儿童急性住院患者住院时长的影响因素分析：一项历史性队列研究

《BMC Pediatrics》：Prognostic factors associated with length of stay in children with an acute admission to a pediatric ward: a historical cohort study

本研究针对儿童急性入院后住院时长（LOS）预测困难的问题，通过一项历史性队列研究，探讨了与LOS相关的预后因素。研究发现，入院24小时内涉及≥3个儿科亚专科、疾病严重程度以及出院后需要家庭医疗护理是LOS延长的最强预测因素。该模型解释了29%的LOS变异，为优化床位管理和患者咨询提供了依据。

　　

对于突然生病需要住院的孩子和他们的父母来说，住院要住多久往往是个未知数，这带来了不小的压力和不确定性。同时，对于医院管理者而言，准确预测住院时长（Length of Stay, LOS）是进行高效的床位容量管理、控制不断上涨的医疗成本的关键。尽管之前的一些研究已经探讨过影响儿童住院时长的因素，但这些研究大多集中在急诊科，或者没有区分计划入院和急性（非计划）入院。那么，对于那些因急性疾病被收治到普通儿科病房的孩子们来说，哪些因素会影响他们住院时间的长短呢？这个问题对于安抚家庭情绪、优化医院资源分配至关重要。

为了回答这个问题，来自荷兰阿姆斯特丹大学医学中心Emma儿童医院的研究团队进行了一项大规模的历史性队列研究，相关成果发表在《BMC Pediatrics》上。研究人员回顾性分析了2017年至2022年间9209名0至18岁急性入院患儿的电子病历数据。他们从文献和专家意见中筛选出16个潜在的预后因素，涵盖人口统计学、临床特征和医院管理三大类。研究采用单变量线性回归分析进行初步筛选，随后通过多变量回归分析构建最终模型，以确定与住院时长独立相关的因素。

本研究主要依赖于对现有电子病历数据（EPIC系统）的回顾性分析。关键技术方法包括：1) 基于预定义的纳入排除标准，确定来自Emma儿童医院普通儿科病房的9209名急性入院患儿作为研究队列；2) 使用单变量线性回归（p<0.2为阈值）初步筛选与对数转换后的LOS相关的潜在预后因素；3) 采用多变量线性回归结合逐步向后选择法（p<0.05）建立最终预测模型，并评估其方差膨胀因子（VIF）以排除多重共线性，最终模型的拟合优度由解释方差（R2）表示。

结果

基线特征

研究共纳入9209名儿童，他们的中位住院时长为2.7天（IQR为1.1至5.8天）。大部分儿童（67.4%）在研究期间仅入院一次，中位年龄为4.7岁。

单变量分析结果

单变量分析显示，在16个预设因素中，女性性别、新生儿期（0-30天）、从其他学术医院或产科病房转入、入院24小时内涉及2个或≥3个儿科亚专科、较高的疾病严重程度评分（基于异常生命参数数量）、较高的儿科早期预警评分（PEWS）、存在语言障碍、周五入院以及出院后需要家庭医疗护理等因素与较长的LOS相关。而年龄大于1个月、在周末或夜间入院、接受过手术等因素则与较短的LOS相关。

多变量分析结果

多变量回归分析最终确定了14个与LOS显著相关的独立预后因素。其中，10个因素预示着LOS延长，4个因素预示着LOS缩短。

人口统计学变量

女性患儿的LOS显著长于男性（β = 0.10）。与新生儿（0-30天）相比，1-12个月、1-3岁和4-11岁年龄组的LOS显著缩短，而12-18岁年龄组与新生儿的LOS无显著差异。

临床变量

入院24小时内涉及≥3个儿科亚专科是LOS最强的正向预测因素（β = 1.06）。疾病严重程度越高，LOS越长，拥有3个（β = 0.73）或≥4个（β = 0.81）异常生命参数的患儿LOS增加最为明显。出院后需要家庭医疗护理同样强烈预示LOS延长（β = 1.00）。此外，有既往住院史（尤其是≥5次）、30天内再入院、从其他医院或门诊转入、诊断性检查数量多、存在语言屏障以及较高的首次PEWS评分也与较长的LOS独立相关。值得注意的是，在住院期间接受过手术反而与较短的LOS相关（β = -0.25）。

管理变量

在管理因素中，与参考时段（08.00-12.00）相比，在夜间（20.00-00.00）和凌晨（00.00-04.00）入院与较短的LOS相关，这可能是因为这些时间入院的患者往往在次日白天即可出院。一周中的某天或一年中的某个月份入院与LOS无显著独立关联。

讨论与结论

这项研究揭示了在学术儿科医院普通病房急性入院患儿的住院时长与一系列复杂的因素相关。最强的预测信号来自于医疗复杂性，例如需要多学科协作（≥3个亚专科参与）、病情严重（异常生命参数多）以及出院后仍需专业支持（家庭医疗护理）。这表明，识别和管理临床复杂的病例是缩短平均住院时间的关键。研究结果有助于临床医生和医院管理者更早地识别可能面临长期住院的患儿，从而提前进行多学科协调和出院规划，优化床位资源的使用，并为家庭提供更准确的预期。

然而，最终构建的预测模型仅能解释29%的LOS变异，这凸显了在异质性强的普通儿科急性入院人群中精确预测住院天数的内在挑战。LOS的差异可能还受到许多未测量因素（如具体诊断、社会心理因素、临床决策差异）以及医疗实践模式随时间变化的影响。因此，尽管本研究识别出了重要的关联因素，但要构建一个高度精确的通用预测模型仍十分困难。未来的研究或许可以尝试在更具同质性的患儿群体（如特定疾病诊断）中开发预测工具，或者探索动态的、实时更新的预测方法，以提高其实用性和准确性。

总之，这项研究为理解影响儿童急性住院时长的因素提供了宝贵的见解。它强调，早期关注患者的医疗复杂性和出院规划需求，对于改善患者流和医院资源管理具有重要意义。尽管预测整体人群的住院时长充满复杂性，但识别出的关键因素无疑将为临床实践和医院管理的精细化改进指明方向。