文献速递儿科与产科急症重症综合管理与镇静镇痛

识别全国数据集中的住院儿科服务

Identifying Inpatient Pediatric Services Across National Datasets.
PubMed 文献 · JAMA Netw Open · 2025-06-02
一句话结论美国三个全国数据集对医院儿科住院服务的报告差异显著,单用任一数据集可能误判服务可及性,作者建议多源数据三角验证。

该横断面研究纳入2021年美国三个全国数据集共有的3114家急症医院,比较美国医院协会年度调查(AHA)、联邦医疗保险与医疗补助服务中心服务提供者文件(POS)与国家儿科准备项目(NPRP)对4条儿科住院服务线(新生儿、新生儿重症、普通儿科住院、儿科重症)报告的一致性。以NPRP为基准,新生儿护理一致性最高(AHA F1=0.97;POS F1=0.62),普通儿科住院一致性最低(AHA F1=0.69;POS F1=0.79),儿科重症AHA F1=0.91而POS F1=0.49。合并数据集仅适度提高识别准确性。作者认为单用任一数据集可能误导政策判断,建议采用多源三角验证并按研究问题选择优化阳性或阴性预测值的定义。

要点

  • 以NPRP为基准,新生儿护理识别AHA表现最佳(F1=0.97;95%CI 0.96-0.97),POS较低(F1=0.62;95%CI 0.60-0.64)。
  • 普通儿科住院服务识别一致性最低:AHA F1=0.69(95%CI 0.67-0.71),POS综合定义F1=0.79(95%CI 0.77-0.80)。
  • 儿科重症识别AHA F1=0.91(95%CI 0.90-0.93),POS仅F1=0.49(95%CI 0.46-0.51)。
  • NPRP识别出341家(11.0%)儿科重症医院未被AHA或POS识别。
  • 作者建议避免孤立使用任一数据集,需确认服务可用时选用高阳性预测值定义,识别无服务医院时选用高阴性预测值定义。

适用人群与场景

  • 2021年美国各州急症医院,限于三个数据集共有的3114家医院(排除属地)。
  • NPRP调查排除退伍军人事务部和监狱医院。

诊断标准与关键阈值

  • 儿科服务线定义:新生儿护理、新生儿重症监护、普通儿科住院护理、儿科重症监护。
  • 新生儿护理在AHA定义为提供产科服务、≥1张产科床或1级及以上产科护理;POS定义为提供产科服务声明;NPRP为院内新生儿 nursery。
  • 新生儿重症监护在AHA与POS区分新生儿中间护理与重症监护,NPRP不区分;本研究将新生儿中间护理与重症监护合并定义为新生儿重症监护。
  • 普通儿科住院护理的儿科专属定义:在指定儿科病房内提供住院儿科护理;综合定义:在指定儿科病房或成人病房内提供儿科护理。
  • 儿科重症监护的儿科专属定义:在指定儿科重症监护病房内提供;综合定义:在指定儿科重症监护病房或成人重症监护病房内提供。

研究设计与关键结果

  • 研究类型:横断面研究,分析2021年三个全国数据集共有的3114家美国急症医院,分析时间2024年6月至2025年3月。
  • NPRP识别2742家(88.1%)提供新生儿护理、1375家(44.2%)提供新生儿重症监护、2204家(70.8%)提供普通儿科护理、450家(14.5%)提供儿科重症监护。
  • 新生儿护理:AHA与NPRP一致性95.7%(F1=0.97;95%CI 0.96-0.97);POS一致性89.4%(F1=0.62;95%CI 0.60-0.64)。
  • 新生儿重症监护:AHA一致性89.8%(F1=0.86;95%CI 0.85-0.88);POS一致性72.9%(F1=0.75;95%CI 0.74-0.77)。
  • 普通儿科护理:AHA一致性65.6%(F1=0.69;95%CI 0.67-0.71);POS一致性69.7%(F1=0.79;95%CI 0.77-0.80)。
  • 儿科重症监护:AHA一致性81.5%(F1=0.91;95%CI 0.90-0.93);POS一致性78.3%(F1=0.49;95%CI 0.46-0.51)。
  • 数据集一致认为613家(19.7%)不提供新生儿护理、303家(10.0%)不提供普通儿科护理;新生儿重症与儿科重症最高一致水平为均报告无服务(分别为957家[30.7%]和1535家[49.3%])。
  • 探索性模型在合并AHA与POS数据集时对新生儿、新生儿重症、儿科重症的阴性预测值较高(如儿科重症随机森林与逻辑回归0.98[95%CI 0.97-0.99]至序贯规则与XGBoost 0.99[95%CI 0.98-1.00]),普通儿科护理阴性预测值较弱但阳性预测值较高(序贯规则0.76[95%CI 0.73-0.80]至逻辑回归0.81[95%CI 0.77-0.84])。

