重症疾病前后的医疗使用轨迹:基于人群的不同患者聚类洞察
基于ICU前医疗使用轨迹的K-Means聚类识别出低使用组(n=476)和无使用组(n=251),两组共占83%,其ICU后2年医疗使用转为持续增高且稳定。ICU期间SAPS2、机械通气时长和住院时长在各组间无显著差异。作者认为重症疾病本身在多数存活者的医疗使用轨迹中起关键作用,PICS在人群层面有可测量的后果。
要点
- 882例脓毒症休克/ARDS存活者中,83%(低使用组n=476+无使用组n=251)ICU前医疗使用低而稳定或无,ICU后2年转为持续增高医疗使用。
- 低使用组ICU前医疗使用天数均值1.4±1.9%,ICU后升至5.0±7.0%,自ICU后6个月起持续稳定至2年随访结束。
- 无使用组ICU后2年医疗使用天数均值3.7±6.4%,同样自ICU后6个月起持续稳定至随访结束。
- SAPS2、机械通气时长、ICU及住院时长在四组间无显著差异,提示ICU本身特征不能区分ICU后医疗使用轨迹。
- ICU后2年随访期间住院死亡率为15.5%。
适用人群与场景
- 排除:18岁以下患者及儿科ICU。
诊断标准与关键阈值
- 脓毒症休克定义:疑似或证实感染伴低血压,经充分液体复苏后仍需血管升压药治疗(依据病历记录和/或至少30 mL/kg液体)。
- ARDS定义:依据柏林定义。
- 有创机械通气定义:经气管插管或气管造口的机械通气。
- 选择算法性能:阳性预测值96%,阴性预测值92%(基于180例随机抽取病历的盲法复核)。
研究设计与关键结果
- 研究类型:基于人群的队列研究,使用法国区域医疗行政数据库(PMSI),纳入882例ICU存活出院患者,追踪ICU前2年和后2年。
- ICU特征:机械通气时长中位数11天(IQR 8;20),SAPS2均值49,住院时长中位数42天(IQR 29;64)。
- 全人群ICU前医疗使用天数均值1.3±3.1%,ICU后均值4.5±8.6%;ICU后最高使用水平出现在ICU后前6个月。
- K-Means聚类(K=5,组间方差解释67%)识别出:低使用组A(n=476,ICU前1.4±1.9%,ICU后5.0±7.0%)、高使用组B(n=75,ICU前5.3±2.6%,ICU后7.5±6.7%)、高使用组C(n=51,ICU前7.2±3.5%,ICU后9.4±11.4%)、无使用组D(n=251,ICU后3.7±6.4%)。
- SAPS2、机械通气时长、ICU及住院时长在四组间无显著差异。
- ICU前2年内47%(n=418)患者无合并症报告;癌症130例(14.7%),肥胖95例(10.8%),酒精滥用85例(9.6%)。
- ICU后2年随访期间住院死亡率为15.5%。
证据类型、等级与局限
- 证据类型:基于人群的队列研究(使用医疗行政数据库)。
- 局限:原文报告使用行政数据库可能存在编码错误或编码不足;ICU后失访和死亡可能偏倚数据解读;数据提取限于医院(公立和私立),未评估与医院无关联的个体执业医师相关的医疗使用,可能导致医疗使用低估和/或未能捕获相关特定医疗使用轨迹;无法提取衰弱数据。
对床旁实践的改变
- 作者认为,将ICU前医疗使用轨迹纳入ICU后随访项目的患者选择可能有助于且比ICU住院本身特征更具区分力。
- 作者认为,针对ICU前医疗使用稳定且低的患者进行ICU后随访可能更有效,康复目标更易定义。
- 作者认为,PICS似乎在人群层面有可测量的后果,可用于设计旨在减少ICU后医疗负担的有效干预措施。
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。
