UM CRMC RecuR スコア パイロット

I. 背景:

再入院は、医療エコシステムに多大なコストをもたらす、健康への悪影響です。 退院から 30 日以内の予定外の再入院は、望ましくありませんが、珍しくありません。 ワイス等。 (2021) は、すべての支払者の全体的な再入院率が 100 インデックス入院あたり 14 (14%) であると推定しました。 再入院は、多くの場合、最初の入院よりも費用がかかります。 平均的な入院費用は 11,700 ドルであるのに対し、再入院には平均で 15,200 ドルかかります (Freeman et al., 2018)。 病院の再入院は、医療保険、医療提供者、および政策立案者の間で注目を集めています。 多くの再入院は予防可能ですが、以前の研究では、再入院のリスクが最も高い患者を特定し、再入院率を効果的に減らして持続的な結果を得るために移行ケア計画を実施することに苦労しています (Hansen et al. 2011, Leppin et al. 2014)。

2019 年 1 月から 2022 年 1 月までのメリーランド大学チャールズ リージョナル メディカル センター (UM CRMC) のすべての患者の計画外再入院率は 11% で、この値は特定の最高リスク グループ全体で 30% にも達します。 UM CRMC は、2011 年以来、ナース ナビゲーターによる移行ケア プログラムを実施しており、通常、再入院率が高いことが知られている患者 (入院の主な理由が糖尿病、うっ血性心不全 (CHF)、慢性閉塞性肺疾患 (CHF) である患者) に焦点を当てています ( COPD）および高血圧）。 これらの患者を管理し、退院前および退院後にこれらの患者に追加のサポートを提供するための真の努力にもかかわらず、UM CRMC での再入院率は過去 5 年間で 7 ～ 15% (平均 11% ± 1.5%) で比較的変化していません。前年比での持続的な改善は見られません。

ケアの質を向上させ、不要な医療費を削減するために、2013 年にメディケアおよびメディケイド サービス センター (CMS) は、退院時のケアの調整を促進するための価値ベースの購入 (VBP) プログラムの一環として再入院削減プログラム (HRRP) を開始しました。 HRRP プログラムでは、再入院率の高い病院は最大 3% の支払い減額を受けます。 HRRP プログラムの開始以来、病院の再入院を減らすことは、病院の戦略的優先事項に昇格しています。

再入院減少評価に関する発表された研究のほとんどは、準実験的デザイン、無作為化以外の方法に基づいて治療グループを割り当てる実験を採用しましたが、厳格な無作為化比較試験 (RCT) を適用した研究は非常に限られています。 これら 2 つの研究デザインの結果には一貫性がありません。

再入院の大幅な削減を達成するには、集中的なリソースが必要であり、運用には費用がかかります。 ジェンク等。 (2016) 彼らの大規模な再入院プログラムでは、メディケア人口の 1 回の入院を回避するのに 7000 ドルかかると見積もっています。 病院のリソース割り当ての効率を最大化するには、集中治療への移行介入から最も恩恵を受ける患者を特定して対象を絞ることが、再入院減少プログラムの重要な最初のステップになります。 業界では、患者の再入院のリスクを予測するためにさまざまなリスク層別化が導入されており、患者の優先順位付けに使用されています。

メリーランド大学医療システム (UMMS) では、RecuR スコア (再入院リスク スコア) と呼ばれるリスク スコアを開発しました。 RecuR スコアは、院内および退院後 30 日間の患者の 30 日間の予定外の再入院のリスクを推定します。 このリスク スコアは、UMMS 病院で受診した患者のデータを使用して毎月再トレーニングされます。 対象集団は、入院患者、現在入院している非入院患者（救急部門、観察ユニット）、および退院後 30 日以内の以前の入院患者です。 スコアは、UMMS 電子健康記録システム (EHR)、CRISP、商用および非商用請求、および米国国勢調査局からのデータを使用します。 同じ患者について、LACE および HOSPITAL と比較した RecuR スコアのパフォーマンスの比較では、RecuR スコアの曲線下面積 (AUC) とも呼ばれる受信者動作特性曲線下面積が他の 2 つよりも大幅に優れていることが示されました。メトリクス、退院前であっても。 LACE は退院時にのみ利用できますが、HOSPITAL は退院時に最も正確であると説明されており、その場合でも、RecuR スコアが最高ではない到着後 48 時間の RecuR スコアよりも優れています。

文献レビューによると、再入院率を下げる努力は一貫して効果的ではなく、確実に再入院を減らす一連の介入を抽出することは困難でした。 私たちのチームは、再入院率を下げる努力は効果的ではないという仮説を立てています。なぜなら、患者はリスクカテゴリーに適切に階層化されておらず、その結果、介入から最も恩恵を受ける患者に介入が使用されていないからです。 このパイロットは、RecuR スコアを使用して再入院のリスクが高い患者を特定することで、この問題に対処します。 RecuR スコアは、0.83 の受信者操作特性 (ROC) 曲線の下の領域で、再入院のリスクが高い患者を正確に識別します。 このリスクの高い集団 (選択された主要な診断およびその他の包含および除外基準に限定) は、病院全体の再入院率 (11%) よりも高い再入院率 (16.8%) を持っています。ターゲット層。