证据类型、等级与局限

  • 证据类型:横断面研究,遵循STROBE报告规范,经西雅图儿童医院机构审查委员会判定为非人类受试者研究。
  • 局限:AHA数据缺失率高,各数据集服务线定义不同,无法确定报告不一致源于变量定义还是数据报告错误。
  • 局限:服务可用性不反映儿科住院量。
  • 局限:以NPRP作为医院级行政数据的基准存在局限,NPRP为自报数据,可能受社会期望偏倚和应答者变异影响。
  • 局限:NPRP的儿科重症问题识别出远多于AHA或POS的医院,可能代表收治较大青少年至成人重症监护病房的医院(创伤、手术或药物过量等经典成人疾病)。
  • 局限:三个数据集虽均为2021年,但年内数据收集时间可能不一致,可能影响服务可用性报告。
  • 局限:探索性模型受纳入数据限制,未来采用分层模型、空间平滑或地理加权回归可能更好近似区域模式。

对床旁实践的改变

  • 作者提醒不要孤立使用任一数据集,尤其避免用于横断面分析。
  • 作者建议尽可能使用多源三角验证数据,并根据具体研究问题选择优化阴性预测值或阳性预测值的服务线定义:识别无儿科服务医院时选用高阴性预测值定义,确认服务可用时选用高阳性预测值定义。
  • 作者认为需要在全国医院调查和数据集中标准化儿科服务定义,明确区分专属儿科住院能力(专用床位、病房和人员)与在成人病房收治儿童。
  • 作者建议国家儿科与医院组织合作制定并推广这些标准化定义。

提炼说明

  • 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译17 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:JAMA Netw Open. 2025 Jun 3;8(6):e2513527. doi: 10.1001/jamanetworkopen.2025.13527

引言

美国儿童急性住院护理的区域化持续受到全国关注。1,2 尽管区域化改善了创伤和重症监护等领域的结局,但儿科服务的日益集中也增加了机构间转运、出行距离以及一般儿科疾病住院护理可及性的差异。3,4,5,6 了解医院内儿科服务的可用性和可及性对于识别持续区域化的驱动因素和后果至关重要。

关于医院层面儿科服务提供情况的国家统计数据通常依赖于对单一数据集的分析。7,8,9,10,11,12,13,14 然而,各数据集在抽样框、规模和研究设计方面存在差异,导致研究结果有所不同。7,13,14 如果不对国家数据集中所报告的儿科服务进行验证,就可能存在服务分类错误、服务可用性高估和低估的风险,以及关于医院层面儿科护理的不同结论。

因此,我们旨在评估:(1)3个国家数据集在报告4条儿科住院服务线(新生儿、新生儿重症监护、普通儿科和儿科重症监护)方面的一致性;(2)所报告数据的精确度和与儿科基准相关的检验特征。作为探索性目标,我们试图开发模型以改善合并数据集中的服务识别。

方法

数据来源

我们对2021年美国医院在3个数据来源中提供的服务进行了横断面分析。本研究遵循加强流行病学观察性研究报告(STROBE)报告指南。本研究中西雅图儿童医院机构审查委员会认定为非人类受试者研究。

