的一些健康問題在同一個人)代表最普遍的流行病學模式在人口水平。2 - 4
照顧患者的慢性疾病和複雜的需要的是具有挑戰性的。5醫療保健提供給這些病人通常是身體不協調,這對護理質量有負麵影響,增加了醫療費用。5 - 7此外,少數患者multimorbidity需要很多重複住院的人數和其他昂貴的治療相關的成本吸收大部分醫療機構的預算。8因為個人有不同程度的發病率,它們需要不同類型的衛生保健。因此,衛生組織需要提供正確的護理對病人才能成功。這些設計是長期護理模式的例子9日10或Kaiser Permanente金字塔模型。11
在匹配的一個主要挑戰健康提供需要的是信息係統的開發能夠識別組患者發病率水平相似,損傷的風險和醫療需求。12建立同質組患者是風險調整係統的起點。13 - 15這種係統最初是在美國發展起來的。他們最初的目的是用於管理資金和承包服務,盡管他們有其他的應用,如公平的比較提供者和人口分層的性能。風險調整模型需要訪問解釋變量(臨床和人口特征的數據,或以前的醫療成本)為整個人口。所使用的統計模型,並提供預測對未來醫療資源使用、住院或其他感興趣的變量。16日17如今,使用風險調整是多樣化的。在美國,這是一個基本的工具在聯邦醫療保險項目的融資醫療保險。風險調整也用於報銷醫療保險公司醫療保險製度的國家,如荷蘭、德國、瑞士、比利時。18
然而,還有其他國家的使用風險調整是罕見的。西班牙,與國家衛生係統的特點是公共資金和高比例的公共供給,就是其中之一,雖然不同的研究證實了這種方法所帶來的利益月19 - 21日的主要障礙解釋缺乏使用風險調整在西班牙被臨床醫生缺乏驗收。他們往往不相信如此複雜的統計模型,因為他們發現他們很難解釋。22因此,在許多國家23包括西班牙在內的24高危人群的識別提供的風險分數統計模型,從臨床醫生的判斷。這種雙重路線醫師招聘產生誤解,導致患者納入規劃異構需求和阻礙的評價幹預措施。
本文提出一種新的人口分層係統,平衡可預見性和簡單之間的權衡。我們犧牲的預測能力以獲得簡單和驗收。因此我們的建議是不作為保險公司報銷製度。它是基於臨床標準,醫療專業人員容易理解和應用。我們這個係統叫做手指(形成和確定期望風險的新團體,或西班牙語,de Estratificacion Formacion e Identificacion德新降的危險),因為它指出了高危患者,可以立即通過衛生專業人員遵循一些簡單的規則計算存在的慢性疾病的信息。本研究的目的是評估統計模型的有效性基於手指預測醫療資源利用,並確定其前瞻性能力識別高危個體住院治療或醫療費用。
方法
數據
這是一個橫斷麵研究。所有個人由巴斯克公共衛生係統2008年9月1日組成。然而,我們排除了兒科人口(個人14歲以下),因為我們的主要重點是風險分層模型的設計基於慢性疾病的存在和我們的目標是確定人們最大的醫療保健需求。共有28 151人沒有完成後續第二年由於死亡(n = 18 547),轉讓或其他原因(n = 9604)。公民的研究人群包括在第二年去世,而那些因為其他原因沒有撤出。因此,我們的總樣本由1 946 884個人。
研究期間對應於兩個連續12個月的間隔。第一年的數據(2007年9月1日- 2008年8月31日)建立了解釋變量。第二年的數據(2008年9月1日- 2009年8月31日)驗證我們的估計。
數據從不同的檢索可用的信息來源:初級保健電子健康記錄,最低基本數據集從天醫院出院報告和電子記錄和訪問緊急部門和專業的護理。通過這種方式,我們獲得的人口(年齡和性別)和臨床信息(國際疾病分類,第九次修訂,臨床修改(ICD-9-CM)為診斷代碼),以及所有聯係人的曆史,我們的人口提供不同級別的衛生係統,和他們的醫療費用。已經使用的數據庫更詳細地描述以前的出版物。25
病人和公眾參與
病人和公眾沒有參與這項研究。
病人分類
手指是一個病人分類係統,為每個人提供了個人風險。我們首先崩潰ICD-9-CM規範慢性疾病分為27個慢性疾病組(cdg) (表1)。然後我們指定一個相對體重每CDG,基於我們的醫療保健成本的線性回歸估計第二年,設定一個最大CDG的10分。每個病人獲得長期發病率分數通過添加所有確診cdg的分數。對於每一個病人,任何給定的CDG沒有數超過一次;即多個診斷對應同一個CDG並沒有改變一個人的分數。同樣,我們增加了權重年齡組、性別和以前的醫院利用獲得每個病人的最後得分也基於我們的線性回歸估計(表2)。手指的更完整的描述和設計是包括在網上補充附件。
研究變量和統計模型
為了避免overadjustment問題,我們隨機將數據庫分為兩個子集:第一個手指係統設計和校準,第二個專門為驗證。比較兩個亞種群的特點的病人都包括在在線補充附件S1和S2(表)。驗證樣本,我們估計不同的回歸模型(線性和邏輯)獲得分數為每個單獨的風險。線性回歸的因變量是醫療費用個人2年,而對於物流回歸,我們使用以下因變量也2年:
