從2012年開始，美國醫(yī)保只為三類疾病的患者提供30天內(nèi)二次入院免罰，這三類疾病包括：心力衰竭、心臟病發(fā)作以及肺炎。此外選擇性髖關節(jié)與膝關節(jié)置換術(shù)和肺病患者也同樣免罰。其他疾病患者在30天內(nèi)二次入院都會造成醫(yī)保賠付額度下降，這樣的處罰足夠讓醫(yī)療機構(gòu)負責人頭皮發(fā)麻。

2610所醫(yī)院明年的醫(yī)保賠付額度將會降低，他們要為二次入院付出沉重代價。去年，幾乎18%的住院醫(yī)保患者在一個月內(nèi)二次入院，雖然比例降低，但這仍然涉及了兩百萬人次患者以及260億美元住院費用。報告分析認為，其中有170億美元來自潛在可避免的二次入院患者。

醫(yī)院現(xiàn)在被迫關注患者出院后的情況，許多醫(yī)院在嘗試用先進技術(shù)改善患者出院后的跟蹤隨訪。匹茲堡大學醫(yī)學中心(UPMC)ToddPollock表示：“我們正努力探索如何對緊要患者定向干預。”當患者尚在醫(yī)院病床上時，區(qū)別就已經(jīng)開始了。

住院患者綜合分析項目：篩選目標患者

UPMC從電子病歷中提取信息計算風險評分，這些信息包括臨床數(shù)據(jù)、檢驗數(shù)據(jù)等。然后患者基于風險評分被分類，分為二次入院低風險、二次入院中度風險以及二次入院高風險人群。

迄今為止，用這種方式處理信息被證明比“隨意擲幣略勝一籌”。然而，從UPMC健康計劃中添加門診患者數(shù)據(jù)能夠幫助提高其性能。Pollock說：“使用這兩套數(shù)據(jù)能讓你更加提高二次入院高風險患者的預測準確性。”UPMC保險業(yè)務分部首席分析員、醫(yī)學博士PamelaPeele表示，UPMC對兩百萬會員健康計劃擁有整合的交付與財政系統(tǒng)，所以在住院患者方面，他們有能力看到UPMC環(huán)境中的治療過程，以及規(guī)劃中的護理支出計劃。

如果會員今天入院，健康計劃就能預計該會員再入院的可能性。她表示：“我們正在利用患者過去的醫(yī)療服務消費情況來預測再入院可能。這在行業(yè)內(nèi)是個不同尋常的模式。”

當患者正在走出院手續(xù)，治療管理系統(tǒng)現(xiàn)在就有兩種來源的信息。Peele說，看似不同的模型表現(xiàn)同樣優(yōu)異，如果醫(yī)院模型說患者風險很高，“我們要對這些人引起注意，并調(diào)動我們的資源為其服務。”

Pollock表示，健康計劃把用于將高風險評分的資源轉(zhuǎn)化為服務，醫(yī)院著手強化干預的試點項目，項目包括出院電話隨訪、強化協(xié)同用藥、確保患者能負擔藥物并理解出院指導。

Pollock表示，決定試點項目的根本原因是這一項目能幫助UPMC整合“患者得到的服務”。“我們需要些確定的經(jīng)驗來改善這種治療模式的轉(zhuǎn)換。我們?nèi)种坏幕颊咂咛熘畠?nèi)又回來了。我們正使用新術(shù)語‘失敗轉(zhuǎn)換’，來擺脫‘二次入院’，。”

Peele表示，他們已經(jīng)了解到出院后的跟蹤隨訪是至關重要的。“談及再入院率，那些出院后立馬獲得跟蹤服務的患者相比那些沒有被跟蹤的患者來說，顯然存在非常明顯的區(qū)別。”UPMC正在對跟蹤的最佳時機進行建模。結(jié)果顯示患者是否在五天之內(nèi)獲得跟蹤服務，能影響再入院率。“我們將此信息推送給下屬醫(yī)療機構(gòu)，因為出院計劃能關注促使患者回到醫(yī)院隨診。”健康計劃將此視為一項質(zhì)量標準。