第一个数据来源是美国医院协会年度医院调查(AHA)。15 AHA数据通过每年对6200余家医院的自愿调查收集。15 该调查分发至医院首席执行官。变量包括儿科病房、儿科床位数、服务线、医院系统隶属关系和医师人员配置等信息。

第二个数据来源是医疗保险和医疗补助服务中心(CMS)服务提供者文件(POS)。16 POS是公开可获取的,每季度从所有接受医疗保险资助的机构收集。POS由CMS州调查机构和医院指定人员为申请和维持医疗保险和医疗补助资格而收集的数据组成。医院和非医院设施文件提供有关医院认证、终止、认可和所提供服务类型的信息。16 由于原始数据代表所有活跃的服务提供者,POS每季度描述超过15万个实体。

第三个数据来源是国家儿科准备项目(NPRP)调查。12 NPRP是一项儿科特异性评估,通过儿童急诊医疗服务数据中心(EMS-C)实施,分别于2013年和2021年开展。NPRP调查的开发和实施由卫生资源与服务管理局、EMS-C支持,并由美国儿科学会、美国急诊医师学会和急诊护士协会共同主办。17,18,19,20 该评估由各机构中具备儿科护理特定临床知识的个人完成,通常为急诊科护士长。2021年共联系了5150个急诊科,不包括退伍军人事务部和监狱医院。该调查包括医院分类、儿科服务以及医生委员会认证信息。12 鉴于该调查的儿科特定关注点、州级数据质量验证12及其在儿科卫生服务研究中的广泛使用12,21,22,23,24,25,我们使用NPRP作为提供儿科服务的基准。

儿科服务的识别

为识别医院内儿科服务的存在情况,我们将3个数据来源在共同年份2021年进行合并。在每个数据集中,我们限定为美国各州(不包括领地)的急性护理医院。跨数据集合并的完整数据处理步骤见补充材料1中的eTable 1。我们分析了3个数据集中各自代表的同一组急性护理医院(N = 3114所医院)(图1)。

在每个数据集中,我们识别了4条儿科服务线:(1)新生儿,(2)新生儿重症监护,(3)普通儿科住院护理,(4)儿科重症监护(补充材料1中的eTable 2)。各数据集间可用于识别服务线的变量有所不同(表1)。例如,为定义新生儿护理的提供,NPRP的受访者报告其医院是否提供院内新生儿育婴室。然而,AHA和POS不直接定义新生儿护理,而是基于产科护理的提供作为替代指标。例如,AHA将新生儿护理定义为提供产科(OB)服务的声明、1张或以上产科床位、或1级或以上产科护理;POS通过提供产科服务的声明来定义新生儿护理。AHA和POS均将新生儿重症监护与新生儿中间护理分开,而NPRP则不然。在本研究中,我们将新生儿重症监护定义为包括新生儿中间护理和重症级护理。

图1. 2021年美国医院协会(AHA)年度医院调查、医疗保险和医疗补助服务中心服务提供者(POS)文件和国家儿科准备项目(NPRP)调查合并流程图 查看原图 ↗
表1. 国家儿科准备项目(NPRP)、美国医院协会(AHA)年度调查和医疗保险和医疗补助服务中心服务提供者(POS)数据集中共享的3114所医院内描述儿科服务的变量 查看原表 ↗

统计分析

数据集一致性

我们考察了每个数据集中报告各服务类别的医院数量和比例。为了比较数据集,我们对服务提供采用了宽泛的定义(偏向敏感性而非特异性),将与某一服务类别相关的任何已识别变量上的阳性应答定义为存在该服务。例如,对于普通住院儿科医疗,如果一家医院在国家儿科医院登记处(NPRP)中回答其在儿科病房提供儿科住院医疗服务,或者其在成人住院病房提供儿科医疗,我们即认为该医院提供普通儿科服务。然后,我们以矩阵形式绘制服务提供的交叉情况,使用UpSet图可视化各数据集之间每个服务类别一致性的分布。26

