◆劉 娟 楊 棟 李系仁，* 周士金

劉 娟1 楊 棟2 李系仁1，3* 周士金3

1 中國醫(yī)科大學人文社科學院 遼寧 沈陽 110001

2 中國醫(yī)科大學基礎醫(yī)學院 遼寧 沈陽 110001

3 中國醫(yī)科大學附屬第一醫(yī)院 遼寧 沈陽 110001

近年來，患者再入院率逐年增長，由此引發(fā)各國對醫(yī)療質(zhì)量的普遍關注和討論［1］。再入院是導致患者負擔加重和衛(wèi)生資源浪費的重要原因。有研究表明，美國1984 年居民的醫(yī)療消費高達80 億美元，其中50%用在住院治療上，且有13% 的再入院患者占用了超過50% 的醫(yī)療資源［2］。因此，國際上把再入院作為評價醫(yī)療質(zhì)量和醫(yī)療效率的重要指標［3－6］。本研究通過對沈陽市某三甲醫(yī)院再入院患者進行現(xiàn)狀分析，探討患者出院31 天內(nèi)再入院的主要影響因素，為醫(yī)療質(zhì)量的科學管理提供依據(jù)。

1 資料與方法

1.1 資料來源

數(shù)據(jù)來自醫(yī)院信息系統(tǒng)(HIS) ，提取2009 年1 月1 日～12 月31 日出院患者數(shù)據(jù)，包括年齡、性別、患者居住地、醫(yī)保類型、入院日期、出院日期、住院天數(shù)、出院診斷等。病歷首頁信息包括病史、入院狀況、出院轉(zhuǎn)歸、是否院內(nèi)感染、是否手術、合并癥個數(shù)等。

國際上對再入院的定義沒有統(tǒng)一的標準，一般以1 周或1 個月內(nèi)因同樣疾病或手術再次入院為較常用的測量方法［7］。本文參照國外標準，并結合國內(nèi)有關三級綜合醫(yī)院醫(yī)療質(zhì)量管理與控制指標，篩選出有效的信息［8－9］。篩 選 條 件: (1) 身 份 證號、醫(yī)保號、住院登記號等與住院信息相匹配; (2) 患者出院—再入院間隔天數(shù)≤31 天; (3) 剔除惡性腫瘤手術、放化療及精神疾病的病例; (4)剔除與前次入院疾病不同的新發(fā)疾病的再入院病歷。

1.2 分析方法

將所有數(shù)據(jù)建立數(shù)據(jù)庫，應用SPSS16.0 統(tǒng)計軟件進行分析。應用描述性統(tǒng)計方法對再入院的患者信息進行描述; 應用t 檢驗和χ2檢驗對影響再入院的因素進行單因素分析; 應用Logistic 回歸對單因素分析后有統(tǒng)計學意義的危險因素進行影響程度和顯著性分析。

為了消除因疾病嚴重程度不同(以合并癥個數(shù)的多少來反映) 可能造成的分析偏誤，引入Charlson Comorbidity Index Score［10－11］; 為 了捕捉年齡的非線性影響，引入年齡的平 方［12－13］。Logistic 回 歸 模 型 如下(因變量為患者“是否”31 天內(nèi)再入院，若31 天內(nèi)再入院為1，否則為0) : LogisticP = β0+ β1Age +

β2Age2+ β3Gender + β4Style +β5History + β6Time + β7LOS +β8Interval+ β9Cscore + β10Condition+β11Outcome + β12Surgical + β13Infect 。

其中，Age 表示年齡; Age2表示年齡的平方; Gender 表示性別(男性=1，女性=0) ; Style 表示醫(yī)保類型(1 = 醫(yī) 保，0 = 非 醫(yī) 保) ; History表示病史(1 年以上=1，1 年以內(nèi)=0) ; Time 表示住院次數(shù); LOS 表示住院天數(shù); Interval 表示住院間隔;Cscore 代表Charlson Comorbidity Index Score; Condition 表示入院狀況(1 = 急或危，0 = 一 般) ; Outcome 表示出院轉(zhuǎn)歸(1 = 未治愈，0 = 治愈) ; Surgical 表示是否手術(1 = 是，0 = 否) ; Infect 表示是否院內(nèi)感染(1 = 是，0 = 否) 。

2 結果

2.1 性別與年齡分布

醫(yī)院2009 年全年出院患者67 993人次，31 天內(nèi)再入院1 938人次，約占出院總人次的2. 85%。再入院次數(shù)最多的是16 次，2 次住院占絕大多數(shù)，有1 507 人，占再入院總人數(shù)的77.8%。

從性別與年齡分布的結果看，31 天內(nèi)再入院患者男性多于女性，分別為1 113 人和825 人，男女比例為1.3:1。男性再入院患者年齡主要集中在50 ～79 歲，占所有男性再入院患者的52. 8%; 女性主要集中在40 ～59 歲，占所有女性再入院患者的45.2%，見表1。

