严重烧伤患者量与生存及费用获益的关系:日本全国行政数据库回顾性分析
该研究利用日本DPC行政数据库2010—2015年数据,纳入烧伤指数≥10的严重烧伤患者5250例(737家医院),以每院年均严重烧伤患者量反映医院患者量,用广义相加混合效应模型和广义线性混合效应模型分析患者量与住院死亡率、总医疗费用、90天无住院天数的关系,并校正预后烧伤指数或自建风险校正模型及医院层面聚类。结果显示患者量每增加1例,住院死亡风险升高(校正OR 1.14,95%CI 1.09–1.19),总费用增加4876美元(95%CI 4436–5316),90天无住院天数减少3.1天(95%CI −3.4至−2.8);患者量>5例/年组与≤5例/年组相比,死亡风险更高(校正OR 1.85,95%CI 1.42–2.41)、费用更高(差值29564美元,95%CI 26237–32890)、无住院天数更少(差值−15.4天,95%CI −17.9至−13.0)。作者认为,日本缺乏严重烧伤集中化体系,患者量大的医院可能因人力物力不足而超负荷,需进一步研究验证。
要点
- 严重烧伤(烧伤指数≥10)患者量大的医院住院死亡率更高:患者量每增加1例,校正OR 1.14(95%CI 1.09–1.19);>5例/年组 vs ≤5例/年组校正OR 1.85(95%CI 1.42–2.41)。
- 患者量大的医院总医疗费用更高:每增加1例校正差值4876美元(95%CI 4436–5316);>5例/年组 vs ≤5例/年组差值29564美元(95%CI 26237–32890)。
- 患者量大的医院90天无住院天数更少:每增加1例校正差值−3.1天(95%CI −3.4至−2.8);>5例/年组 vs ≤5例/年组差值−15.4天(95%CI −17.9至−13.0)。
- GAMM曲线显示住院死亡风险随患者量增加至每年6例后进入平台,总费用随患者量增加至每年10例后进入平台,高患者量医院无住院天数更少。
- 敏感性分析中,直接转运患者、预后烧伤指数≤120患者结果与主分析一致;排除入院2天内死亡者后,患者量与住院死亡率无统计学显著关联(校正OR 1.04,95%CI 0.98–1.10,P=0.174)。
适用人群与场景
- 纳入:2010年4月1日至2015年3月31日因烧伤(ICD-10编码T20–T31)入院、烧伤指数≥10的严重烧伤患者。
- 排除:院前发生心脏骤停者、入院时诊断为烧伤后遗症(T95X)者、缺少急诊入院特定编码者、因烧伤诊断多次入院者的第二次及以后入院、入院3天内转至其他医院者。
- 场景:日本全国行政数据库(DPC)覆盖的医院,包括政府认定的三级急诊医院。
诊断标准与关键阈值
- 严重烧伤定义:烧伤指数≥10。
- 预后烧伤指数(PBI)由年龄和烧伤指数计算,在本队列中预测住院死亡的AUROC为0.86;在PBI≤120人群中AUROC为0.82。
- 自建风险校正模型(用于排除入院2天内死亡者的人群)在建立队列AUROC为0.89、验证队列AUROC为0.89,Hosmer-Lemeshow检验P=0.425。
- 患者量分组阈值:≤5例/年或>5例/年。
研究设计与关键结果
- 研究类型:基于日本全国行政数据库(DPC)的回顾性观察性研究,纳入5250例严重烧伤患者,来自737家医院。
- 主要终点住院死亡率:患者量作为连续变量,校正OR 1.14(95%CI 1.09–1.19,P<0.001);患者量>5例/年组 vs ≤5例/年组,校正OR 1.85(95%CI 1.42–2.41,P<0.001)。
- 次要终点总医疗费用:患者量每增加1例,校正差值4876美元(95%CI 4436–5316,P<0.001);>5例/年组 vs ≤5例/年组校正差值29564美元(95%CI 26237–32890,P<0.001)。