比较AHA和POS与NPRP的检测特征和精确度的评估

随后,我们试图比较美国医院协会(AHA)和州医院协会(POS)报告中服务类别提供的定义与NPRP的定义。对于新生儿和新生儿重症监护,NPRP包含一个指示服务可用性的单一变量。对于普通住院儿科医疗和儿科重症监护,NPRP有多个变量。使用该数据集,我们以两种方式定义儿科服务的可用性:一种是仅儿科定义,即在指定的儿科住院病房内提供儿科医疗以及在指定的儿科重症监护病房内提供儿科重症监护;另一种是综合定义,即在指定的儿科住院病房或成人住院病房内提供儿科医疗,以及在指定的儿科重症监护病房或成人重症监护病房内提供儿科重症监护。

我们评估了检测特征(即敏感性、特异性、阳性预测值(PEV)和阴性预测值(NEV)以及似然比)及其95% CI,将AHA和POS的服务类别变量与NPRP进行比较。我们检查了F1分数——一种计算模型精确率和召回率的调和平均值的分类评估指标——用于每种定义组合,以确定AHA或POS与NPRP之间表现最高的变量组合。27

在这些计算中,我们将数据限制在报告了某一给定服务类别所有变量的医院,以确保分母的一致性。我们评估了所有单一变量(例如,“AHA产科床位≥1”)以及2个或更多变量通过AND或OR组合的情况(例如,“AHA产科服务 AND 产科床位≥1 AND 产科级别≥1”)。我们将分析限制在由研究团队确定的变量的AND和OR逻辑组合范围内。然而,作为敏感性分析,我们检查了AHA变量的所有潜在组合。缺失数据的处理程序、偏倚评估以及比较的详细说明见补充材料1中的eAppendix 1。

合并数据集探索性模型

最后,我们使用逻辑回归、2种决策树分析——随机森林分析(RF)28和梯度提升树分析(XGBoost)29——以及基于规则的序贯推理,在使用AHA和POS合并数据集时估算医院服务情况,并以NPRP作为儿科基准。探索性变量包括地理指定(县、州和人口普查区域)、所有儿科服务线和儿科精神科变量、医院床位数以及AHA和POS中定义的机构特征(补充材料1中的eAppendix 2)。模型开发方法的详细描述见补充材料1中的eAppendix 3以及eTable 3和eTable 4。我们使用合并数据集计算了每个模型的检验特征。分析于2024年6月至2025年3月进行,使用Python 3.12和3.10.9版本(Python软件基金会)以及scikit-learn、xgboost、upsetplot、numpy、pandas和matplotlib软件包。

结果

2021年,所有3个数据集中共有3114家医院。POS包含5032家独特的急性照护医院(应答率97.0%),AHA包含4995家医院(应答率71.0%),NPRP有3644家(应答率78.7%)。在清理后的预合并数据集中,AHA中4995家医院中有1450家(29.0%)医院缺失所有关于儿科服务线特征问题的回答,POS中有289家医院(2.7%)缺失所有服务线数据,NPRP中没有医院缺失所有服务线数据。

定义与一致性

我们观察到各数据集中报告的儿科服务可用性存在很大差异(表1)。各数据集之间在新生儿重症监护和儿科重症监护方面一致性最高的为报告未提供该服务的医院(分别为3114家中的957家[30.7%]和1535家[49.3%])。各数据集一致认为613家医院(19.7%)不提供新生儿照护,303家(10.0%)不提供普通儿科照护。在服务提供方面,新生儿照护的一致性最高(AHA与NPRP的一致性为95.7%;POS的一致性为89.4%),而提供普通儿科照护的医院一致性最低(图2)。对于儿科重症监护,NPRP识别出341家(11.0%)AHA或POS未识别的医院。除儿科重症监护外,POS识别的提供特定服务的医院数量多于AHA或NPRP。

