基于NIHSS与医保数据融合的脑卒中混合质量指标开发及预后预测价值评估

《Scientific Reports》：Evaluation of hybrid stroke quality indicators by integrating NIHSS and claims data for improved outcome prediction

本研究针对单纯基于医保数据评估脑卒中医疗质量存在局限性的问题，通过整合美国国立卫生研究院卒中量表（NIHSS）临床严重度数据与医保数据，开发了混合质量指标（QIs）。研究采用XGBoost机器学习模型，发现纳入NIHSS显著提升了30天死亡率、90天内再梗死及180天内护理等级增加等结局的预测效能（ROC-AUC提升高达15%），证明混合指标能更准确进行风险调整和医院排名，为脑卒中医疗质量评估提供了新方法。

　　

脑卒中作为全球范围内致残和致死的主要原因之一，给医疗系统带来了沉重负担。准确评估脑卒中医疗质量对于优化患者预后至关重要。然而，当前主要依赖医保数据进行质量评估存在明显局限性——这些出于行政管理目的收集的数据往往缺乏关键的临床细节，特别是无法反映患者入院时的卒中严重程度。传统指标如死亡率和住院时长只能提供有限的视角，无法全面捕捉再灌注治疗等关键流程的有效性。因此，开发能够结合临床信息的混合质量指标（Quality Indicators, QIs）成为提升脑卒中医疗质量评估准确性的关键挑战。

在德国，虽然国家卒中协会认证的卒中单元需要系统收集结构化临床数据，但这些数据通常单独存储，难以与医保数据进行有效关联和分析。这就导致了现有质量评估体系可能存在残留混杂偏倚，影响评估结果的可靠性。为了解决这一问题，Thomas Datzmann等研究人员在《Scientific Reports》上发表了题为"Evaluation of hybrid stroke quality indicators by integrating NIHSS and claims data for improved outcome prediction"的研究，旨在开发一种融合临床卒中严重程度数据（通过美国国立卫生研究院卒中量表NIHSS测量）与医保数据的混合质量指标，以更准确地评估脑卒中医疗质量。

为了回答这些科学问题，研究团队开展了一项多中心回顾性研究，将德国法定健康保险"AOK-Die Gesundheitskasse"的医保数据与15家参与医院（2017-2020年）的临床数据进行患者个体层面的链接，并在观察性医疗结局合作组织（Observational Medical Outcome Partnership, OMOP）数据模型中进行了标准化。研究纳入了9，348例缺血性卒中（ICD-10-GM：I63）和1，554例出血性卒中（ICD-10-GM：I61）患者，其中5，012例患者可获得NIHSS评分。通过组建医学专家小组确定了35-39个潜在风险因素，应用极端梯度提升（XGBoost）机器学习算法建立了三个结局的预测模型：30天死亡率、90天内再梗死和180天内护理等级增加。通过比较包含与不包含NIHSS的模型性能，并计算标准化事件比（Standardized Event Ratios, SER）进行医院排名，评估混合质量指标的增值效应。

主要技术方法

研究采用回顾性设计，将医保数据与15家医院临床数据链接并转化为OMOP公共数据模型。通过医学专家小组确定风险因素和结局定义，应用XGBoost机器学习算法建立预测模型，使用受试者工作特征曲线下面积（ROC-AUC）和Brier评分评估模型性能，通过标准化死亡率比（Standardized Mortality Ratio, SMR）进行医院排名比较，并进行排除NIHSS=32分患者的敏感性分析。

模型拟合优度

研究比较了基于单纯医保数据与混合数据（包含NIHSS）的XGBoost模型性能，发现纳入NIHSS显著提升了所有三个结局的预测能力。对于30天死亡率，混合模型的ROC-AUC值绝对提升高达15%（缺血性卒中：0.7579→0.8736；出血性卒中：0.6482→0.8002）。Brier评分也显示混合模型具有更好的校准能力。敏感性分析排除NIHSS=32分的患者后，结果保持一致，证明NIHSS作为预测因子的稳健性。

变量重要性度量

NIHSS被确定为最重要的预测变量，在30天死亡率和90天内再梗死的预测中排名第一，在180天内护理等级增加的预测中至少排名第二。这一发现在缺血性和出血性卒中患者中均保持一致。在单纯基于医保数据的模型中，年龄和入院前护理等级是主要影响因素，但其重要性远低于NIHSS。其他医保数据变量对模型的影响可以忽略不计。

标准化事件比

比较基于医保数据与混合数据的医院排名发现，两者存在显著差异。Spearman等级相关系数在-0.71至0.92之间，取决于具体结局和卒中类型（I61或I63）。特别是基于30天死亡率的标准化死亡率比（SMR）显示较差的相关性（ρ：-0.71，0.45），表明纳入NIHSS显著改变了医院质量评估结果。

研究结论与讨论

本研究证明，将NIHSS临床严重度信息纳入医保数据基础的质量指标中，可以显著改善脑卒中医疗质量评估的风险调整。NIHSS作为卒中严重程度的代理指标，在所有三个结局的预测中均表现出最重要的影响力，特别是在高度依赖患者入院状态的30天死亡率预测中，ROC-AUC的绝对提升高达15%，凸显了临床严重度数据在提升预测准确性方面的价值。

然而，研究也揭示了实施混合质量指标面临的挑战。仅有9家（共15家）医院提供了NIHSS数据，混合数据集样本量减少至5，012例患者，反映出临床数据可及性的限制。尽管有标准化数据收集协议存在于认证的卒中单元中，但不同系统间缺乏互操作性阻碍了数据的有效链接和使用。尽管如此，有和无NIHSS信息的患者基线特征无显著差异，表明子集仍具有代表性。

混合质量指标的实施具有重要的医疗质量和政策意义。随着公众对医疗质量关注度的增加，基于可靠方法的透明质量报告变得至关重要。本研究表明，单纯使用医保数据（不包含卒中严重度信息）可能导致医院排名的错误分类，特别是对于出血性卒中的30天死亡率评估。因此，基于医保数据的死亡率不应单独作为质量指标使用。

未来，需要在政策层面支持临床数据的持续收集和质量保证，以确保跨机构数据的一致性和可比性。混合质量指标不仅能够提高急性期护理评估的准确性，还能为预防策略提供信息，促进更一体化的脑卒中护理模式。尽管NIHSS已显示出显著的增值效应，但仍需进一步研究确定是否还需要其他临床参数来达到充分的风险调整。

总之，这项研究为改进脑卒中医疗质量监测提供了重要方法学贡献，强调了临床数据与行政数据融合的价值，为医疗质量评估的精准化发展指明了方向。