高利用資源(屬於最高的前5%個人醫療費用)。
極高的使用資源(屬於最高的前1%個人醫療費用)。
為產科緊急住院治療上,除招生或創傷性條件(因為我們的目標是識別那些可能受益於病例管理項目)。
長期住院(和醫院的病床上幾天的原因除了產科和創傷性條件> 11天)。
很長時間住院(和醫院的病床上幾天的原因除了產科和創傷性條件> 15天)。
死亡。
分析重複四次。在每種情況下,唯一的獨立變量是總結了分數的分數以下組獨立變量:
年齡和性別。
診斷(CDG類別)。
年齡、性別、診斷的總和。
年齡、性別、診斷和資源使用的總和。
評估和比較模型,我們計算確定係數(R2)線性回歸和接受者操作特征曲線下麵積(AUC)邏輯回歸。
結果
描述性統計
手指患者獲得的分數介於0和57歲之間,平均為2.06。正如預期的那樣,分布明顯向左傾斜:33%的患者得分0和91%的患者不超過5分,而隻有5%的患者獲得8以上的分數,隻有1%獲得14以上的成績(圖1)。
累積的人口比例根據他們的手指(預期風險的形成和確定新的組織)得分。
第二年的平均醫療支出的病人是€1126年,從0到€€1 55 140。總共2 5 408人(21.10%)發生在這一時期沒有醫療費用,也就是說,他們是吸毒者。
關於住院的原因除了產科和創傷性條件在12個月的研究中,3.48%的人至少有一個承認,而1.06%的人承認,至少12天為0.73%,超過15天。總體而言,0.96%的患者死亡。
病人提出了此類事件的數量和百分比根據他們的手指成績總結表3。
分層係統的驗證
線性回歸分析的結果來預測資源使用一年後病人分類所示表4。模型隻使用人口統計學變量解釋7%的變異在醫療成本模型隻使用慢性發病得分基於cdg R20.143。人口統計學變量的模型結合分數和發病率R20.155。最後,完整的模型,與人口統計學變量的得分的總和,發病率和以前的資源利用,產生了一個R20.188。
表5介紹了物流的結果估計預測資源使用,住院治療或死亡。年齡和性別模型提出了AUC值在0.74和0.79之間,而最完整的模型結合人口、發病率和之前使用信息AUC值總是大於0.80,0.88特別好的結果確定極端情況下:識別前1%患者醫療費用最高0.86,個人呆在醫院的長度大於15天。關於死亡的預測,使用專門的人口變量產生尤其是好的結果(AUC = 0.87),甚至比隻有發病率(AUC = 0.78)。然而,結合人口變量和發病率或所有這些與先前的資源利用達到AUC值接近0.9。
討論
主要結果和比較與其他預測係統
本研究描述了一個新的人口分層係統的發展和驗證。我們的模型,手指,識別那些需要大量的醫療、意外事件或經驗等緊急訪問,住院治療或死亡。手指是易於使用和理解,不需要複雜的統計計算,完全基於健康檔案的數據。雖然年齡和性別預測未來變化的7%在線性模型利用資源,我們的發病率分數預測14%,完整的手指模型預測19%。關於物流模型,評估通過AUC找出高危患者的能力。0.5的AUC表示沒有預測能力(沒有比機會)。不同,值對應於最佳的敏感性和特異性。可預測性模型通常被認為是可以接受如果AUC位於0.7和0.8之間,和良好的如果是0.8以上。26因此,手指有很好的力量前瞻性地確定那些需要高或極端的資源使用(0.838和0.875),緊急住院(0.802),長時間住院(0.861)或那些將死(0.896)。手指模型之間的比較結果,除了之前的資源使用一個模型基於年齡、性別和診斷隻產生很小的差異。然而,眾所周知,AUC很難增加當基線模型表現良好。27在我們的例子中,我們認為這樣的改進,雖然溫和,是值得的,因為這樣的預測變量的集合不涉及困難。
一個先前的研究25使用相同的數據庫來預測醫療成本與高度複雜的和公認的治療係統:調整臨床組(acg),28臨床風險組(環球)29日成本和診斷組(DCGs係統)。30.他們獲得係數確定的0.23、0.22和0.25,分別與最好的統計模型(包括解釋變量處方,以前的醫療成本百分比,年齡、性別和診斷)。這些結果也類似於通過其他作者,在其他醫療保健係統。31日
評估的能力模型識別高危個體,手指與上述病例組合係統的差異更小,雖然比較偏。由於數據庫和授權軟件的使用限製,我們才可能獲得發表的結果。25 32據,AUC值範圍從0.848到0.868的高成本,成本很高,0.809 0.869 - 0.899 0.870住院治療和長期住院。
整個醫療體係,本研究采用數據提供普遍關心某一特定地理區域的人口從初級衛生保健和集成數據,醫院和門診專業護理。然而,我們的分析是基於幾年前注冊的信息。從這個意義上講,臨床實踐或衛生服務管理的變化發生在最近幾年能影響結果的概括當下。