图2. 基于包容性定义的2021年美国医院协会(AHA)年度医院调查、医疗保险和医疗补助服务中心服务提供者(POS)文件和国家儿科准备计划(NPRP)调查数据集在服务提供方面的一致性左侧水平条代表每个单独数据源识别为提供指定服务的医院总数。垂直条显示由每个独特数据源组合识别的医院数量。垂直条下方的点阵显示哪些数据源贡献了每个交集:深蓝色点表示纳入交集,浅蓝色点表示排除。深蓝色条代表每个交集组的大小。 查看原图 ↗

检验特征

表2显示了AHA和POS变量与NPRP比较时的检验特征,包括服务线的包容性定义和表现最佳的变量。变量组合的完整报告见补充材料1中的eTable 5。

表2. 以NPRP作为提供儿科服务的基准,AHA年度医院调查和CMS服务提供者文件变量组合用于提供儿科服务的检验特征和准确性 查看原表 ↗

新生儿护理

在所有3个数据集中均无缺失数据的2317家医院中,AHA变量“提供产科服务”和“≥1张产科床”表现最佳(F1 = 0.97;95% CI,0.96-0.97)(表2)。所有AHA新生儿护理定义均产生超过0.97的灵敏度和0.91的特异度;阳性估计值(PEV)和阴性估计值(NEV)均超过0.95,所有似然比(LR)均超过10。

在POS中,单一变量“提供产科服务”的总体表现评分为0.92(95% CI,0.91-0.93),灵敏度为0.97(95% CI,0.96-0.98),特异度为0.76(95% CI,0.73-0.79),PEV为0.88(95% CI,0.85-0.89),NEV为0.04(95% CI,0.03-0.06)。

新生儿重症监护

AHA变量中表现最佳的组合为“≥1张新生儿重症监护或中间护理床”,F1评分为0.86(95% CI,0.84-0.88)(表2)。九种不同的AHA新生儿重症监护变量组合产生超过90%的灵敏度和超过88%的特异度,4种组合的PEV超过0.90,13种组合的NEV超过0.90(补充材料1中的eTable 5)。

对于POS,表现评分最高的组合为“仅新生儿重症监护服务”(F1 = 0.75;95% CI,0.74-0.77)(表2)。单一POS新生儿重症监护变量组合产生超过90%的灵敏度,2种组合产生超过90%的特异度。没有任何组合同时具有超过90%的灵敏度和特异度。

普通住院护理

对于普通住院儿科护理服务,2206家医院无缺失数据。与仅儿科NPRP定义(即在儿科病房现场提供住院儿科护理)相比,AHA变量“≥1张儿科床”表现最佳(F1 = 0.76;95% CI,0.74-0.78)(表2)。与综合NPRP定义(即在儿科病房现场提供住院儿科护理或在成人病房提供儿科护理)相比,AHA变量“≥1张儿科床”再次表现最佳(F1 = 0.69;95% CI,0.67-0.71),尽管总体评分低于与仅儿科定义比较时。AHA中有2种组合的灵敏度超过80%,1种不同的AHA组合的特异度超过90%。

对于POS,与仅儿科NPRP定义相比,POS变量“提供普通儿科”的总体表现评分为F1 = 0.59(95% CI,0.57-0.61)(表2)。与综合NPRP定义相比,该POS变量总体表现更高(F1 = 0.79;95% CI,0.77-0.80)。2种组合的灵敏度超过90%;没有任何组合的特异度超过50%。

儿科重症监护

对于所有儿科重症监护变量,1665家医院没有缺失数据。与仅儿科的NPRP定义相比,AHA变量“≥ 1张儿科重症监护床位”表现出最高的性能(F1 = 0.91;95% CI,0.90-0.93)(表2)。与综合NPRP定义相比,表现最好的AHA变量是“≥ 1张儿科重症监护床位”,尽管其总体性能低于与仅儿科定义相比时的表现(F1 = 0.49;95% CI,0.46-0.51)。对于AHA,8种组合的灵敏度超过90%,14种组合的特异度超过90%,6种组合的PEV超过0.9,8种组合的NEV超过0.99。