心力衰竭項目：試點驅(qū)動增長

伊利諾伊艾文斯頓北岸大學健康系統(tǒng)也進行了降低再入院率的預測分析試點項目，其臨床分析團隊的規(guī)模從3到18人不等，項目的成功很大程度上得益于其心力衰竭再入院項目的成功。臨床和治療信息學副總裁及副CMIO、醫(yī)學博士AriRobicsek表示“我們感覺通過更好的使用分析，投資真正有了回報。”

Robicsek表示，項目經(jīng)理是昂貴且有限的資源，其健康系統(tǒng)傾向于以更有效的方式鎖定干預。“我們只能為小部分患者做非常全面的病歷管理，所以希望能物盡其用。”預測分析能非常有力的指引我們鎖定目標個體——即那些高應用者。

北岸過去每年都花費100萬來為每位患者測試金黃色葡萄球菌抗藥性。在不損害患者安全的情況下，僅僅通過運用預測建模就能知道哪些患者不需要測試，而費用能減少一半。

北岸為心力衰竭患者創(chuàng)建了初始模型，是按照風險級別最高那個象限的患者數(shù)據(jù)進行患病風險分級。經(jīng)過幾個月的模型測試驗證，Robicsek說：“我們識別了影響心力衰竭的好幾百個變量，然后將選擇了35個，運用邏輯回歸技術(shù)建立了試點預測模型。”

該測試模型將患者患病風險分為四級，第一級患者風險最高。驗證該模型經(jīng)歷了數(shù)月，其間并未用積極干預來改變結(jié)果，顯示低風險患者再入院率為12%，中度風險為16%，高風險為33%。

應用測試模型期間，患者數(shù)據(jù)每天進入EMR，再經(jīng)由預測模型工具做每日風險計算。北岸也安裝了警報系統(tǒng)——每天早晨為參與試點各部門人員發(fā)送電子郵件。電子郵件將每位住院的心力衰竭患者標記為高、中、低度風險。臨床工作人員再根據(jù)風險分級干預患者每日的醫(yī)囑，并決定出院后合適的干預措施。

北岸患者群體風險預測最重要的變量是先前入院次數(shù)、藥物治療次數(shù)以及種類，還有幾類檢驗結(jié)果。“在目前的模型中，并發(fā)癥在最終變量清單上并未出現(xiàn)，但對其他科室來說，這個變量可能是重要的。”

除了心力衰竭再入院項目經(jīng)驗，北岸對不斷加強分析的能力，因為他們早先發(fā)現(xiàn)，該模型在普通人群中也表現(xiàn)良好。“我們?yōu)橹d奮，每天早晨都能為醫(yī)療機構(gòu)發(fā)送高風險患者清單信息。”醫(yī)療機構(gòu)會確保這些患者能得到數(shù)次干預，包括在出院前跟社工、職業(yè)治療師、理療師、藥劑師以及心臟病學家溝通。

跟蹤這些干預數(shù)月后，他們發(fā)現(xiàn)只有15%的高風險患者得到了完整的正確干預。Robicsek表示，該團隊重新研究了全過程，并了解到是“工作流程整合太差勁。”

首先，高風險患者清單大約在上午九點到達醫(yī)療機構(gòu)，而查房始于七點，所以清單沒用上。供應商希望信息整合進EMR。“這引導我們著手一系列項目，我們發(fā)現(xiàn)從預測模型中獲取數(shù)據(jù)的方法，建模引擎不在電子病歷系統(tǒng)中。它在醫(yī)院數(shù)據(jù)中心，這里更適合這種復雜計算。”

他表示，最重要的是搭建數(shù)據(jù)中心到電子病歷的橋梁，用以提供數(shù)據(jù)。每位患者都有風險評分圖表，使用患者列表就能訪問。涉及患者治療的任何臨床醫(yī)生都能看到患者的風險評分，促使他們?yōu)楦唢L險行列的患者提供更多關注。