- 次要终点90天无住院天数:患者量每增加1例,校正差值−3.1天(95%CI −3.4至−2.8,P<0.001);>5例/年组 vs ≤5例/年组校正差值−15.4天(95%CI −17.9至−13.0,P<0.001)。
- 敏感性分析(直接转运患者,3712例来自625家医院):患者量每增加1例,住院死亡校正OR 1.22(95%CI 1.17–1.30);总费用差值6755美元(95%CI 6076–7434);无住院天数差值−4.4天(95%CI −4.9至−3.9);分类变量分析中住院死亡校正OR 1.40(95%CI 0.97–2.07,P=0.072),未达统计学显著。
- 敏感性分析(PBI≤120,4766例来自729家医院):患者量每增加1例,住院死亡校正OR 1.16(95%CI 1.10–1.22);总费用差值6021美元(95%CI 5501–6541);无住院天数差值−3.5天(95%CI −3.8至−3.2);分类变量分析中高患者量与住院死亡风险增加、高费用、少无住院天数显著相关。
- 敏感性分析(排除入院2天内死亡者,4919例来自736家医院):患者量每增加1例,住院死亡校正OR 1.04(95%CI 0.98–1.10,P=0.174),无统计学显著差异;高患者量仍与高总费用和少无住院天数显著相关。
- 定量偏倚分析:主分析E值为1.34,零E值为1.26。
证据类型、等级与局限
- 证据类型:基于全国行政数据库的回顾性观察性研究。
- 局限:回顾性研究使用行政数据库,未测量变量(如生命体征、实验室数据、烧伤机制:烫伤、火焰或化学)可能影响结局但未纳入分析。
- 局限:日本每院严重烧伤患者量较小,限制了对更大患者量范围的分析;高患者量医院数量有限,这些医院的结果可能过度影响总体结果。
- 局限:日本医疗保险体系通常不覆盖特定病例(如工伤事故),DPC数据库不包含此类病例。
- 局限:缺乏多学科烧伤护理质量和过程的详细数据,可能影响医院患者量与结局之间的因果路径。
- 局限:结果仅反映一国情况,需进一步研究验证是否适用于全球。
- 局限:作者结论指出因缺乏普遍性和高患者量医院数量有限,需进一步研究验证结果。
对床旁实践的改变
- 作者认为,仅靠经验(患者量)不足以在严重烧伤救治中实现理论上预期的患者量-结局正相关,需从患者死亡和社会经济成本角度进一步改善日本严重烧伤救治体系。
- 作者指出,日本缺乏严重烧伤患者集中化体系,严重烧伤患者通常被转至区域三级急诊医院,那里不一定有烧伤专家;过多收治严重烧伤患者可能因人力物力短缺导致医院超负荷,这可能是高患者量医院死亡率高的原因之一。
- 作者认为,患者量-结局正相关可能需要通过患者和医疗资源的充分集中化来实现。
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11 节 · 点击展开
引言
尽管据报道,烧伤的发病率、严重程度和死亡率在高度发达国家呈下降趋势,但烧伤在全球范围内仍造成显著的社会经济和医疗负担[1, 2]。在多种需要高度专业化护理或技术的疾病或操作中,已有关于 volume-outcome 关系(量与结局关系)的报道[3–5]。严重烧伤的治疗通常需要大量的人力和物力资源,涉及专业化重症监护、多阶段手术和长期康复。因此,建议严重烧伤应由擅长专业化策略的专家多学科团队进行治疗[6]。据此,我们假设在严重烧伤救治中可以预期存在 volume-outcome 关系,因而在高容量医疗机构中患者结局和资源利用方面应具有优势。然而,现有研究烧伤患者中该关系的文献结果不一致,一些研究报告高患者量与院内死亡率降低之间存在关联[7, 8],另一些研究则报告无此种关联[9–11]。此外,这些研究大多纳入了不需要专业化策略的较轻病例。关于按患者量划分的医疗费用的研究一直较为缺乏。