- 另有 3 条提炼内容因数值无法与原文逐一核对而未列出,请以原文为准。
全文中译10 节 · 点击展开
背景
危重症幸存者常遭受多种后遗症,从躯体和功能损害到认知和精神障碍,统称为重症监护后综合征(PICS)[1–3]。该综合征主要在脓毒症/脓毒性休克和急性呼吸窘迫综合征(ARDS)后进行研究[4–9]。关于重症监护病房(ICU)出院后医疗资源使用和费用的研究也显示,ICU幸存者的医疗资源利用和费用增加[10–13]。然而,这种危重症后医疗资源使用的增加主要与“非ICU队列”进行比较[10, 13, 14],而病例构成的差异使得无法就危重症本身对重症监护后医疗资源使用的潜在影响得出任何结论。事实上,ICU住院与后续残疾和发病率之间的因果关系难以研究,因为危重症和所谓的PICS可能共享共同的风险因素和触发因素,其根源在于患者入住ICU之前的医疗轨迹。关于危重症后长期结局的研究经常报告合并症是长期死亡的强决定因素[15–17],而合并症在入住ICU的患者中非常普遍[18, 19]。因此,ICU入住前在医疗资源使用和合并症方面存在的异质性对ICU后医疗轨迹的影响尚未得到精细评估。因此,危重症本身在多大程度上导致ICU后医疗资源使用的持续增加,或既存合并症和ICU前医疗轨迹在多大程度上影响ICU后负担,仍不确定。
为探讨这一问题,我们在一个ICU幸存者队列中,采用完全相同的方法学评估了ICU入住前和ICU出院后的医疗资源使用轨迹。
方法
研究人群
在一个法国区域的人群水平上,所有于2010年1月1日至2012年12月31日期间因脓毒性休克和/或ARDS入住ICU、且接受有创机械通气5天或以上的成年患者,通过计算机化算法从区域医疗行政数据库(“信息系统医疗化方案”,PMSI)中提取。该数据库依赖于法国所有公立和私立医院对每次住院的强制申报,通过编码摘要进行记录。数据库中每次住院通过加密匿名编号与患者数据关联,使得能够在完整的历史队列中开展流行病学分析。本研究在一个具有代表性的法国区域(中央-卢瓦尔河谷大区,250万居民)进行,包括一所大学医院、一所三级医院和37所综合及私立医院。该区域有8所医院至少设有一个重症监护病房(图1)。
算法筛选标准为(见附加文件1:表S1,附加文件2:表S2):存在国际疾病分类第十版(ICD-10)中“ARDS”和/或“脓毒性休克”编码,作为主要或次要诊断。
使用法国医疗行为通用分类中的相应编码报告有创机械通气5天或以上。
18岁以下患者及儿科ICU不予纳入。
选择算法的性能通过对180例随机选定患者的病历进行盲法审查得以验证,其中包括由纳入算法选出的70例病例和110例对照,这些患者来自两家不同医院,在研究期间入住ICU,且不符合选择算法的标准。随后研究者盲法审查病历以进行病例验证。ARDS根据柏林定义[20]定义,脓毒性休克定义为存在疑似或证实的感染,并伴有在充分液体复苏后仍需血管加压治疗的的低血压(如病历所载和/或至少30 mL/kg)。有创机械通气定义为通过气管导管或气管造口进行的机械通气。算法性能表现优异,阳性预测值为96%,阴性预测值为92%。
本研究的目的是探讨ICU后医疗保健使用方面的负担;因此,在算法识别出的ICU患者中,仅将从医院存活出院的患者纳入研究队列。
数据收集
索引住院定义为发生索引ICU住院的整个急性期住院过程。如果一名患者有两次或以上符合纳入标准的住院,则第一次住院被视为索引住院。每次索引住院均收集年龄、性别、简化急性生理评分(SAPS)2、机械通气持续时间、ICU住院时长和总住院时长。患者在索引ICU住院前2年期间和后2年期间进行追踪(以下分别称为“ICU前期间”和“ICU后期间”)。
