确定老年人居住机构中有效感染预防与控制的障碍与促进因素：一项基于理论领域框架的定性研究

《American Journal of Infection Control》：Identifying barriers and enablers to effective infection prevention and control in residential aged care: a qualitative study using the Theoretical Domains Framework

本研究比较了电子健康记录（EHR）自动统计模型与手工图表审查（ACS-NSQIP）在术后感染风险调整结果评估上的效果，结果显示两者在五种医院和四种感染类型上具有高度相关性，证实了基于EHR的自动化模型在术后感染监测中的可行性和有效性。

　　

Kathryn L. Colborn|Yizhou Fei|William G. Henderson|Yaxu Zhuang|Adam R. Dyas|Michael E. Matheny|Christina M. Stuart|Robert A. Meguid

摘要

背景

本研究将基于电子健康记录（EHR）数据的统计模型估算的风险调整后的术后感染结果（“自动化”方法）与美国外科医师学会国家外科质量改进计划（ACS-NSQIP）采用的手动病历审查结果进行了比较。

材料与方法

研究纳入了2013至2019年间在一家医疗系统内的五家大型医院接受九个外科专科手术的成年患者。共有307,335名患者接受了441,047次不同的手术。其中30,603名患者的记录被链接到当地的ACS-NSQIP数据库（链接率为97%）。研究使用了先前发布的模型来估算术前风险和术后感染的发生率，从而计算出手术部位感染、尿路感染、败血症/脓毒性休克和肺炎的观察到的事件与预期事件比率（O/E）。

结果

在比较五家医院的EHR自动化方法和手动病历审查方法时，风险调整后的感染结果（以O/E比率表示）相似。医院间O/E比率的皮尔逊相关系数为0.77，平均绝对差异为0.13，且100%的置信区间相互重叠。随着感染发病率的增加，各感染类型的关联性和平均绝对差异也有所改善。

讨论

将简洁的统计模型应用于EHR数据，可以准确估算所有手术的风险调整后的术后感染结果。

结论

这些模型可用于加强医院感染监测，从而提升医院质量。

部分内容摘录

背景

术后并发症较为常见且费用高昂，预计随着人口老龄化以及合并症的增多，这种情况会进一步加剧。1, 2 根据美国外科医师学会国家外科质量改进计划（ACS-NSQIP）的数据，13%的接受大手术的患者会出现术后并发症，其中超过一半是由感染引起的。3 并发症对医疗系统造成重大影响，降低患者的生活质量，并增加医疗成本。

材料与方法

本研究获得了科罗拉多多机构审查委员会（#20-1862）的批准。研究使用了两种数据来源：1）2013年6月30日至2019年10月16日期间在科罗拉多大学健康中心（UCHealth）五家医院进行的所有手术的结构化EHR数据；2）同一时期当地的ACS-NSQIP登记数据（约占全部EHR手术数据的7%）。

结果

在2013年6月30日至2019年10月16日期间，EHR数据中共记录了9个外科专科的661,664例手术。我们仅保留了每位患者在30天周期内首次进行的手术记录，因此从307,335名患者的完整EHR数据集中得到了441,047例独特的手术记录。手术分布情况详见补充表3。由于缺乏术前EHR数据，共有227例（占441,047例的0.05%）被排除在外。

讨论

将简单的统计模型应用于结构化EHR数据，可以准确估算所有手术的风险调整后的术后感染结果。

结论

这些模型可用于加强术后感染监测，从而提升医院质量。

部分内容摘录

背景

术后并发症较为常见且费用高昂，预计随着人口老龄化和合并症的增多，这种情况会进一步加剧。1, 2 根据美国外科医师学会国家外科质量改进计划（ACS-NSQIP）的数据，13%的接受大手术的患者会出现术后并发症，其中超过一半是由感染引起的。3 并发症对医疗系统造成重大影响，降低患者的生活质量，并增加医疗成本。

材料与方法

本研究获得了科罗拉多多机构审查委员会（#20-1862）的批准。研究使用了两种数据来源：1）2013年6月30日至2019年10月16日期间在科罗拉多大学健康中心（UCHealth）五家医院进行的所有手术的结构化EHR数据；2）同一时期的当地ACS-NSQIP登记数据（约占全部EHR手术数据的7%）。

结果

在2013年6月30日至2019年10月16日期间，EHR数据中共记录了9个外科专科的661,664例手术。我们仅保留了每位患者在30天周期内首次进行的手术记录，因此从307,335名患者的完整EHR数据集中得到了441,047例独特的手术记录。手术分布情况详见补充表3。由于缺乏术前EHR数据，共有227例（占441,047例的0.05%）被排除在外。

讨论

我们将简单的统计模型应用于结构化EHR数据，发现其估算的术后感染并发症的风险调整结果与手动病历审查的结果相似，并且可以扩展到所有手术患者，从而提供更精确的估算。对于手术部位感染（SSI），这种方法的准确性最高；随着各感染类型的发病率增加，其准确性似乎也有所提高。ASPIN方法可以用于补充或替代手动病历审查。

结论

将ASPIN模型应用于结构化EHR数据，可以以较低的成本增强或最终替代手动病历审查，用于术后感染的风险调整监测。ASPIN的结果可以及时反馈给外科医生。

利益冲突

这些数据来源于ACS-NSQIP和参与研究的医院；ACS未对数据分析的统计有效性或作者得出的结论进行验证，也不对此负责。所有作者均声明与本文无关的任何利益冲突。

致谢

.

资金支持

本项目得到了医疗研究与质量局（Agency for Healthcare Research and Quality）的R01HS027417号资助。内容仅代表作者的观点，不一定反映医疗研究与质量局的官方立场。