本研究利用日本全国性行政住院数据库,评估医院严重烧伤患者量与生存获益和费用获益之间的关联。
方法
研究设计与设置
这是一项回顾性研究,评估医院患者量与严重烧伤患者结局之间的关联。我们分析了日本诊断程序组合(DPC)数据库2010财年至2015财年的数据。DPC数据库是一个日本全国性行政数据库,与日本医院住院患者的报销系统相关联。它包含每位患者住院期间所给予的每种药物以及所实施的每项操作和护理的索赔记录。支付金额可根据日本费用表中记录的参考价格进行估算,该费用表按计件付费方式而非打包付费方式记录,且独立于机构功能评价系数。此外,DPC数据库还发挥病例组合分类系统的作用。除患者人口学信息和诊治医院信息外,每位患者最多可独立记录四个主要诊断、入院时合并症和入院后并发症,使用国际疾病分类第10版(ICD-10)编码。截至2015年底,已有1500多家医院参与DPC数据库,其中包括271/279(97.1%)的政府认证三级急诊医院,因此可利用该数据库识别相当比例的严重烧伤患者。有关DPC数据库的更多细节已在其他文献中综述[12]。
本研究按照1964年《赫尔辛基宣言》及其后续修订版的原则进行。东京医科齿科大学机构审查委员会批准了本研究(#788)。由于回顾性研究设计以及使用匿名化患者和医院数据,无需获得每位患者的知情同意。
研究人群
在DPC数据库中识别2010年4月1日至2015年3月31日期间因烧伤(ICD-10编码T20–T31)入院的患者。其中,我们纳入烧伤指数[13]大于或等于10的患者。我们排除了院前发生心脏骤停的患者、入院时诊断为烧伤后遗症(T95X)的患者以及缺少急诊入院特定编码的患者。对于因烧伤诊断编码多次入院的患者,第二次及后续入院被排除在分析之外。入院3天内转至其他医院的患者也被排除,因为其中大多数可被视为尚未完成初始处理而转院接受专科治疗。
数据收集
我们收集了以下信息:年龄;性别;入院时主要诊断和并发诊断的ICD-10编码;烧伤指数;受伤年份;医院唯一标识符;患者是否由其他医院转院的信息;患者是否存在意识障碍的信息;是否存在吸入性损伤的信息;入院前2天内是否存在焦痂切开术、机械通气、红细胞(RBC)输注、结合珠蛋白、血管升压药(去甲肾上腺素或多巴胺)以及由政府认证的高级重症监护病房(ICU)提供的重症监护的特定报销申请;住院时长;出院时状态(存活或死亡);以及每次入院的总医疗费用。我们进一步收集了住院期间是否进行皮肤移植的信息,其中还收集了人工表皮或自体培养表皮使用的信息,以评估治疗医院的偏好。关于医院相关变量,收集了医院状态(是否为政府认证的高级医院)和医院ICU床位数量的信息。患者合并症使用Charlson合并症指数[14]进行评估,该指数根据Quan等[15]报告的方法提取ICD-10编码计算得出。预后烧伤指数(PBI)[16]是亚洲国家广泛使用的烧伤严重程度评分[16–19],使用年龄和烧伤指数为每位患者计算。
定义和结局
主要结局定义为院内死亡率,次要结局定义为总医疗费用和90天时无住院天数。患者量定义为研究期间每家医院每年收治的严重烧伤患者的平均数量。无住院天数定义为存活且未住院的天数,其被推荐作为住院时长和死亡率的复合指标[20]。总医疗费用定义为住院期间所有汇总支付(不包括住宿费用),包括手术、药物、实验室和其他住院服务费用。由于DPC数据库中费用以日元记录,在本分析中,我们将其转换为美元(100日元 = 1美元)。
统计分析