检索每位患者的合并症。为此,我们提取与慢性合并症相关的ICD-10编码,并根据Charlson合并症指数[21]将其分组归类(附加文件3:表S3)。随后在ICU前期间和ICU后期间追踪合并症相关ICD-10编码,以建立ICU前和ICU后合并症报告。ICU后随访期间的住院死亡率也被记录。
医疗保健使用情况同样在ICU前期间和ICU后期间采用完全相同的数据提取方法进行分析。具体而言,我们提取了住院天数和门诊就诊/咨询次数(视为1天医疗保健使用)。我们还提取了医疗保健使用的类型:急性期医疗场所(内科或外科)、康复中心、精神科或“家庭住院”(一种在患者家中组织高强度医疗和护理的特殊模式)。
分析
为评估活动性医疗状况在医疗保健使用方面的后果,我们特别关注对急性期医疗设施的使用,无论是完整住院(至少一次过夜)还是日间住院(全天在医院进行多次就诊、干预和治疗),我们将其称为“医疗保健使用天数”。因此,康复中心住院和单纯门诊咨询未纳入此定义。
医疗使用的时间趋势分析通过按季度评估医疗使用天数频率(天数百分比)来进行,计算方法为将医疗使用天数除以该季度患者住院天数所得的季度报告值。例如,一名患者在一个季度内住院5天,之后又有4次日间住院,则被视为医疗使用天数为9天/90天=10%。该方法能够考虑ICU后时期失访和死亡的患者。
本工作的主要假设是,因ARDS/脓毒性休克入住ICU的患者在入住ICU前的医疗轨迹具有异质性,因此,对ICU后医疗使用的进一步分析应纳入这一参数。
为此,我们必须根据(1)患者ICU前医疗使用水平,以及(2)该ICU前医疗使用的时间动态对患者进行分组。实际操作中,可通过根据ICU前时期医疗使用的季度评估对患者进行聚类来实现。我们使用K-Means聚类技术,基于患者在ICU前时期每个季度医疗使用的相似性,采用无监督且无偏的方法将患者聚合在一起。为此,并为了捕捉医疗使用的所有方面,我们在聚类时使用了更广泛的医疗使用定义,涵盖急性护理机构和康复中心的住院、日间就诊资源利用。我们以2至10个聚类(即K从2至10)测试该算法,并分析每次测试中由各组构成所解释的组间方差百分比。当增加聚类数(即增加k值)时,这些聚类所解释的组间方差可能增加。因此,该方法的目标是在具有临床相关聚类数的前提下,达到由聚类构成所解释的合理较高的组间方差(即接近70%)。最终,在我们的数据集中,K=5产生了良好的方差(67%)以及适合分析的聚类数,且K>5时组间方差无进一步显著增加。一旦建立患者聚类,我们接下来可以绘制每个聚类在ICU前和ICU后时期的季度医疗使用情况,以构建不同聚类中ICU前和ICU后的医疗轨迹。
对于ICU前后时期的比较,酌情使用配对数据的Wilcoxon检验和McNemar检验。
对于组间比较,酌情使用卡方检验和ANOVA检验。
使用Kaplan–Meier生存曲线分析探讨ICU后时期的死亡率。
统计分析使用SAS 9.4版(SAS Institute Inc., Cary, NC)和R 3.2.2(https://www.R-project.org)进行。p < 0.05被视为具有统计学意义。
结果
人群描述
在研究期间,算法识别出1612例患者,其中730例(45%)在索引住院期间死亡。因此,882例活着出院的患者被纳入研究并进行分析(图1)。ICU患者住院特征见表1。在ICU前阶段,310例患者(35%)至少报告有一种心脏、肾脏、呼吸和肝脏功能中的主要慢性器官疾病。此外,130例患者(14.7%)报告有癌症,95例患者(10.8%)报告有肥胖,85例患者(9.6%)报告有酒精滥用。相反,47%的患者(n = 418)在ICU前阶段未报告任何合并症。与ICU前阶段相比,我们观察到ICU后阶段慢性心脏、呼吸和肾脏疾病的报告增加(表2)。在2年随访期间,住院死亡率为15.5%(附加文件4:图S1显示累积生存概率的Kaplan–Meier曲线)。
