UM CRMC RecuR 分数试点

一、背景：

再入院是一种不良健康结果，会给医疗保健生态系统带来巨大成本。 虽然不受欢迎，但在出院后 30 天内意外再次入院并不少见。 韦斯等人。 (2021) 估计所有付款人的总体再入院率为每 100 名指数入院者中有 14 人 (14%)。 再次入院的费用通常比初次入院的费用高。 再入院平均花费 15,200 美元，而平均住院费用为 11,700 美元（Freeman 等人，2018 年）。 再入院一直是健康计划、提供者和政策制定者关注的焦点。 许多再入院是可以预防的，但之前的研究一直难以成功识别出再入院风险最高的患者并实施过渡性护理计划以有效降低再入院率并取得持续的结果（Hansen 等人 2011 年，Leppin 等人 2014 年）。

在 2019 年 1 月至 2022 年 1 月期间马里兰大学查尔斯地区医疗中心 (UM CRMC) 的所有患者中，计划外再入院率为 11%，而在某些最高风险人群中，该值高达 30%。 自 2011 年以来，UM CRMC 与 Nurse Navigators 一起实施了一项过渡性护理计划，该计划侧重于通常已知具有较高再入院率的患者（入院主要原因是糖尿病、充血性心力衰竭 (CHF)、慢性阻塞性肺病 (慢性阻塞性肺病）和高血压）。 尽管真正努力管理这些患者并在出院前和出院后为这些患者提供额外支持，但 UM CRMC 的再入院率在过去五年中保持相对不变，在 7-15%（平均 11% ± 1.5%）之间没有持续的同比改善。

为了提高护理质量并减少不必要的医疗保健成本，2013 年，医疗保险和医疗补助服务中心 (CMS) 启动了医院再入院减少计划 (HRRP)，作为基于价值的采购 (VBP) 计划的一部分，以鼓励更好地协调出院护理。 根据 HRRP 计划，再入院率高的医院最多可减少 3% 的费用。 自 HRRP 计划启动以来，减少再入院率已上升为医院的战略重点。

大多数已发表的关于减少再入院评估的研究采用准实验设计，即根据随机化以外的方法分配治疗组的实验，而应用严格随机对照试验 (RCT) 的研究非常有限。 这两项研究设计的结果是不一致的。

实现再入院率的大幅减少需要大量资源并且运营成本高昂。 詹克等人。 (2016) 估计，在他们的大规模再入院计划中，避免 Medicare 人口中的一次入院花费了 7000 美元。 为了最大限度地提高医院资源分配效率，识别和瞄准最能从重症监护过渡干预中受益的患者成为减少再入院计划的重要第一步。 行业中引入了各种风险分层来预测患者再入院的风险，并用于确定患者的优先次序。

在马里兰大学医疗系统 (UMMS)，我们开发了一种风险评分，称为 RecuR 评分（再入院风险评分）。 RecuR 评分估计住院患者和出院后 30 天内患者 30 天计划外再入院的风险。 该风险评分每月使用来自 UMMS 医院就诊患者的数据进行再培训。 目标人群是住院患者、目前可能成为住院患者的住院非住院患者（急诊室、观察室）以及出院后 30 天内的既往住院患者。 该分数使用来自 UMMS 电子健康记录系统 (EHR)、CRISP、商业和非商业索赔以及美国人口普查局的数据。 RecuR 评分与 LACE 和 HOSPITAL 对同一患者的性能比较表明，RecuR 评分的接受者操作特征曲线下面积（有时称为曲线下面积 (AUC)）明显优于其他两个指标，甚至在出院前。 虽然 LACE 仅在出院时可用，但 HOSPITAL 被描述为在出院时最准确，即便如此，在到达后 48 小时，当 RecuR 分数不是最佳时，它的表现优于 RecuR 分数。

文献回顾表明，降低再入院率的努力并不总是有效，而且很难提取一套可靠地减少再入院率的干预措施。 我们的团队假设降低再入院率的努力是无效的，因为患者没有被充分分为风险类别，导致干预措施没有用于将从干预措施中获益最多的患者。 该试点通过使用 RecuR 评分识别再入院风险较高的患者来解决这个问题。 RecuR 分数准确地识别出具有 0.83 的接受者操作员特征 (ROC) 曲线下面积的再入院高风险患者。 这一较高风险人群（仅限于选定的主要诊断和其他纳入和排除标准）的再入院率 (16.8%) 高于医院的总体再入院率 (11%)，这导致降低再入院率的机会更大目标人群。