为恰当估计每家医院的患者数量,我们使用了多重插补方法,因为从临床角度看,原始数据中的缺失机制可假定为随机缺失。对所收集变量的缺失数据,采用链式方程的多变量插补进行补充,迭代10次,生成15个数据集。描述性统计在将所有插补数据集合并为一个数据集后,分类变量以计数和百分比表示,数值变量或有序变量以中位数和四分位距(IQR)表示。预测性统计将估计量表示为点估计和95%置信区间(CI),并基于Rubin规则[21]在各插补数据集间进行整合。
我们使用广义加性混合效应模型(GAMM)和残差最大似然法评估患者数量与结局之间的关联,并考虑患者数量与结局之间可能的非线性关系[22]。该模型对PBI(固定效应变量)和医院唯一标识符(随机效应变量)进行了调整,同时将患者数量作为平滑项纳入模型。我们进一步使用广义线性混合模型(GLMM)分析患者数量-结局关系,并对PBI(固定效应变量)和医院唯一标识符(随机效应变量)进行了调整。在该分析中,患者数量作为连续变量或二分类变量(≤ 5或> 5)纳入模型。确定该截断阈值是为了在各组中保持足够数量的患者和医院。院内死亡结局采用混合效应逻辑回归模型,总医疗费用和无住院天数结局采用混合效应线性回归模型。GAMM和GLMM模型可同时解释患者水平的混杂和医院水平的聚集。在费用分析方面,考虑到住院时间的影响,还进行了对住院时间(作为固定效应变量)进行调整的分析。
我们进一步通过分析不同的子研究人群来进行敏感性分析。首先,考虑到从其他医院转运而来的患者的异质性,我们分析了从受伤现场直接转运至医院的人群。其次,考虑到高容量医院可能收治了更多即使提供一切高质量治疗也无法挽救的致命性患者,我们仅分析了PBI ≤ 120的人群。在这两项分析中,容量-结局关系采用上述GAMM和GLMM模型进行评估,并对PBI进行调整。最后,考虑到回顾性研究设计固有的残余混杂问题,我们构建了一个院内死亡的风险调整模型,纳入以下变量:年龄、性别、烧伤指数、受伤年份、Charlson合并症指数、入院时意识水平(清醒与否)、入住病房、是否存在吸入性损伤,以及入院2天内实施的以下干预措施:机械通气、焦痂切开术、使用结合珠蛋白、使用血管升压药和输注红细胞。观察期间ICU床位数、医院等级状态以及从其他医院转入患者比例等医院相关变量也纳入模型。这些变量基于既往研究[23, 24]和临床视角进行选择,并被纳入逻辑回归模型。变量多重共线性问题通过方差膨胀因子进行评估,容忍值设定为低于2。在该模型中,考虑到永生时间偏倚的问题,我们被迫排除入院2天内死亡的患者,因为所构建的风险调整模型使用了入院2天内实施的干预措施变量。风险调整模型使用队列80%的随机样本建立,并在剩余20%的队列中验证其判别性能。判别能力和校准分别使用受试者工作特征曲线下面积(AUROC)和Hosmer-Lemeshow拟合优度检验进行评估。随后,我们使用以所构建的风险调整模型替代PBI进行调整的GAMM和GLMM模型,评估患者容量与结局之间的关联。
由于回顾性数据库分析的性质,消除残余混杂问题是不可能的,因此我们在主分析模型中对院内死亡进行了定量偏倚分析。我们评估了E值,该值可以客观估计一个假设的未测量混杂因素的最小影响,该影响足以解释所观察到的风险,而无需假设未测量混杂因素的患病率。[25, 26]
所有统计分析均使用R软件(版本3.5.1;R Foundation for Statistical Computing,维也纳,奥地利)及包含常用生物统计功能的commander模块进行。双侧p值 < 0.05被视为具有统计学意义。
结果
主分析