索引ICU住院前后医疗保健使用轨迹的全局分析
图2a显示了ICU前阶段和ICU后阶段医疗保健使用的趋势。在ICU前阶段,我们首先观察到ICU住院前2年总体医疗保健使用相对较低且稳定(医疗保健使用的平均百分比:1.3 ± 3.1%),随后在索引住院前一年医疗保健使用逐渐增加。在ICU后阶段,医疗保健使用的最高水平出现在ICU后前6个月。此后,医疗保健使用天数的比例下降,并在随访结束时似乎趋于稳定,但仍高于ICU前阶段(医疗保健使用的平均百分比:4.5 ± 8.6%)。
医疗保健使用轨迹的聚类分析(图2b)
利用每位患者在重症监护室(ICU)前阶段的个体化医疗保健使用情况,采用K-Means方法构建了五个聚类(见“方法”部分)。其中,观察到两个患者数量较少的聚类(分别为12例和14例患者),即使降低K值也无法将其整合到其他聚类中。这两个小群体代表ICU前医疗保健使用率极高的患者(医疗保健使用天数平均百分比分别为16.6 ± 12.9%和11.6 ± 6.4%,而整个人群为1.3 ± 3.1%),并伴有重要的特定主要合并症(例如,在ICU前阶段开始慢性透析)。这两个群体共代表26例患者(占总体研究人群的3%),被视为离群值,未进一步分析。剩余三个聚类,其中一个由54%的研究人群构成(n = 476例患者),此后命名为A组。该聚类无法通过将K值增至5以上进一步细分,表明组内同质性很强。剩余两个聚类分别由75例和51例患者组成,命名为B组和C组。最后,在整个ICU前阶段无医疗保健使用情况的患者,按定义无法纳入基于ICU前医疗保健使用情况的K-Means聚类,构成一个251例患者的组,命名为D组。4个组在ICU前合并症和索引住院方面的主要特征见表3。有趣的是,A组在ICU前2年期间报告的合并症显著较少,而简化急性生理学评分II(SAPSII)、机械通气持续时间以及ICU和住院时间在四个组之间无显著差异(表3)。
图2b展示了4组在ICU前和ICU后两个时期季度医疗服务使用天数的变化趋势分析。A组(n = 476)在ICU前时期的平均医疗服务使用天数为1.4 ± 1.9%,在整个ICU前时期似乎随时间保持稳定。有趣的是,在ICU后时期,该组转为更高的医疗服务使用水平(平均医疗服务使用天数为5.0 ± 7.0%),从ICU后6个月至2年随访结束似乎持续且稳定(图2b)。B组和C组在ICU前和ICU后时期表现出不同的医疗服务使用模式。首先,考虑整个ICU前时期,B组和C组的平均医疗服务使用天数高于A组(分别为5.3 ± 2.6%和7.2 ± 3.5%的医疗服务使用天数)。关于其医疗服务使用的时间动态,B组在ICU入住前最后6个月呈现陡峭的上升斜率,C组在ICU入住前18个月内医疗服务使用天数持续增加,但C组在ICU入住前特有地出现进一步下降(图2b)。ICU前医疗服务使用的这一下降在所涉及的所有医疗资源(住院、门诊医疗、急诊就诊)中均一致发现,且不能由本图未纳入的其他医疗资源增加来解释:康复中心、门诊会诊或“居家住院”(数据未显示)。关于ICU后医疗服务使用,B组和C组也表现出高于ICU前时期的医疗服务使用水平(平均医疗服务使用天数分别为7.5 ± 6.7%和9.4 ± 11.4%),主要在ICU后第一年(图2b)。最后,D组由ICU前时期无医疗服务使用记录的患者组成(n = 251),在ICU后时期表现出与A组相似的特征,即持续高医疗服务使用(ICU后两年内医疗服务使用天数为3.7 ± 6.4%),从ICU后6个月至2年随访结束也似乎稳定且持续(图2b)。
讨论