Robicsek說，其結(jié)果就是心力衰竭患者再入院率大幅下降。有個醫(yī)院本可能進入罰款行列，但現(xiàn)在安全了。“真的，對于我們開始在眾多領域開始的一系列預測建模來說，該項目具有里程碑意義。”

北岸為連接其報表工具也建了不同的網(wǎng)橋，允許用戶搜索達到一定標準的患者。

“這是非常簡單的功能，但是我們能基于建于EMR之外的復雜預測模型創(chuàng)建一份報告。”這種網(wǎng)橋被安裝在項目經(jīng)理工作流程中，同時也幫助他們聯(lián)系來年可能住院的高風險患者。

Robicsek表示其健康系統(tǒng)信息技術(shù)出臺了大量規(guī)范，所有都向后連接在EMR報告工作臺。“我們創(chuàng)建了一種回路，從EMR出來的信息被用作分析，結(jié)果又反饋到EMR，因此EMR能為模型提供更多信息。”

慢性阻塞性肺病(COPD)項目：將數(shù)據(jù)化為行動

哈里斯堡PinnacleHealth系統(tǒng)首席醫(yī)療官、高級副總裁GeorgeBeauregard表示，醫(yī)院在2013年中開始了預測分析之旅。“平價醫(yī)療法案頒布的責任醫(yī)療要求，真的需要更深層次的利用和分析數(shù)據(jù)，我認為這使得將數(shù)據(jù)化為行動勢在必行。”

因為該機構(gòu)慢性阻塞性肺病(COPD)的二次入院率連續(xù)幾年居高不下，醫(yī)院承諾要將預測分析轉(zhuǎn)化成行動能力。現(xiàn)在再入院處罰開始實施了，“我們有更多動力變得更加主動，并調(diào)查使用技術(shù)平臺來自助。”

該機構(gòu)在六月開啟COPD二次入院試點項目，實施范圍非常有限，僅一個護理室，用于確保機構(gòu)完全理解工作流程以及所有下游效應。另外，他們想確保預測能引發(fā)相應行動。“如果你不利用預測做任何事，它就毫無價值。你必須整合預測與干預，反饋到系統(tǒng)和工作流程，這才是應用趨勢預測的根本目標。干預必須第一時間與二次入院原因分析聯(lián)系起來。

當COPD試點仍在早期階段時，Beauregard說PinnacleHealth也在探索心力衰竭模型。他們組建了另外一個不同的臨床團隊。“我們得保證能同時運轉(zhuǎn)幾個模型，每個模型處理一些繁重且不同的臨床狀況。”

慢性阻塞性肺病(COPD)項目建模包含了很多變量，包括社會經(jīng)濟學變量、臨床變量、看病史和住院次數(shù)等。有些變量在預測方面更有價值。該模型接受來自PinnacleHealth住院患者EMR的所有臨床信息，涵蓋當日入院診斷為COPD、零點前住院的每位患者。模型預測他們再入院的高中低風險度，也預測住院時間以及下次惡化的間隔時間。

Beauregard表示，現(xiàn)在雖然不能立即實現(xiàn)，但目標是該報告能生成并自動嵌入EMR，目前暫時還是紙質(zhì)報告記錄患者數(shù)據(jù)。這種模型預測、患者人口統(tǒng)計、病歷中的干預清單以及自動報告與報警理念正是理想的目標模式，但他表示“我們還沒達到。”

干預是重要的，因為存在很多不同模型，各具優(yōu)劣。不是所有模型都能捕捉非結(jié)構(gòu)化數(shù)據(jù)，像患者在家是否得到良好支持，這類信息在可開采數(shù)據(jù)領域并非必須記入EMR。

電子病歷是分析基礎

Beauregard表示，健康IT市場充斥著大量不同的預測分析模型，各有優(yōu)劣。“擁有專利資源，這樣你能理解模型是如何運作的，我們感覺這是需要醫(yī)生理解的重要東西，是落地的決定因素。”其他人依靠的是統(tǒng)計方法或微分方程。“這是快速發(fā)展的領域，而在其他部門早已使用，在醫(yī)療方面卻落后了。”