图1显示了医院数量和严重烧伤患者数量的直方图。共有来自737家医院的5250例患者符合分析条件。约94.6%(697/737)的被分析医院每年收治≤ 5例严重烧伤患者,每家医院年收治烧伤患者的最大数量为22例。按年烧伤患者数量(≤ 5或> 5)二分类后的多重插补队列特征见表1。原始数据中的患者特征,包括缺失数据的比例,见附加文件1:表S1。在整个研究队列中,总住院死亡率为24.5%,总医疗费用和90天无住院天数(四分位距)的中位数分别为$23,628(7452, 58,458)和28天(0, 67)。医院类别之间在若干与患者严重程度相关的变量上存在差异;然而,PBI在本研究队列中具有足够的判别能力,AUROC为0.86(附加文件2:图S1A),表明PBI本身可作为有用的风险调整指标。
住院死亡率、总医疗费用和90天无住院天数的GAMM图见图2。住院死亡风险随患者数量增加至每年6例时升高,随后趋于平稳,而总医疗费用随患者数量增加至每年10例时升高,随后趋于平稳。此外,在患者数量较高的医院中观察到较少的无住院天数。在将患者数量作为连续变量纳入的GLMM分析中,高患者数量与住院死亡风险增加显著相关(每增加1例患者,调整比值比[95% CI] = 1.14 [1.09–1.19],p < 0.001)、总医疗费用高(每增加1例患者,调整差值[95% CI] = $4876 [4436–5316],p < 0.001)以及90天无住院天数少(每增加1例患者,调整差值[95% CI] = − 3.1天 [− 3.4至− 2.8],p < 0.001)(表2)。当将患者数量作为分类变量纳入GLMM分析时,与较低患者数量类别相比,较高患者数量类别与死亡风险增加显著相关(调整比值比[95% CI] = 1.85 [1.42–2.41],p < 0.001)、医疗费用高(调整差值[95% CI] = $29,564 [26,237–32,890],p < 0.001)以及无住院天数少(调整差值[95% CI] = − 15.4天 [− 17.9至− 13.0],p < 0.001)(表3)。这些结果与将患者数量作为连续变量的GAMM和GLMM模型结果一致。
定量偏倚分析显示,主分析中估计的E值为1.34,意味着在调整PBI的条件下,观察到的调整比值比为1.14的关联可被一个可能的未测量混杂因素解释掉,该混杂因素与患者数量和住院死亡率的关联比值比各为1.34倍,但较弱的混杂不能做到这一点。此外,估计的零E值为1.26,意味着在调整PBI的条件下,置信区间可通过一个可能的未测量混杂因素移动至包含零值,该混杂因素与患者数量和住院死亡率的关联比值比各为1.26倍。
敏感性分析
直接从受伤现场转运的严重烧伤患者的医院数量及患者数量直方图见附加文件3:图S2。共分析了来自625家医院的3712例患者。多重插补数据和原始数据的患者特征分别见附加文件4:表S2和附加文件5:表S3。PBI具有足够的判别能力,AUROC为0.86(附加文件2:图S1A)。该队列的GAMM图与原始研究人群相比显示出相似的趋势(附加文件6:图S3)。在将患者数量作为连续变量纳入的GLMM模型中,高患者数量与院内死亡风险增加(每增加一名患者,校正比值比[95% CI] = 1.22 [1.17–1.30],p < 0.001)、高总医疗费用(每增加一名患者,校正差值[95% CI] = 6755美元[6076–7434],p < 0.001)和90天无住院天数较少(每增加一名患者,校正差值[95% CI] = − 4.4天[− 4.9至− 3.9],p < 0.001)显著相关(表2)。当将患者数量作为分类变量纳入GLMM模型时,尽管高患者数量与高总医疗费用和90天无住院天数较少显著相关,但院内死亡率的差异不显著(每增加一名患者,校正比值比[95% CI] = 1.40 [0.97–2.07],p = 0.072)(表3)。
