老年外科患者出院决策的优化：标准医疗与老年医学专家推荐目的地的前瞻性队列研究

《European Geriatric Medicine》：Standard-of-care vs expert-recommended discharge destinations for geriatric surgical inpatients: a prospective observational cohort study

【编辑推荐】为解决老年外科患者出院规划不当导致的术后功能下降和再入院问题，研究人员开展了一项前瞻性观察性队列研究，比较标准医疗出院决策与老年医学专家推荐的匹配度。结果显示27%的决策存在差异，不匹配患者表现出更高的衰弱程度、ADL依赖性和3个月再入院率，提示优化出院目的地选择可改善患者预后。

　　

随着全球人口老龄化进程加速，外科病房中老年患者比例持续攀升。这些高龄患者往往伴有多种慢性疾病和不同程度的衰弱，住院期间面临高达20%-60%的功能衰退风险。更令人担忧的是，不恰当的出院规划可能导致"医源性失能"——即本可避免的依赖状态，成为老年患者术后恢复的主要障碍。在德国乌尔姆大学医学中心的外科病房中，临床医生们面临着一个现实困境：如何为这些复杂的老年患者选择最合适的出院目的地？是直接回家，转入急性老年护理单元，进入急性后康复机构，还是长期护理机构？这个看似简单的决策，实则关系到患者未来的生活质量、功能独立性和医疗资源利用效率。

传统的出院决策多由外科团队基于临床经验做出，但缺乏老年医学的专业视角。与此同时，具备老年医学专业知识的医生数量有限，无法满足日益增长的需求。正是在这样的背景下，"支持外科的老年共病管理与人工智能（SURGE-Ahead）"项目应运而生，旨在通过人工智能技术辅助临床决策，优化老年外科患者的围手术期管理。本研究作为该项目的重要组成部分，首次系统评估了标准医疗出院决策与老年医学专家推荐之间的一致性，并探究了这种一致性对患者预后的影响。

研究方法上，研究团队在2023年2月至2024年3月期间，于乌尔姆大学医学中心的创伤外科、普通与内脏外科以及泌尿外科三个科室开展了一项前瞻性观察性队列研究。纳入标准为70岁及以上、计划接受外科手术且老年人风险识别（ISAR）评分≥2分的患者。最终纳入分析的169名患者平均年龄80.5岁，女性占58.6%，其中创伤外科患者占75.1%。研究人员收集了包括临床衰弱量表（CFS）、Barthel指数（评估日常生活活动能力）、Charité活动指数（CHARMI）等在内的最小老年数据集（MGDS）指标。两名经验丰富的老年医学专家对每位患者进行评估并给出出院目的地推荐，而这一推荐对治疗团队是不可见的。主要观察指标是实际出院决策与专家推荐的一致性，次要结局包括出院后3个月和15个月的功能状态和再入院情况。

研究人群特征

研究纳入的169名老年患者中，出院决策与专家推荐不一致的患者组（n=45）显示出明显不同的基线特征。这些患者年龄更大（82.3岁 vs 79.8岁），ISAR评分更高（3.4 vs 2.9），临床衰弱量表评分更高（4.9 vs 4.0），ASA（美国麻醉医师协会）分级更高（3.1级 vs 2.9级），服用药物数量更多（9.8种 vs 8.5种），护理等级更高，Barthel指数更低（82.1 vs 87.6），新活动评分（NMS）更低（5.5 vs 6.6），且住院时间显著更长（17.0天 vs 10.8天）。这些差异在统计学上均具有显著性，表明不一致组的患者基线状况更为脆弱和复杂。

主要结局

分析显示，标准医疗出院决策与老年医学专家推荐之间存在27%的不匹配率。具体而言，与专家推荐相比，实际决策中更多患者被直接送回家中（44% vs 专家推荐的29%），而较少被转至急性老年护理单元（14% vs 专家推荐的33%）。专家更频繁地推荐患者前往急性老年护理单元或急性后康复机构，而较少推荐直接回家或前往护理院。这种不一致性揭示了当前临床实践与老年医学理想标准之间的差距。

次要结局

在多变量逻辑回归分析调整相关协变量后，研究发现出院决策与专家推荐不匹配与患者更差的功能结局相关。在3个月随访时，不匹配组的Barthel指数下降风险更高（OR=0.35），Charité活动指数下降风险更高（OR=0.31），再入院率也显著更高（24.4% vs 9.7%，OR=0.13）。这些差异在统计学上均具有显著性。然而，在15个月随访时，由于样本量减少和数据的缺失，这些差异不再具有统计学意义，但趋势方向基本一致。

讨论与结论

本研究揭示了老年外科患者出院规划中的一个重要问题：超过四分之一的出院决策与老年医学专家的专业推荐存在差异。这种不一致性在基线状况更为脆弱的患者中更为常见，且与术后3个月内更差的功能恢复和更高的再入院风险相关。这一发现强调了将老年医学专业知识整合入外科患者出院决策过程的紧迫性和重要性。

研究结果支持了老年共病管理模型的价值，特别是其在出院规划这一关键环节的应用。专家更倾向于推荐患者前往能够提供专业康复服务的机构，而非直接回家或长期护理机构，这反映了对老年患者功能恢复潜力的准确评估和优化利用。尽管医疗系统中存在的"容量压力"和床位阻塞问题可能影响实际决策，但本研究中发现的不匹配组更长的住院时间（17天 vs 10.8天）表明，容量压力可能不是导致决策差异的主要原因。

研究的局限性包括样本量较小、观察性设计无法确立因果关系、15个月随访数据缺失较多，以及未详细考察导致决策差异的具体障碍（如床位可用性、保险审批延迟等）。此外，研究背景为德国医疗体系，其诊断相关组（DRG）付费制度可能对住院时间和管理强度产生的影响，限制了结果在其他医疗环境中的直接推广性。

尽管如此，本研究为SURGE-Ahead项目中人工智能临床决策支持系统（CDSS）的开发提供了重要依据。通过识别出院决策这一可干预的关键环节，研究为后续干预试验指明了方向。未来，结合传感器数据（如惯性测量单元IMUs）和机器学习算法，有望实现更精准、个性化的出院规划，最终改善老年外科患者的长期预后。

这项发表在《European Geriatric Medicine》的研究不仅揭示了当前临床实践中的改进空间，也为整合老年医学专业知识、优化外科患者管理流程提供了实证支持。随着人工智能技术在医疗领域的深入应用，这类研究将推动老年外科护理向更加精准、个性化的方向发展，应对人口老龄化带来的挑战。