Peele表示，醫(yī)療保險和醫(yī)療補助服務(CMS)中心“已經(jīng)動用白宮來改善醫(yī)療，這點值得肯定。”該機構(gòu)的授權(quán)有助于預測模型市場的增長。模型對數(shù)據(jù)要求高的確是一大挑戰(zhàn)，而大多數(shù)機構(gòu)數(shù)據(jù)整理不夠好。例如，用于健康計劃的數(shù)據(jù)并未用來發(fā)展預測模型而是用來結(jié)賬。

她表示，索賠數(shù)據(jù)的第二用途經(jīng)常被質(zhì)疑。“人們會告訴你索賠數(shù)據(jù)是卑鄙的，索賠數(shù)據(jù)并不卑鄙，而是物盡其用。”在其他用途使用它們比較困難，用戶必須理解數(shù)據(jù)如何生成以及所有細微差別。“如果你沒有具體理解，你創(chuàng)建的模型也是沒有效果。”

目前可用工具的另一擔憂，即信息是如何反饋到臨床醫(yī)生那里的。如果用戶須到醫(yī)院的網(wǎng)站尋找信息或其他東西，他們就會嫌棄。Pollock說：“如果我們不能將風險信息整合進EMR，我們甚至不愿交流。”

怎么開始？

醫(yī)療機構(gòu)并不需要為選擇供應商煩惱。Pollock說，有EMR的機構(gòu)可以這樣開始，即“利用現(xiàn)有資源，不要嘗試創(chuàng)造需要實施的新領域。”他建議可以從結(jié)構(gòu)化信息開始，有很多可用工具來幫助提取結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。

Peele表示，錯誤的搞法就是認為必須花高價買進新產(chǎn)品，然后再花18-24個月來安裝。“不需要花費上千萬。我們現(xiàn)在用的模型就是發(fā)表于美國醫(yī)學會雜志上的，利用已有資源就ok了。”

Robicsek也同意這種說法。“你并不需要昂貴的預測分析，你也許更擅長其他事，不用預測分析也可以提高效率。”例如，你的臨床醫(yī)生幾點才能準備好患者出院所需的服務?這不用預測分析也能識別。

他可以同時建議機構(gòu)先組織和清理數(shù)據(jù)，完成基本的數(shù)據(jù)存儲，然后組建數(shù)據(jù)挖掘的團隊。“之后你就能開始建模了。”

Beauregard表示，再入院患者只可能增加，這是全國醫(yī)療機構(gòu)面臨的普遍挑戰(zhàn)。“所有人都必須考慮如何更加主動的預防再入院。有經(jīng)驗的伙伴也要謹慎推進，勤練手才能做得更好。”再入院數(shù)永遠不可能為零。問題在于哪種再入院率在臨床上是合理可行的。“預測分析最大的價值更多的來源于疾病預防或延緩惡化，確實要改進患者情況，這是試點項目的第一目標。”

Peele說，隨著醫(yī)療機構(gòu)逐漸了解重組工作流程，他們就停不下來了。處罰是變革的原動力，隨著時間推移會變得愈加重要，而醫(yī)院不會再退縮。

關于BI在二次入院中的應用研究

患者二次入院問題對醫(yī)生和醫(yī)院管理者來說，無疑是最前沿的，也是研究的新領域。現(xiàn)在市面上大多數(shù)產(chǎn)品都是由索賠數(shù)據(jù)驅(qū)動，且表現(xiàn)欠佳。在之前參與的心臟病二次入院分析項目中，布朗先生找到了一種方法，這種方法可以為醫(yī)療機構(gòu)提供二次入院的預測能力。隨后，他把這種方法植入新的DartmouthAtlas再入院研究項目。

DartmouthAtlas再入院研究項目旨在“努力發(fā)現(xiàn)EMR或患者生物學中的其他模式或特征，通過觀察異常的生物標記去嘗試識別可能影響再入院率的相關因素。終極治療模型應由計算框架、分子生物學以及治療強度等三類健康系統(tǒng)標識組成。