补充文件7:图S4展示了医院数量与PBI ≤ 120的重度烧伤患者收治量的直方图。共分析了来自729家医院的4766例患者。多重插补数据和原始数据的患者特征分别见补充文件8:表S4和补充文件9:表S5。在该人群中,PBI预测院内死亡的AUROC为0.82(补充文件2:图S1A)。该队列的GAMM图与原始研究人群相比显示出相似的趋势(补充文件10:图S5)。在将患者收治量作为连续变量纳入的GLMM模型中,高患者收治量与院内死亡风险增加显著相关(每增加1例患者,校正比值比[95% CI] = 1.16 [1.10–1.22],p < 0.001)、总医疗费用高(每增加1例患者,校正差值[95% CI] = 6021美元 [5501–6541],p < 0.001)以及90天无住院天数少(每增加1例患者,校正差值[95% CI] = − 3.5天 [− 3.8至− 3.2],p < 0.001)(表2)。当将患者收治量作为分类变量纳入GLMM模型时,高患者收治量与院内死亡风险增加、总医疗费用高以及90天无住院天数少显著相关(表3)。
对于排除入院2天内死亡患者的人群,我们在该队列中开发的风险校正模型在本队列中具有高于PBI的判别性能,AUROC为0.89。风险校正模型在验证队列中校准良好,AUROC为0.89,Hosmer-Lemeshow拟合优度检验的p值为0.425(补充文件2:图S1A和S1B)。由于各变量的所有方差膨胀因子均低于2,风险校正回归模型中不存在多重共线性问题。补充文件11:图S6展示了医院数量与入院后存活超过2天的重度烧伤患者收治量的直方图。共分析了来自736家医院的4919例患者。多重插补数据和原始数据的患者特征分别见补充文件12:表S6和补充文件13:表S7。所有结局的GAMM图与原始研究队列相比显示出相似的趋势(补充文件14:图S7)。在将患者收治量作为连续变量纳入的GLMM模型中,尽管高患者收治量与总医疗费用高和90天无住院天数少显著相关,但院内死亡未观察到统计学显著差异(每增加1例患者,校正比值比[95% CI] = 1.04 [0.98–1.10],p = 0.174)(表2)。将患者收治量作为分类变量纳入的GLMM模型的结果与将患者收治量作为连续变量纳入的结果相似(表3)。
使用GAMM和GLMM模型对住院时长进行额外校正的费用分析结果与未校正住院时长的结果相似(补充文件15:图S8和补充文件16:表S8)。
讨论
在本研究中,我们回顾性分析了日本全国行政数据库,并评估了5250例严重烧伤患者中每家医院的患者量与结局之间的关联。据我们所知,本研究首次证明了严重烧伤患者量与医疗费用之间的关联。我们的研究结果表明,至少在当前日本环境下,高严重烧伤患者量与院内死亡率增加、每次入院总医疗费用高以及无住院天数少显著相关。由于DPC数据库包含了几乎所有的三级急救医疗中心和大多数急救医院,可以认为它代表了日本的真实世界数据。既往分析DPC数据库的几项研究显示,多种疾病和手术存在积极的量-结局关系,如严重创伤[3]、重症急性胰腺炎[27]、卒中[28]、胰十二指肠切除术[29]和肝切除术[30]。然而,在本研究中,未观察到患者量对严重烧伤患者的有利影响,提示有必要从患者死亡率和社会经济成本的角度进一步改进日本严重烧伤救治体系。
由于严重烧伤患者通常需要专业化管理,理论上预期这些患者存在量-结局关系。近期综述和实践指南建议将烧伤患者集中至收治足够数量患者的专科医院[6, 31],美国和美国等若干国家已建立专门的烧伤中心,并基于这一假设采用了患者集中制度。然而,尚无足够证据证明该策略的合理性。Hranjec等[9]显示,烧伤量高的医院死亡风险最高,Pacella等[10]证明,在大面积三度烧伤患者中,高量医院的死亡率显著高于中低量医院。尽管另一项研究[8]显示死亡率随患者量增加而下降,但其仅纳入儿科人群。Light等[32]报告死亡率并未随患者量线性改善;他们发现死亡率随患者量增加而趋于平台期。此外,应注意这些研究中大多数纳入了不需要专业化策略的较轻病例。
