高级康复室护理 II - 改善手术后恢复 (ARRCII)

问题：手术对于大约 1/3 的医疗保健需求来说是必不可少的，而且到 2040 年其数量需要翻一番。 然而，它有风险，严重的术后并发症经常发生（5%-30% 的患者），术后死亡是全球第三大最普遍的死亡原因。

并发症会导致患者痛苦和死亡率增加、晚期不良事件（如再次入院）以及资源使用（成本）增加两到三倍。 它们可以被视为现代医疗保健的“隐性流行病”，并且由于合并症人口老龄化，估计到 2027 年澳大利亚将增加 300%。

由 G Ludbrook 主持的澳大利亚术后并发症全国峰会（2020 年 3 月）承认了这个问题的重要性。 它的报告确定了对系统方法的需求，该方法具有证据基础、与个体患者的风险和需求相匹配的明确护理途径、最大限度减少不必要的实践差异的技术以及相关绩效衡量：结果（以机构和消费者为中心）和成本。

一个解决方案：2017 年，RAH 试用了高级康复室护理模型 (ARRC)。 这利用了 Summit Systems 的所有元素和原则 - 早期验证风险评估 (NSQIP)、中度风险患者分类（预计 30 天死亡率：1-4%）到中级高敏度术后隔夜护理 (ARRC)，适当的人员和能力、精确的定期检查表评估、特定的生理目标、反复的重新评估和重新分类、正式的交接以及使用相关指标的评估。 该试验表明： 早期严重不良事件出乎意料地常见（50% 的患者）；这些主要发生在术后12-18小时；重新入院的情况非常普遍 (34%)。

减少并发症和后遗症：ARRC 减少了基于病房的并发症；再入院天数减少 80%，p=0.1。 一个有 10 个床位的单元每年应释放 4000 个 RAH 床位日。

总体而言，ARRC 的调查结果与 (i) 英国在中度风险患者中的调查结果一致——取消高敏度护理会增加死亡率和住院天数，(ii) RAH 健康圆桌会议数据——中度风险患者群体的计划外再入院率为 35 %。

迭代更好的风险预测和分类：数据还表明，根据不良事件和生理参数，随着时间的推移（在战区和 ARRC 中）对风险进行正式的重复重新评估，50% 不太可能出现后续重大并发症的患者可以确定并分流到较低敏锐度的 ARRC 护理，进一步降低成本。 这与 RAH 数据一致，显示早期恢复不良事件是随后术后并发症的主要预测因素，并且大型数据库将术前、手术室内和术后事件与延迟并发症相关联。

成本效益：至关重要的是，ARRC 似乎具有成本效益。 ARRC 数据的马尔可夫模型揭示了改进的结果（在家天数）和成本，增量成本效益比 (ICER) 为 -$600。 这与 Peter McCallum 癌症中心发现实施 2 床单元每年可节省 100 万美元（未发表的数据）一致。

主要假设是 ARRC 通过快速检测和管理早期严重的术后不良事件，将减少后续并发症，从而增加患者在 30 天和 90 天的在家天数 (DAH30/90)。

次要假设是：(i) ARRC 将具有成本效益，与传统治疗相比会产生负增量成本效益比 (ICER)，以及 (ii) 在手术和 ARRC 期间持续重新评估个体患者风险将允许准确识别不太可能在一夜之间发生不良事件的较低风险患者亚组，从而允许更早地缩小护理规模，从而逐步降低成本并改善 ICER。

这是 ARRC 与传统护理的前瞻性非盲实用性试验。 CALHN 已承诺重新启动 ARRC，但需要出色的数据来确认结果和成本的有效性。

队列：患者是中度风险患者（NSQIP 预测的 30 天死亡率 = 0.7-5%），随着时间的推移接受选择性或急诊结直肠、骨科、妇科肿瘤、神经外科和其他手术，并安排术后病房护理。

护理系统：早期计算 NSQIP 风险（选择性手术 - 门诊患者；计划外手术 - 入院时），以量化风险并突出和解决可修改的风险。 传统护理或 ARRC 的分配实际上是基于床位可用性，因此在 ARRC 试点和 Swart 等人的英国观察性研究中产生的选择偏差最小。 术中管理将是一致的、基于指南的护理，这在 RAH 之前已成功实施。

ARRC 将是 RAH 试点的系统，位于恢复室 (PACU) 附近。 关键要素包括定期的基于清单的评估和定义的生理目标。 ARRC 涉及多学科的工作人员——麻醉、护理、外科、内科、专职医疗。

该系统包括所有峰会报告推荐的优秀高价值护理原则，及其一机构牵头的实施建议。

数据收集：通过我们的 EMR 和我们的 Theatre/Recovery 电子记录系统 (AIMS) 在整个围手术期进行，并由运行 ARRC 试点的 PARC 临床研究人员管理。

数据是试点的延伸。 简而言之，这包括：(i) 术前：患者人口统计资料/合并症； (ii) 术中：手术类型/持续时间、并发症、生命体征变化、不良事件。 高级监测器（ANI 镇痛药、连续血压监测）有助于风险预测算法的开发，(iii) ARRC：生命体征、不良事件、清单完成、MET 级事件 (iv) ARRC 后：病房不良事件、ICU 转移、再次手术、住院时间、再次入院、在家天数（30 天和 90 天）。 费用来自 RAH Finance - ARRC、ICU、Ward、ED（重新入院）。

数据分析 主要假设：管理 ARRC 试点项目的阿德莱德大学统计学家将使用线性回归来找出病例组和对照组之间 30/90 天在家天数 (DAH) 的平均差异。 来自 ARRC 试点的功效分析保守地假设 DAH 差异为 1.5 天，建议样本量为 N=876 个病例和 N=438 个对照（权重 2:1）。 将进行中期分析以评估进展情况。 基于 16 名患者/周，研究持续时间为 82 周。 随着积极的结果趋势，我们预计 ARRC 将扩大到每周 32 名患者，从而可能将研究持续时间缩短至 61 周。

成本效益：中央情报局将在数据出现时更新马尔可夫模型转换概率和 ICER。 敏感性分析决定了不确定性。 中期分析也将在中途进行。 更好的风险预测带来更低的成本（例如 较低的 ARRC 护理比率，较早从 ARRC 转移到病房）将被纳入。

改进风险预测：U 南安普顿临床信息学部门的同事将使用他们的 ALEA 平台。 预测分析专业知识将用于生成一组分层的新颖预测算法（基于可用数据输入类别），并开始创建实时临床风险预测仪表板。 RAH 数据最终可能会添加到全球其他试点站点。