表1 31 天內(nèi)再入院患者性別和年齡分布［單位:人次(%)］

2.2 疾病史和病種分布

從病史分布結果看，31 天內(nèi)再入院患者病史 1 年以上的占66.09%，說明患者所患疾病多為慢性疾病; 病史不足1 年的占33.91%(見表2) 。

表2 31 天內(nèi)再入院患者病史分布［單位: 人次(%) ］

從再入院率居前10 的病種看，強直性脊柱炎的31 天內(nèi)再入院率最高，為27.18%; 系統(tǒng)性紅斑狼瘡次之，為19.00%，且內(nèi)科病種遠遠多于外科病種; 其他病種31 天內(nèi)再入院率的具體情況見表3。

表3 31 天內(nèi)再入院率居前10 的病種［單位:人次(%)］

2.3 平均住院天數(shù)和出院－ 再入院間隔天數(shù)分布

患者出院后再入院的平均住院天數(shù)為12. 31 天(標 準 差 為13. 16天) ，平均 間 隔 天 數(shù) 為13. 6 天(標準差為10.6 天) 。當天再入院患者有407 人次，占再入院間隔天數(shù)的21.00%;1 ～7 天的有381 人次，占19.7%;8 ～14 天的有360 人次，占18.6%; 14 ～21 天的有392 人次，占20. 2%; 22 ～31 天 的 有398 人次，占20.5%(見圖1) 。一項歐洲和美國的比較研究認為［6］，7 天內(nèi)再入院主要反映住院服務質(zhì)量，如因過早出院而再入院; 8 ～30 天再入院主要反映患者疾病的嚴重程度或慢性病情況。

2.4 31 天內(nèi)再入院影響因素

通過單因素分析的結果發(fā)現(xiàn)，年齡、年齡2、性別、醫(yī)保類型、病史、住院次數(shù)、前次入院天數(shù)、再入院間隔天數(shù)、前次合并癥個數(shù)、前次入院狀況、前次出院轉(zhuǎn)歸、前次是否手術、前次是否院內(nèi)感染這13 個變量會影響到31 天內(nèi)再入院，且有顯著統(tǒng)計學意義。進行非條件Logistic回歸分析，發(fā)現(xiàn)影響31 天內(nèi)再入院的主要危險因素是: 年齡、年齡2、性別、病史、前次入院天數(shù)、再入院間隔天數(shù)、前次合并癥個數(shù)、前次住院狀況、前次出院轉(zhuǎn)歸，見表4。

2.5 各因素對31 天內(nèi)再入院的影響程度

優(yōu)勢比(OR) 含義是指暴露組某事件發(fā)生的概率是非暴露組的倍數(shù)。本研究是指31 天內(nèi)再入院的暴露(年齡、性別、醫(yī)保類型、病史、前次入院天數(shù)、前次出院轉(zhuǎn)歸等影響因素) 的概率是31 天內(nèi)無再入院的倍數(shù)。若某因素的OR 大于1，說明該因素是某事件發(fā)生的危險因素; 若小于1，說明該因素是某事件發(fā)生的保護因素。如果自變量是2項分類變量，OR 就是該變量為1 時的危險比; 如果自變量是數(shù)值變量，OR 就是該變量取一個增量時的危險比［14］。

圖1 出院－再入院的間隔天數(shù)分布

表4 31 天內(nèi)再入院影響因素的Logistic 回歸分析

在其他條件均衡的情況下，以下為危險因素: 患者年齡每增加1 歲其31 天內(nèi)再入院的危險度就擴大1.197 ～1.219 倍; 男性患者31 天內(nèi)再入院的危險度是女性患者的1.337倍; 病史1 年以上的患者31 天內(nèi)再入院的危險度是病史不足1 年的患者的3.348 倍; 患者前次住院合并癥個數(shù)每增加1 個其31 天內(nèi)再入院的危險度為2.677; 前次入院狀況嚴重的患者其31 天內(nèi)再入院的危險度是普通患者的1.409 倍; 前次出院時未治愈的患者其31 天內(nèi)再入院的危險度是治愈患者的3. 098 倍。以下為保護因素: 患者前次入院天數(shù)每增加1 天其31 天內(nèi)再入院的危險度為0.349，即前次住院天數(shù)越長，31 天內(nèi)再入院的機率越小，反之亦然; 患者兩次住院間隔天數(shù)每增加1 天其31天內(nèi)再入院的危險度為0.635，即兩次住院間隔越長，其31 天內(nèi)再入院的機率越小，反之亦然。