另一方面,有报道称,除年龄和烧伤总面积百分比等已知危险因素外,治疗医院也是一个独立的预后因素[9, 32]。也有报道称,即使同为烧伤中心,各医院之间的临床实践也存在显著差异[33]。一项既往研究[34]报道,专业化程度(定义为所研究疾病的病例量与医院总体工作量的比值)除传统病例量指标外,也会影响患者结局。表现良好的医院可能除经验(患者量)外还利用专业化资源来管理患者,而这在数据库分析中无法评估。由于日本缺乏严重烧伤患者的集中化系统,严重烧伤患者通常被转运至区域三级急救医院,而这些医院并非总有烧伤专家。因此,过度收治严重烧伤患者可能因物资和人力资源短缺而使医院能力不堪重负。这可能是我们研究结果的一种解释,即高容量机构的死亡率较高。积极的容量-结局关系可能不仅通过患者的充分集中化,还通过医疗资源的充分集中化来实现。
在本研究中,经患者严重程度和住院时间调整后,高严重烧伤患者容量与高总医疗费用显著相关。由于本研究中评估的总医疗费用包括一些仅在特定烧伤治疗医院获批的附加收费项目,高医疗费用并不直接反映治疗的高强度。然而,我们的研究结果提示,高容量医院在住院期间提供了更高强度的治疗。严重烧伤患者的专业化治疗通常需要多学科方法,如积极液体复苏、镇痛、多阶段焦痂切开和皮肤移植以及心理护理[35–37]。在本研究中,高容量医院更频繁地提供机械通气、早期焦痂切开或皮肤移植等高强度操作。此外,我们的数据还显示,高容量机构更倾向于使用昂贵的人工或自体培养皮肤移植物。尽管这些差异可部分由患者严重程度差异解释,但机构间标准操作流程的差异(即医院偏好)会影响日常实践,从而推高总医疗费用。随着近年来严重烧伤患者死亡率的改善,有报道称总体死亡率作为结局指标已不够充分,功能、瘢痕和心理结局的重要性已作为临床实践指标被提出[6, 38]。然而,在本研究中,无法对每项实践进行费用分析,也无法对心理、疼痛和瘢痕状况等未记录结局进行分析。未来有必要开展调查此类指标的进一步大规模研究。
在解释本研究结果时应考虑若干局限性。首先,这是一项使用行政数据库的回顾性研究;因此,可能影响结局的未测量变量(例如生命体征、实验室数据以及烧伤机制:烫伤、火焰或化学烧伤)未被纳入校正。其次,日本各医院的重度烧伤患者数量较少,妨碍了对更大患者数量范围内的 volume-outcome 关系进行分析。此外,由于高容量医院数量有限,这些高容量医院的结局会过度影响结果。第三,日本医疗保险制度通常不适用于特定病例,例如劳动相关事故,而 DPC 数据库不包含此类病例。第四,我们缺乏关于多学科烧伤诊疗所涉及的详细质量和流程的数据,这些可能构成连接医院烧伤患者数量与结局的因果通路。最后,由于我们的结果仅反映一个国家的环境,需要进一步研究以验证我们的结果是否适用于全球。尽管存在这些局限性,这是首个使用真实世界数据评估日本当前重度烧伤诊疗状况的大规模观察性研究。我们的研究结果表明,高患者数量与不良结局之间存在显著关联,提示从患者死亡率和社会经济成本的角度来看,仅靠经验(患者数量)不足以在重度烧伤诊疗中实现理论上预期的正性 volume-outcome 关系。有必要对日本当前体系进行详细审视,以确定未来重度烧伤诊疗改进的要点。
结论
这项日本全国行政数据库研究分析表明,重度烧伤患者高数量与院内死亡率增加、高医疗费用和住院时间延长显著相关。由于缺乏外推性且高容量医院不足,需要进一步研究以验证我们的结果。
补充文件
补充文件1:表S1。整个研究人群的患者特征(原始数据)。(DOCX 19 kb)