与仅儿科的NPRP定义相比,POS变量“提供儿科重症监护”的性能评分为0.62(95% CI,0.60-0.64)。与综合定义相比,性能评分降至0.47(95% CI,0.45-0.50)。POS变量的任何组合均未出现灵敏度超过90%的情况,有2种组合的特异度超过90%。

所有变量组合的敏感性分析及合并数据集的探索性模型

当评估各服务线内变量的所有组合时,按F1评分排序的顺序和检验特征均未发生变化。探索性模型在新生儿护理(逻辑回归:0.93;95% CI,0.90-0.96;至序贯规则法和XGBoost:0.97;95% CI,0.95-0.99)、新生儿重症监护(逻辑回归和随机森林:0.94;95% CI,0.92-0.96;至序贯规则法模型和XGBoost:0.95;95% CI,0.93-0.97)以及儿科重症监护(随机森林和逻辑回归:0.98;95% CI,0.97-0.99;至序贯规则法和XGBoost:0.99;95% CI,0.98-1.00)方面表现出相对较高的NEV。模型在一般儿科护理方面的NEV稳健性较低,但PEV较高(序贯规则法:0.76;95% CI,0.73-0.80;至逻辑回归:0.81;95% CI,0.77-0.84)。在所有模型中,新生儿护理的PEV最高(PEV超过0.90),XGBoost和逻辑回归在儿科重症监护中亦然(补充材料1中的eTable 6)。

讨论

在本研究中,常用数据集(包括AHA年度医院调查、CMS POS和NPRP调查)在用于报告儿科住院服务的变量方面存在显著差异。用于定义服务线的变量组合产生了一系列与NPRP相关的不同检验特征。包容性定义(即每条服务线通过任一变量存在与否进行宽泛定义)通常产生较低的估计评分。与使用单一数据集相比,联合使用AHA和POS数据集的探索性模型在服务估计方面通常表现出更高的灵敏度。

评估儿科服务可及性的数据对卫生服务规划至关重要,但我们发现各数据集之间存在显著差异,使得在全国层面理解儿科服务变得困难。这些数据集在抽样框、无应答率、数据缺失百分比以及定义服务类别的变量方面均存在差异。例如,当使用AHA中“1张及以上儿科床位”这一变量来定义综合儿科服务时,AHA医院中仅有24%被识别为提供儿科服务。这与POS中的70%不同。此外,当我们使用F1分数评估变量表现时——F1分数是一种平衡精确度(作为正确性的度量)与召回率的评价指标,27AHA和POS的新生儿变量以及AHA的儿科重症监护病房变量的F1分数超过0.9(优秀),而即使是表现最好的综合儿科护理变量,其F1分数也仅在0.59至0.79之间(一般至尚可)。

已发表文献对综合住院儿科服务的估计差异很大。Cushings等7使用AHA调查数据评估住院儿科服务,以是否存在指定床位来定义住院病房,他们报告2008年至2018年间住院儿科病房减少了近20%。7Michelson等30采用类似方法复制研究,发现2008年至2022年间儿科住院病房减少了约30%。这些发现与San Soucie等31的研究不同,后者将综合儿科住院病房定义为:首先在POS中存在综合儿科服务,若POS中缺失,则以AHA中存在服务为准。San Soucie等31识别出2011年至2018年间净关闭率为2%。由于数据集和方法学变量定义的差异导致的这一10倍差异,在倡导支持全国儿童的政策时造成了不确定性。

多项纳入患者层面使用数据的研究表明,美国很大一部分综合医院持续收治18岁以下患者,32,33,34,35尽管也呈现类似的收缩模式。13,36在伊利诺伊州开展的一项研究中,VonAchen等13评估了病房关闭与儿科住院日的关系。虽然他们发现2012年至2017年间伊利诺伊州持证儿科床位减少了26%,但关闭儿科床位的医院中有四分之一继续收治超过其先前收治量的50%,且不到20%的关闭伴随实质性的儿科收治量损失。这些研究说明了识别提供儿科服务的医院的复杂性。第一,大量医院收治少量儿童。33,35第二,虽然许多医院正在失去儿科指定床位和病房,但这种损失存在细微差别。在农村地区,即使儿科收治能力的微小减少也可能对儿童获得医疗服务产生巨大影响。3相反,在一些儿科收治量历来较低的医院,正式取消儿科指定床位可能反映的是行政变更,而非实际医疗服务提供的实质性减少。这种变异性凸显了在评估儿科收治能力变化时进行情境特异性评估的重要性。