3 討論

3.1 疾病嚴重程度是最重要的影響因素

從多因素 Logistic 回歸結果看，反映疾病嚴重程度的指標與患者出院后再入院有直接的聯(lián)系。病史1 年以上、前次合并癥個數(shù)越多、前次入院狀況越危重和前次出院轉(zhuǎn)歸未愈的患者，出院后31 天內(nèi)再入院的機率顯著增大，且在眾多影響因素中反映疾病嚴重程度的指標是最多的，由此可以看出疾病嚴重程度是影響31 天內(nèi)再入院的最重要的影響因素。因此，醫(yī)院應結合患者病情給予合理的治療方案，使每位出院患者都符合出院標準，降低患者因不充分的治療服務而再次入院的機率。

3.2 病種特征是再入院可預防的因素

31 天內(nèi)再入院率高的疾病多為內(nèi)科慢性病，難以根治，且由于病人經(jīng)濟問題等因素，造成了一些病人未完全治愈而出院，這些病人的病情易復發(fā)。內(nèi)科系統(tǒng)疾病應嚴格掌握治愈標準，未完全治愈出院者應介紹到相關醫(yī)療機構跟蹤治療。有研究指出，有12% ～75% 的再入院可通過對病人的教育、出院前評估以及良好的照護而避免［15］。

3.3 年齡特征誘發(fā)再入院

年齡是多數(shù)疾病高發(fā)的人口學因素。再入院的主要人群是中老年人，這與其機體抵抗力下降、易患病有關。如心血管疾病、慢性肺部組織疾患(COPD) 、支氣管哮喘、心肌梗死、糖尿病、高血壓等。從多因素Logistic 回歸結果看，患者的年齡越大，出院后31 天內(nèi)再入院的機率顯著性越高。因此，做好中老年人的醫(yī)療保健，及時發(fā)現(xiàn)，及早治療，這將有利于提高疾病的治愈率，減少再入院率。

3.4 其他可能的影響因素

由于本研究只是對某院的再入院情況進行分析研究，因此會忽視一些可能的影響因素。如等級越高的醫(yī)院，再入院情況越嚴重。有報道稱，病床數(shù)越多的醫(yī)院，患者出院后1 個月內(nèi)再入院的機率越大［12］; 或者等級越高的醫(yī)院患者的疾病嚴重程度越高，易受院內(nèi)交叉感染。此外，還有其他一些因素是導致再入院率高的原因。

［1]Rick McLean，Kumara Mendis，Joe Canalize. A ten－year retrospective study of unplanned hospital readmissions to a regional Australian hospital［J］. Australian Health Review，2008，32(3) :537 －547.

［2]Anderson GF，Steinberg EP. Hospital Readmissions in Medicare Populations［J］.North England Journal Medical，1984(311) :1349 －1353.

［3]Thomas J W，Holloway J J. Investi gating early readmission as an indicator for quality of care studies［J］. Med Care，1991(29) :377 －394.

［4]Milne R，Clarke A. Can readmission rates be used as an outcome indicator［J］.BMJ，1990(301) : 1139 －1140.

［5]Chambers M A，Clarke A. Measuring readmission rates［J］. BMJ，1990(301) :1134 －1136.

［6]Gert PW，Ronald JL，Ilmo Keskimaki，et al. An international study of hospital readmissions and related utilization in Europe and the USA［J］.Health Policy，2002(61): 269－279.

［7]楊 輝，Shane T.再入院:概念、測量和政策意義［J］.中國衛(wèi)生質(zhì)量管理，2009，16(5) :113 －115.

［8]Laurie Landrum M，Weinrich S.Readmission data for outcomes measurement: identifying and strengthening the empirical base［J］. Quality Management in Health Care，2006(15) : 83 －95.

［9]周念松，張 俊，馬謝民，等.北京市某三甲醫(yī)院31 天內(nèi)非計劃性再入院研究［J］.中國醫(yī)院管理，2010，30(4) :18 －20.

［10]Charlson ME，Pompei P，Ales KL，et al. A New Method of Classifying Prognostic Comorbidity in Longitudinal Studies: Development and Validation［J］. Journal Chronic Disease，1987(40) : 373 －383.

［11]Deyo RA，Cherkin DC，Ciol MA.Adapting a Clinical Comorbidity Index for Use with ICD－9－CM Administrative Databases［J］. Journal Clinical Epidemiologic，1992(45) : 613 －619.

［12]羅紀瓊，尤素絹.醫(yī)療總額支付制度對住院醫(yī)療品質(zhì)的初步影響［J］.臺灣公共衛(wèi)生雜志，2010，29(4) :360 －368.

［13]馮國雙，陳景武，周春蓮. Logistic回歸應用中容易忽視的幾個問題［J］.中華流行病學雜志，2004，25(6) :544 －545.

［14]胡良平. 現(xiàn)代統(tǒng)計學與SAS 應用［M］.北京: 軍事醫(yī)學科學出版社，1996.199－214.

［15]Soeken KL，Prescott PA，Herron DG，et al. Predictors of hospital readmission: a meta－analysis［J］. Eval Health Professions，1991(14) : 262 －281.