图S1。A,预后烧伤指数和所开发风险校正模型的受试者工作特征曲线;B,校准图。AUROC,受试者工作特征曲线下面积。(TIF 985 kb)
图S2。医院数量及直接从受伤现场转运的重度烧伤患者数量的直方图。(TIF 1230 kb)
表S2。直接从受伤现场转运的重度烧伤患者特征(多重插补数据)。(DOCX 18 kb)
表S3。直接从受伤现场转运的重度烧伤患者特征(原始数据)。(DOCX 19 kb)
图S3。在直接从受伤现场转运的患者中,年度重度烧伤患者数量与校正后(A)院内生存、(B)总医疗费用和(C)90天无住院天数风险之间的关联。阴影区域表示点估计值的标准误。患者严重程度以预后烧伤指数作为固定效应变量进行校正。医院唯一标识符也作为随机效应变量进行校正。缩写:USD,美元。(TIF 1342 kb)
图S4。预后烧伤指数≤120的重度烧伤患者医院数量与收治量的直方图。(TIF 493 kb)
表S4。预后烧伤指数≤120的重度烧伤患者特征(多重插补数据)。(DOCX 19 kb)
表S5。预后烧伤指数≤120的重度烧伤患者中存活患者的特征(原始数据)。(DOCX 19 kb)
图S5。预后烧伤指数≤120的患者中,年度重度烧伤患者收治量与(A)院内生存、(B)总医疗费用和(C)90天无住院天数的校正风险之间的关联。阴影区域代表点估计值的标准误。患者病情严重程度以预后烧伤指数作为固定效应变量进行校正。医院唯一标识符也作为随机效应变量进行校正。缩写:USD,美元。(TIF 1331 kb)
图S6。入院后存活超过2天的重度烧伤患者医院数量与收治量的直方图。(TIF 1103 kb)
表S6。入院后存活超过2天的重度烧伤患者特征(多重插补数据)(DOCX 19 kb)
表S7。入院后存活超过2天的重度烧伤患者中存活患者的特征(原始数据)。(DOCX 19 kb)
图S7。入院后存活超过2天的患者中,年度重度烧伤患者收治量与(A)院内生存、(B)总医疗费用和(C)90天无住院天数的校正风险之间的关联。阴影区域代表点估计值的标准误。患者病情严重程度以所建立的风险校正模型作为固定效应变量进行校正。医院唯一标识符也作为随机效应变量进行校正。缩写:USD,美元。(TIF 1282 kb)
图S8。在(A)整个研究人群、(B)直接从受伤现场转运的人群、(C)预后烧伤指数≤120的人群和(D)排除入院2天内死亡患者的人群中,年度重度烧伤患者收治量与额外校正住院时长后的总医疗费用校正差值之间的关联。阴影区域代表点估计值的标准误。患者病情严重程度在(A)、(B)和(C)中以预后烧伤指数进行校正,在(D)中以所建立的风险校正模型进行校正。医院唯一标识符也作为随机效应变量进行校正。缩写:USD,美元。(TIF 1590 kb)
表S8。额外校正住院时长后总医疗费用的广义线性混合效应模型分析结果。(DOCX 15 kb)
参考来源
- Endo A, Shiraishi A, Otomo Y, et al. Volume-outcome relationship on survival and cost benefits in severe burn injury: a retrospective analysis of a Japanese nationwide administrative database. J Intensive Care. 2019. PMID: 30733868. doi:10.1186/s40560-019-0363-7
- 全文:PMC6354429(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6354429/
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。