【独家】大数据降低二次入院率的美国实践(2)

心力衰竭项目：试点驱动增长

伊利诺伊艾文斯顿北岸大学健康系统也进行了降低再入院率的预测分析试点项目，其临床分析团队的规模从3到18人不等，项目的成功很大程度上得益于其心力衰竭再入院项目的成功。临床和治疗信息学副总裁及副CMIO、医学博士Ari Robicsek表示“我们感觉通过更好的使用分析，投资真正有了回报。”

Robicsek表示，项目经理是昂贵且有限的资源，其健康系统倾向于以更有效的方式锁定干预。“我们只能为小部分患者做非常全面的病历管理，所以希望能物尽其用。”预测分析能非常有力的指引我们锁定目标个体——即那些高应用者。

北岸过去每年都花费100万来为每位患者测试金黄色葡萄球菌抗药性。在不损害患者安全的情况下，仅仅通过运用预测建模就能知道哪些患者不需要测试，而费用能减少一半。

北岸为心力衰竭患者创建了初始模型，是按照风险级别最高那个象限的患者数据进行患病风险分级。经过几个月的模型测试验证，Robicsek 说：“我们识别了影响心力衰竭的好几百个变量，然后将选择了35个，运用逻辑回归技术建立了试点预测模型。”

该测试模型将患者患病风险分为四级，第一级患者风险最高。验证该模型经历了数月，其间并未用积极干预来改变结果，显示低风险患者再入院率为12%，中度风险为16%，高风险为33%。

应用测试模型期间，患者数据每天进入EMR，再经由预测模型工具做每日风险计算。北岸也安装了警报系统——每天早晨为参与试点各部门人员发送电子邮件。电子邮件将每位住院的心力衰竭患者标记为高、中、低度风险。临床工作人员再根据风险分级干预患者每日的医嘱，并决定出院后合适的干预措施。

北岸患者群体风险预测最重要的变量是先前入院次数、药物治疗次数以及种类，还有几类检验结果。“在目前的模型中，并发症在最终变量清单上并未出现，但对其他科室来说，这个变量可能是重要的。”

除了心力衰竭再入院项目经验，北岸对不断加强分析的能力，因为他们早先发现，该模型在普通人群中也表现良好。“我们为之兴奋，每天早晨都能为医疗机构发送高风险患者清单信息。”医疗机构会确保这些患者能得到数次干预，包括在出院前跟社工、职业治疗师、理疗师、药剂师以及心脏病学家沟通。

跟踪这些干预数月后，他们发现只有15%的高风险患者得到了完整的正确干预。Robicsek表示，该团队重新研究了全过程，并了解到是“工作流程整合太差劲。”

首先，高风险患者清单大约在上午九点到达医疗机构，而查房始于七点，所以清单没用上。供应商希望信息整合进EMR。“这引导我们着手一系列项目，我们发现从预测模型中获取数据的方法，建模引擎不在电子病历系统中。它在医院数据中心，这里更适合这种复杂计算。”

他表示，最重要的是搭建数据中心到电子病历的桥梁，用以提供数据。每位患者都有风险评分图表，使用患者列表就能访问。涉及患者治疗的任何临床医生都能看到患者的风险评分，促使他们为高风险行列的患者提供更多关注。

Robicsek说，其结果就是心力衰竭患者再入院率大幅下降。有个医院本可能进入罚款行列，但现在安全了。“真的，对于我们开始在众多领域开始的一系列预测建模来说，该项目具有里程碑意义。”

北岸为连接其报表工具也建了不同的网桥，允许用户搜索达到一定标准的患者。“这是非常简单的功能，但是我们能基于建于EMR之外的复杂预测模型创建一份报告。”这种网桥被安装在项目经理工作流程中，同时也帮助他们联系来年可能住院的高风险患者。

Robicsek表示其健康系统信息技术出台了大量规范，所有都向后连接在EMR报告工作台。“我们创建了一种回路，从EMR出来的信息被用作分析，结果又反馈到EMR，因此EMR能为模型提供更多信息。”