手指提出了一些限製,其中一些是常見的其他風險調整係統。首先,一些已知的因素影響需要醫療或結果沒有被包含在模型;這些包括心理和社會經濟變量,以及生活方式和風險行為和自我感覺健康。33 34通常,然而,對於大多數這樣的指標,缺乏一致的信息管理數據庫目前。35目標是開發一種工具實際實現中,手指隻包含變量通常對所有病人的記錄在電子健康記錄。第二,估計個人的健康狀況,手指隻考慮疾病和其他健康問題的病人要求公共衛生保健係統。因此,未被察覺的需要可以不考慮。進一步說,雖然我們的衛生係統提供了幾乎全民覆蓋,一些社會團體訪問可能遇到的障礙。第三,眾所周知,電子健康記錄中記錄的信息可能是不準確的。36此外,手指把個人的健康問題分成隻有27疾病組,有時很難確定患者具體情況。最後,高度預測變量,比如以前的醫療成本37 38被排除在外,因為他們是病人需要受到不同因素的影響,如醫療供給的效率。
然而,我們試圖提供最簡單的算法,使家庭醫生可以使用模型作為評估量表。因此,我們減少手指相當少量的健康問題,以犧牲更大的粒度級別。值得注意的是,中國中鐵acg DCGs係統提供大量的信息和描述人口的發病率在分類水平,預測有點比手指在線性模型和同樣在物流模型。因為他們發現從他們的診斷和處方個人健康問題,他們克服的一些使用管理數據庫的局限性。36然而,他們的分類算法是複雜的,需要使用專有軟件。通常,從當地獲得的預測是基於統計回歸模型校準,這造型需要專家的支持和超出醫生的能力。在大多數歐洲衛生服務,這個過程是隻執行每隔幾個月,39所以可能有病人的現狀之間的差異和他/她的最新估計的風險。相比之下,我們的手指係統的開放式體係結構非常簡單。它是基於減少變量,獲得病人個體風險由一個簡單的分數的總和。因此,即使設計分類給定的地理區域的全部人口管理數據庫,它的估計可能被執行或更新直接由家庭醫生在病人與健康記錄的數據訪問不需要任何軟件的使用。
潛在的應用在醫療保健係統
手指,像其他治療係統,識別患者可能候選人具體的幹預措施。很歧視尤其是高危個體未來的住院治療,長期住院和極端的醫療資源使用。因此,臨床醫生可以設計某些疾病的具體項目匹配的病人的需要。此外,該係統還可以用於其他目的,比如描述的負擔發病率和某些健康問題的人群中在特定的地理區域。
分層模型的選擇看其預測能力和粒度,它描述了人口健康水平的需要。盡管如此,其他特征也應該被考慮。當前使用的治療係統已經展示了他們統計有效性在許多國家也在我們的設置。然而,他們是很難的上下文中介紹西班牙等國家衛生係統,特別是在巴斯克地區的衛生係統。他們在初級保健醫生誘導不情願不看到他們使用的臨床益處。醫生需求與透明的體係結構中,一個簡單的模型容易計算和解釋在其實現克服的障礙。22我們理解的手指填補了這一空白。我們承認它不是有效的用於計算還款,因為它稍微犧牲預測能力與其他係統相比,但它仍然是一個有吸引力的選擇應用人口分層規劃的背景下,一個國家的衛生係統。
懸而未決的問題和未來的研究
如今,許多努力的變換模型健康交付實施世界各地。護理管理項目的基本組成部分是人口的目標和選擇等幹預措施。新病人分類係統發達,手指,表明能夠預測醫療成本和識別那些在接下來的12個月將需要大量的醫療資源,需要計劃外錄取醫院或仍承認長時間,以及死亡的風險。它有一個簡單的設計,主要是根據診斷的健康問題患者就醫。我們認為它是直觀,容易理解,適合初級衛生保健專業人士。的關係,為未來的研究有必要分析臨床醫生的看法和觀點。此外,我們的結果應該測試在其他設置或特定人群(如multimorbidity或與特定疾病患者)。
確認
作者感謝巴斯克健康創新和研究基金會(BIOEF)支持翻譯初稿的手稿。
引用
腳注
貢獻者JFO、環流和MG-G造成設計上的研究。JFO執行的驗證數據庫。JFO和AG-A發達的分類係統。AG-A負責統計分析。MG-G和JFO寫草案的手稿。所有作者參與的解釋數據;他們也批判性的回顧和最終批準的手稿。
資金Manuel Garcia-Goni Ramon Areces基金會感謝下金融支持研究項目' Envejecimiento y sistema sanitario y社會。publico報做的El gasto y sus他對igualdad, dependencia y aseguramiento在西班牙”。所有作者感謝這個項目資助出版費用。
相互競爭的利益沒有宣布。
病人的同意不是必需的。
倫理批準巴斯克地區的臨床研究倫理委員會批準了這項研究(PI2015128)。
出處和同行評議不是委托;外部同行評議。
數據共享聲明沒有額外的數據是可用的。