基于电子健康记录的再接收风险模型的表现,用于接受门诊亲肠道抗生素治疗 (OPAT) 的患者

科学领域:

• 医疗保健服务研究 医疗服务研究
• 临床信息学 临床信息学
• 药物经济学 药物经济学

背景情况:

• 门诊亲肠道抗生素治疗 (OPAT) 为住院护理提供了替代方案,但由于监测减少,可能会增加再接收风险.
• 医院再入院的预测模型对于患者安全至关重要,但需要在特定人群 (如OPAT) 中进行验证.
• 识别高风险OPAT患者可以指导有针对性的干预措施,以防止再接收.

研究的目的:

• 评估EPIC计划外再接收模型1对OPAT患者所有原因的30天住院再接收的预测性能.
• 评估将OPAT特定变量纳入模型的预测准确性的影响.
• 确定EPIC模型在杜克大学卫生系统 (DUHS) OPAT计划中的实用性.

主要方法:

• 在2019年7月至2020年2月期间接受DUHS OPAT的成年患者的回顾性队列研究.
• 排除标准包括计划OPAT持续时间<7天,LTAC给药或正在进行的代疗法.
• 多变量后勤回归分析了EPIC再接收分数和30天的计划外再接收之间的关系,使用Brier分数和C指数评估绩效.

主要成果:

• 埃皮克计划外再接收模型1在预测30天计划外再接收 (C指数~0.51) 方面表现不佳.
• 包括OPAT特定变量并没有显著改善该模型的预测能力 (C指数~0.55-0.56).
• 与OPAT相关的再接收模型也显示出有限的预测准确性 (C指数~0.54).

结论:

• EPIC计划外再接收模型1的得分对于预测DUHS OPAT队列中的30天计划外再接收并不有效.
• 目前的模型缺乏必要的歧视,以识别高风险OPAT患者重新入院.
• 对新型预测因子的进一步调查对于改善OPAT患者再接收风险分层至关重要.