本研究结果表明,各个独立数据集提供的儿科服务可及性情况不一致,这对政策制定具有影响。我们提醒不要孤立使用任何单一数据集,尤其是在横断面分析中。相反,我们建议在可能的情况下使用来自多个来源的三角验证数据,并根据具体研究问题选择能优化阴性预测值(NEVs)或阳性预测值(PEVs)的服务项目定义。例如,在识别无儿科服务的医院时使用高阴性预测值定义,在确认服务可及性时使用高阳性预测值定义。

除了这些方法学建议外,我们的研究结果还强调需要在国家医院调查和数据集中对儿科服务进行标准化定义,明确区分专门的儿科住院能力(专科床位、病房和人员)与在成人病房收治儿童之间的差别。后一种方式可能受到多种因素的限制,包括年龄限制、医院总体容量、护理专业知识和人员配比、儿科专用设备的可用性,以及临床医生对儿科诊疗的适应程度。建立一致的定义和测量方法将有助于更准确地随时间监测儿科容量和能力。此外,这种标准化将使得专门儿科环境与成人-儿科混合诊疗环境之间的结局和资源使用能够进行有意义的比较。国家儿科和医院组织应合作制定这些标准化定义,并倡导广泛实施。

未来的研究方向可通过多种途径解决当前医院层面数据集的局限性。第一,将就诊层面数据与全面的医院特征相联系的努力将创建强大的研究资源,捕捉儿童接受诊疗的地点以及这些设施的服务能力。第二,扩展我们的模型以纳入额外变量(如地理指标)或使用空间分析技术,可进一步提高识别儿科服务的准确性。第三,使用纵向、整合的多来源数据将增强追踪服务随时间变化的可靠性。

局限性

本研究存在局限性,包括AHA数据中缺失率较高,以及各数据集中所应用的服务线定义存在差异。因此,我们无法确定数据报告中的不一致是与变量定义有关还是与数据报告中的错误有关。如上文所述,服务的可及性并不反映儿科住院量。其次,以NPRP作为医院层面行政来源的基准也并非没有局限性。NPRP为自我报告数据,可能受社会期望偏倚和受访者变异性的影响。NPRP中关于儿科重症监护的问题所识别出的报告提供该服务的医院数量显著多于AHA或POS。这可能代表那些在创伤、手术或传统上被认为更偏向成人的疾病(如药物过量)后,将较大青少年患者收入成人重症监护室的医院。其次,尽管所有数据集均来自2021年,但该年内数据收集的时间可能并不一致,可能影响服务可及性的报告。最后,我们的探索性模型受所纳入数据的限制。未来使用分层模型、空间平滑或地理加权回归的探索可能更好地近似区域模式。

结论

全国医院层面数据集在用于定义儿科住院服务的变量方面存在显著差异,且这些变量并不能一致地预测儿科服务的可及性。由于大型数据集常被用于为卫生政策提供信息,采用多数据集方法并仔细关注变量定义可能改善与儿科医院服务相关的推断。需要能够代表儿童急性护理医院服务的准确数据,以为支持全美儿童可及性的政策提供信息。此类数据可使政策制定者识别护理缺口、更有效地分配资源,并确保儿童无论其地理位置如何,都能获得所需的及时和专科护理。

参考来源

  1. McDaniel CE, Ralston Daniel M, Freyleue SD, et al. Identifying Inpatient Pediatric Services Across National Datasets. JAMA Netw Open. 2025. PMID: 40459891. doi:10.1001/jamanetworkopen.2025.13527
  2. 全文:PMC12134956(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12134956/

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。