最も効果的な介入を特定するという問題に対処するために、私たちのチームの2番目の仮説は、使用された介入が堅牢ではない、つまり介入の影響が不十分であるというものです. たとえば、ほとんどの再入院介入プログラムは、患者の状況をより完全に把握することなく、退院後の電話に焦点を当てています。 この問題に対処するために、このパイロットでは、患者の健康の社会的決定要因 (SDOH) の評価、追加の教育資料を実装しており、潜在的な介入の幅広い範囲をカバーする複数の在宅医療プログラムなど、より複雑な介入も用意しています。 リスクの高い患者を正確に特定し、患者の状況をより広い視野で介入の選択肢を複数持つことで、標準治療群と比較して強化治療群に登録された集団の 30 日間の予定外の再入院率を下げることができると期待されています。パイロットのケアアーム。

この研究は、再入院のリスクが高い患者の 30 日間の予定外の再入院率を減らし、UM CRMC で現在提供されているものよりも強度の高い、より複雑な介入を提供することを目的としています。 新しいリスク スコアである RecuR Score を使用して再入院のリスクが高い患者を対象とすることで、リソースを最も必要としている患者に最適に割り当てることができます。 これらのより強力な介入には、患者の健康の社会的決定要因の評価、追加の教育資料、および適切な患者を支援するために家庭の健康とコミュニティのリソースを活性化するための明確に定義されたプロセスを持つことに重点が置かれています。

この研究の仮説は、新しい UMMS アルゴリズム (RecuR Score) を使用して、予定外の再入院のリスクが高い患者を特定し、退院前の強化されたケア介入と、健康、アクセスの社会的決定要因の評価を含むフォローアップ ケア介入を組み合わせることです。自宅の医療リソースにアクセスし、彼らの健康に関する追加の教育資料を提供することで、この高リスク グループの 30 日間の計画外の再入院を 30% 減らすことができます。

III.方法 これは、ラプラタの 5 Garrett Ave にある UM CRMC で実施された、30 日間の予定外の再入院のリスクが高いと判断された患者に対する新しい移行期ケア モデルの影響に関する実用的、前向き、無作為化、非盲検対照研究です。 、MD 20646。 患者は、RecuR Score による層別化による層別無作為化法を使用して、標準治療 (対照) 群または強化治療 (介入) 群に 1:1 (均等に) 無作為化されます。 スタンダード オブ ケアとエンハンスド ケアの明らかな違いにより、患者も医療提供者も研究の割り当てについて盲目的になることはありません。

対象となる患者集団は、この高リスク集団の再入院率を下げることを目標とする、退院前後の介入に適した特定の入院診断を受けた入院患者 (入院患者) です。

過去のデータに基づいて、必要な 1500 人の参加者を登録するには 2.5 年かかると予想しています。 患者は、研究が開始された後に含める資格があり、患者の総数が登録されるまで継続します。 この研究は、登録入院から退院後90日まで、各被験者のデータを収集し続けます。 データ収集は、最後の被験者が登録入院から退院してから 90 日後に終了します。

データ収集開始から 24 時間後に各患者が利用できる RecuR スコアを使用して、入院期間が 48 時間以上 30 日未満で、次のシナリオの 1 つ以上に該当する患者を登録します。1) RecuR スコアが 2 以上-COPD、CHF、HbA1cの上昇を伴う糖尿病、高血圧、または肺炎の入院診断を伴うOR 2）RecuRスコアが3以上で、入院診断を伴うOR 3）RecuRスコアが2以上で、滞在期間が10を超えるまたは 4) RecuR Score および現在の入院は、前回の入院から 30 日以内の再入院であり、患者は以前の入院および入院中の診断中にパイロットに登録されていません。

IV.データ収集 Epic からの患者の電子カルテ (EHR) は、患者の人口統計、入院診断、入院期間、および退院後 90 日間のその後の病院受診などの結果データに関する主要な情報源になります。 CRISP ADT ツール (Chesapeake Regional Information System for our Patients, Admission Discharge Transfer) は、登録患者が UMMS 施設で発生していない場合に、退院後に病院が遭遇するものを提供するソースです。

V. データ分析 この研究では、標準治療群の 19.4% の推定再入院率から 30% のベースライン再入院率の相対的な変化を検出することを目指しており、この変化を検出する検出力は 80% であり、両側アルファ レベルは0.05。 登録は、標準治療と強化治療の 1:1 の比率で行われ、データ収集開始の 24 時間後または最初の適格なスコアの時点で RecuR スコアで階層化されます。 この階層化された無作為化により、同じ RecuR スコア レベル内のバランスのとれた数の患者がパイロットの両腕に割り当てられます。

患者の特徴を要約し、標準治療群と強化治療群の間で比較します。 ほとんどの結果は、2 つの割合の差の検定を使用して比較されます。 データが複数カテゴリの場合、マンテル・ヘンツェル法が比較に使用されます。 イベントがまれな場合 (<5%)、フィッシャーの正確確率検定が使用されます。 連続データは、t 検定または Wilcoxon 順位和統計を使用して比較されます。 データが大きく偏っている場合は、追加の方法が必要になることがあります。 これらの分析は、ベースラインとバックグラウンドの特性を提示するために使用され、分析がバランスが取れており、一般集団を代表していることを示したり、不均衡を説明するために一次分析を調整する必要がある領域を指摘したりします。

一次および二次エンドポイントの結果のすべての分析は、Intent-to-Treat の原則に基づいて行われます。 再入院の比較は、関心のある結果の希少性に応じて、z 検定またはフィッシャーの正確検定のいずれかを使用して実行されます。 ベースライン特性に不均衡が見られる場合は、調整された回帰モデルが示されている場合にテストされます。 必要に応じてサブグループ分析を行います。