在这项基于人群的研究中,我们全面追踪了因ARDS和/或脓毒性休克入住ICU并至少通气5天的ICU幸存者在ICU前2年和ICU后2年的医疗服务使用情况。采用基于ICU前医疗服务使用的聚类策略,我们能够描绘嵌套于ICU幸存者总体人群中的不同医疗服务轨迹。总体ICU前医疗服务轨迹显示医疗服务使用逐步增加,但聚类分析显示大多数患者在ICU入住前医疗服务使用稳定偏低或无医疗服务求助。
有趣的是,Szakmany等人[17]在最近一项基于人群的数据链接研究中同样报告了ICU入住前一年较高的医疗设施使用率,而Lone等人[10]也在其基于人群的研究中观察到ICU入住前医疗使用总体增加。因此,人们可能认为急性危重疾病是整体病情恶化的结果,进而ICU后医疗使用增加和PICS可能是其后果,而非与急性危重疾病及ICU住院本身存在因果关系。本研究识别了这一整体图景中隐藏的多种轨迹。本研究的方法学采用完全相同的方法评估ICU前和ICU后时期的医疗使用,使得配对分析成为可能,每位患者作为自身对照。因此,ICU前医疗使用低且稳定或无任何医疗使用的患者——占患者的绝大多数(83%)——在ICU后2年内医疗使用持续且稳定增加。这表明急性危重疾病发作在大多数幸存者的医疗使用轨迹中发挥了关键作用,这些幸存者此前医疗使用为中等且稳定,导致ICU住院后“基线”医疗使用水平升高。这些结果可被视为PICS在人群层面可测量的后果。此外,与肾脏、呼吸和心脏功能相关的主要合并症在ICU后时期较ICU前时期报告更为频繁,也支持这一观点。关于ICU前时期医疗使用升高的患者组,我们的聚类分析识别出两组具有不同医疗使用动态的患者。因此,B组在ICU入住前呈现陡峭上升,可能为潜在医学病情恶化的结果,最终导致急性危重疾病。然而,D组在ICU入住前呈现下降,这在一段高医疗使用期之后显得出乎意料。我们不能排除这种可能性——尽管不太可能——即这些患者被转诊至研究区域以外的其他卫生机构,或仅转诊至与私立医院无关的私人门诊医生,两者均未被我们的提取算法捕获。我们还可以假设,这代表在一段重要医疗使用期后失访的患者,随后以危重状态再次入院。支持这一假设的是,该组中慢性呼吸和心脏疾病患者占很大比例,这些医学状况必须密切随访以避免非计划急诊再入院[22, 23]。
这些结果在当前重症监护提供者关注患者长期结局的新时代具有重要意义:更好地描述和理解危重患者的医疗使用轨迹,将有助于识别最有可能从长期ICU入住中获益的患者,并为建立随访项目提供有价值的信息。有趣的是,五个组在ICU前观察到的医疗使用差异在ICU后时期保持一致。此外,尽管医疗使用水平存在这些重要差异,但各组之间ICU住院的主要特征没有明显差异(表3)。同样,Lone等人[10]表明,既往疾病和医疗使用比急性危重疾病本身更能预测ICU后医院再入院。因此,这种ICU前医疗轨迹分析可能在未来的工作中具有重要意义,以改善危重患者的长期结局。因此,将ICU前医疗轨迹整合到ICU后随访项目的患者选择中可能是有帮助的,并且比ICU住院本身的特征更具区分性。此外,我们可以假设专门的ICU后随访干预措施将对患者产生不同的影响,取决于他们在ICU入住前的特定医疗使用轨迹。具体而言,针对既往医疗使用稳定且低的患者进行ICU后随访可能更有效,因为恢复目标更容易定义。
在公共卫生层面,为了评估全球ICU相关费用,这项工作为未来根据医疗使用轨迹进行详细分析和评估奠定了基础。先前的里程碑式研究表明,与非ICU对照人群相比,ICU入住与费用升高相关[10, 24];然而,病例构成的差异妨碍了详细的分析和解释。我们的工作表明,可以定义ICU患者中既往医疗使用中等且稳定的相关亚组,并且这对于确定全球ICU前、ICU和ICU后医疗费用具有相关性,从而能够对ICU入住和潜在的ICU后随访项目进行全面的成本/效果评估。
