一种减少可避免医院再入院的预测分析方法

医院再入院已成为衡量医疗质量和成本的关键指标。Medicare 预计，在出院后 30 天内再入院的 20% 患者中，支付的金额接近 170 亿美元。尽管近年来已实施了过渡护理管理和出院流程重构等多种干预措施，但其有效性和可持续性取决于能否准确识别并针对再入院高风险患者。根据文献，大多数当前的风险预测模型未能达到可接受的准确度水平；它们均未考虑患者的再入院史以及患者属性随时间变化的影响；并且往往无法区分计划内和非必要的再入院。针对这些缺陷，我们基于行政数据开发了一种新的再入院指标，能够从所有其他类型的再入院中识别出潜在的可避免再入院。我们进一步提出了一种基于树的分类方法，用于估算再入院的预测概率，该方法可直接纳入患者的再入院史及随时间变化的风险因素。所提出的方法利用 2011-2012 年密歇根州退伍军人健康管理局的数据进行了验证，数据对象为因心力衰竭、急性心肌梗死、肺炎或慢性阻塞性肺疾病住院的住院患者。结果显示，与文献相比，其判别能力有所提高（c 统计量>80%），且校准度良好。