通过预测心房的自发终止来降低医疗保健成本:一项模拟研究
Brandon Wadforth1, Taylor Strube2, Jing Soong Goh3
1College of Medicine and Public Health, Flinders University, Adelaide, SA, Australia; Department of Medicine, Cardiac and Critical Care, Flinders Medical Centre, Adelaide, SA, Australia.
Heart, lung & circulation
|December 7, 2025
概括
以60-70%的准确度预测心房患者的自发心转动,可以减少澳大利亚的住院费用和医疗费用. 这种方法可以避免对AF管理进行不必要的干预.
科学领域:
- 卫生经济学 卫生经济学
- 心脏病学 心脏病学
- 医疗保健服务研究 医疗服务研究
背景情况:
- 在澳大利亚,心房动 (AF) 管理造成了大量的医疗保健费用,主要是由于住院护理.
- 在急诊室研究了初级AF的"等待和观察"方法,通过利用自发心脏转变 (SCV) 来降低成本.
- 识别这种方法的合适候选人的挑战阻碍了其采用,需要SCV的预测模型.
研究的目的:
- 确定SCV预测模型的准确度值,从而节省成本.
- 评估避免对初级AF进行不必要的住院治疗的经济效益.
主要方法:
- 使用决策分析模型和蒙特卡洛模拟来评估成本变化.
- 利用了弗林德斯医疗中心和诺尔隆加医院 (2022-2023) 初级AF入院的数据.
主要成果:
- 在669次初级AF入院中,35.9%的人获得了SCV,这表明可能会有可避免的入院.
- 每次入院的费用从5,793.94澳元到7,009.42澳元,包括医院间转移费用.
- 当SCV的预测模型准确度达到60% - 70%时,观察到成本效益.
结论:
- 对SCV的预测模型达到60%-70%的准确性,可以节省大量的成本.
- 这种精度水平有助于避免对初级AF的不必要入院,减少医院床位的利用率.