最后,在概念层面上,观察到的危重疾病后医疗使用轨迹的转变,即危重疾病后医疗使用持续增加,也可以使用临界转变和韧性丧失的理论框架进行分析,该理论框架最近在许多科学领域(包括系统生物学)引起了相当大的兴趣[25, 26]。因此,人们可以将危重疾病解释为临界点,在ICU后时期进一步出现衰弱和低韧性状态,并在频繁医疗使用方面产生可测量的后果。
本研究存在若干局限性。第一,我们使用的是行政数据库,可能存在编码错误或编码不足的风险。此处使用的法国国家医院数据库最初是为计费目的而设计,但如今在筛选算法经过验证的前提下,已成为流行病学监测的有力工具[27–30]。我们通过对随机抽取的病历进行盲法审查来评估筛选算法的性能,观察到检测性能非常好(阳性预测值96%,阴性预测值92%)。第二,在ICU后阶段,失访和死亡患者可能使数据解读产生偏倚。然而,我们旨在通过以下方式限制该偏倚:(1)将分析限制在研究期间居住在该地区的患者,因此他们不太可能在该地区以外使用医疗服务——这些无法在研究中被捕获;(2)使用季度医疗服务使用量测量值,以每位被分析患者随访期间存活总天数的比值报告。第三,数据提取仅限于医院(公立和私立);因此,与不隶属于医院的个体执业者相关的医疗服务使用未在本研究中评估,可能导致医疗服务使用被低估和/或未能捕获相关的特定医疗服务使用轨迹。然而,可以假设最严重的就医情况最终会导致某一时点的住院,或至少会导致与医院相关联的门诊/专科会诊,这些均被本研究所捕获。最后,我们无法提取关于衰弱的数据,衰弱近来已成为重症监护领域一个重要且相关的概念[31, 32]。
结论
在本研究中,我们采用完全相同的方法学,全面追踪了一组脓毒性休克和/或ARDS患者在ICU入住前2年和后2年的医疗服务使用情况,每位患者作为自身对照。聚类分析识别出一个重要的亚组,这些患者在ICU入住前的医疗服务使用量较低且稳定,直至ICU入住。该组在ICU出院后2年表现出较高且稳定的医疗服务使用量,提示危重症在患者医疗服务使用轨迹中起关键作用。基于这些结果,PICS似乎在人群水平上具有可测量的后果,可用于设计有效的干预措施,以减轻这种重症监护后的医疗负担。
补充信息
附加文件1:表S1。使用出院小结中的主要和次要诊断及操作编码进行患者筛选的病例定义。
附加文件2:表S2。用于定义脓毒性休克、急性呼吸窘迫综合征(ARDS)和脓毒症的第十版国际疾病分类(ICD-10)编码。
附加文件3:表S3。用于定义源自Charlson合并症指数的合并症的第十版国际疾病分类(ICD-10)编码。
附加文件4:图S1。重症监护病房入住后2年期间累积生存率的Kaplan–Meyer曲线,从出院开始计算。灰色区域:95%置信区间。
参考来源
- Jouan Y, Grammatico-Guillon L, Teixera N, et al. Healthcare trajectories before and after critical illness: population-based insight on diverse patients clusters. Ann Intensive Care. 2019. PMID: 31707487. doi:10.1186/s13613-019-0599-3
- 全文:PMC6842359(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6842359/
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。