为了解决确定最有效干预措施的问题，我们团队的第二个假设是所使用的干预措施不够稳健，这意味着干预措施的影响不足。 例如，大多数再入院干预计划都将重点放在出院后的电话上，而没有考虑更全面地了解患者的情况。 为了解决这个问题，该试点正在实施对患者的健康社会决定因素 (SDOH) 的评估、额外的教育材料，并且还安排了更复杂的干预措施，例如涵盖广泛潜在干预措施的多个家庭保健计划。 期望通过准确识别风险较高的患者并通过多种干预措施更广泛地了解患者的情况，与标准相比，我们可以降低 Enhanced Care 组登记人群的 30 天计划外再入院率飞行员的护理手臂。

本研究旨在降低再入院风险较高患者的 30 天计划外再入院率，并提供比 UM CRMC 目前提供的干预强度更高的更复杂的干预措施。 通过使用新的风险评分 RecuR 评分针对再入院风险较高的患者，可以将资源最好地分配给最需要的人。 这些更强烈的干预措施包括强调评估患者的健康社会决定因素、额外的教育材料，以及明确定义的流程来激活家庭健康和社区资源以帮助合适的患者。

这项研究的假设是，使用一种新的 UMMS 算法（RecuR 评分）来识别计划外再入院风险较高的患者，并结合增强的出院前和后续护理干预措施，包括评估他们的健康社会决定因素、获取途径家庭保健资源以及有关其健康的额外教育材料可以将这一高危人群的 30 天计划外再入院率降低 30%。

三、方法 这是一项务实的、前瞻性的、随机的、非盲的对照研究，旨在研究新的过渡性护理模式对被确定为 30 天计划外再入院风险较高的患者的影响，该研究在 5 Garrett Ave, La Plata 的 UM CRMC 进行，医学博士 20646。 患者将按 1:1（均等）随机分配到标准护理（对照）组或增强护理（干预）组，使用分层随机化方法，按 RecuR 评分进行分层。 由于标准护理和增强护理之间的明显差异，患者和提供者都不会对研究分配视而不见。

目标患者群体是具有特定入院诊断的入院患者（住院患者），可以接受出院前后干预，目标是降低这一高危人群的再入院率。

根据历史数据，我们预计需要 2.5 年才能招收 1500 名所需的参与者。 患者将在研究开始后符合纳入条件，并一直持续到纳入患者总数为止。 该研究将继续收集每个受试者的数据，直到他们入组住院后出院 90 天。 数据收集将在最后一名受试者从入组住院出院后 90 天结束。

使用数据收集开始后 24 小时可用于每位患者的 RecuR 评分，招募住院时间大于 48 小时且小于 30 天，以及以下一种或多种情况的患者：1) RecuR 评分大于或等于 2入院诊断为 COPD、CHF、糖化血红蛋白升高的糖尿病、高血压或肺炎，或 2) 任何入院诊断的 RecuR 评分大于或等于 3，或 3) RecuR 评分大于或等于 2 且住院时间大于 10天数和任何入院诊断或 4) 任何 RecuR 评分和当前入院是前一次入院后 30 天内的再入院，其中患者在任何先前入院和任何入院诊断期间未参加试验。

四、数据收集 来自 Epic 的患者电子健康记录 (EHR) 将成为有关患者人口统计、入院诊断、住院时间和结果数据（如出院后 90 天内随后的医院就诊）的主要信息来源。 CRISP ADT 工具（我们患者的切萨皮克地区信息系统，入院出院转移）是提供医院遇到的登记患者出院后如果他们不在 UMMS 设施发生的情况的来源。

V. 数据分析 该研究旨在检测标准护理组中估计再入院率 19.4% 的基线再入院率有 30% 的相对变化，检测该变化的能力为 80%，双侧 alpha 水平为0.05。 Standard of Care 与 Enhanced Care 的登记比例为 1:1，在数据收集开始后 24 小时或第一个符合条件的分数的时间对 RecuR 分数进行分层。 这种分层随机化确保将相同 RecuR 评分水平内的平衡数量的患者分配给试验的两个臂。

患者特征将在标准护理和增强护理臂之间进行总结和比较。 大多数结果将使用两个比例的差异检验进行比较。 如果数据是多类别的，将使用 Mantel-Haenszel 方法进行比较。 如果事件很少见 (<5%)，将使用 Fisher 精确检验。 任何连续数据将使用 t 检验或 Wilcoxon 秩和统计进行比较。 如果数据严重偏斜，则可能需要其他方法。 这些分析将用于呈现基线和背景特征，证明分析是平衡的并代表一般人群，或指出可能需要调整主要分析以解决不平衡问题的领域。

所有主要和次要终点的结果分析都将基于意向治疗原则。 医院再入院的比较将使用 z 检验或 Fischer 精确检验进行，具体取决于感兴趣的结果的罕见性。 如果在基线特征中注意到不平衡，则将在指示的地方测试调整后的回归模型。 如有必要，将进行亚组分析。