《Scientific Reports》：Association between healthcare utilization patterns and long-term all-cause mortality after acute myocardial infarction discharge in South Korea
编辑推荐：
为解决急性心肌梗死(AMI)患者长期生存率低、需早期识别高危人群的临床难题，研究人员开展了一项关于医疗资源利用模式与长期死亡风险关联的研究。该研究利用韩国国民健康保险服务-国家样本队列(NHIS-NSC)数据，通过潜在类别线性混合模型(LCMM)识别了四种医疗资源利用轨迹。结果显示，在老年人群中，高利用组和次高利用组的死亡风险显著高于利用下降组(HR分别为1.96和2.05)。该研究证实，医疗资源利用模式可作为AMI患者长期死亡风险的预测指标，为构建数字健康预警模型提供了新思路。
论文解读
研究背景：急性心肌梗死的“生死劫”与医疗数据的“金矿”
急性心肌梗死(AMI)是心血管疾病中的“头号杀手”，以其高死亡率著称。在韩国，2021年AMI的死亡率高达每10万人中18.9例，且出院后的死亡风险依然严峻。数据显示，2018年AMI患者出院后3天内死亡率达6.9%，2019年30天内死亡率达11.0%，远高于经合组织(OECD)8.8%的平均水平。因此，如何提高AMI患者的长期生存率，成为临床和公共卫生领域亟待解决的难题。
传统的死亡风险预测模型多依赖于人口学特征、合并症(如Charlson合并症指数, CCI)以及临床指标。然而，这些信息往往在患者出院后难以持续、全面地获取。与此同时，随着医疗信息化的发展，海量的医疗资源利用数据（如门诊就诊次数、住院天数、医疗费用等）被记录下来。这些数据不仅是医疗行为的记录，更可能成为反映患者真实健康状况的“潜变量”。根据安德森行为模型，医疗利用和费用受多种因素影响，其中“需求因素”直接反映了患者的健康状况。因此，利用这些易于获取的医疗利用数据来预测长期死亡风险，具有巨大的潜力和现实意义。
研究方法：数据挖掘与轨迹建模
为了验证这一设想，研究人员开展了一项基于韩国国民健康保险服务-国家样本队列(NHIS-NSC)的回顾性队列研究。该队列覆盖了韩国约2.2%的人口，具有全国代表性。研究纳入了2011年至2019年间接受手术治疗的AMI患者，并排除了出院后120天内死亡的患者，以消除“不朽时间偏倚”。最终，共有3,535名患者被纳入分析。
研究团队的核心方法是利用潜在类别线性混合模型(LCMM)，对患者出院后120天内的医疗资源利用轨迹进行建模。该模型能够识别出具有相似利用模式的患者亚组，从而将异质性人群划分为不同的“类别”。研究关注的利用指标包括门诊就诊次数、住院天数(LOS)和医疗费用。通过比较不同模型的贝叶斯信息准则(BIC)，最终确定了四类利用模式。
在识别出利用模式后，研究采用Cox比例风险模型，以出院后120天为界标点，分析不同利用模式与长期全因死亡率之间的关联，并调整了年龄、性别、收入、合并症等多种混杂因素。
研究结果：四种轨迹揭示不同命运
1. 医疗资源利用模式的识别
通过LCMM分析，研究人员成功识别出四种截然不同的医疗资源利用轨迹：
- •
高利用组 (Class 1)：该组患者在出院后120天内，门诊就诊次数、住院天数和医疗费用均维持在最高水平。
- •
次高利用组 (Class 2)：该组患者的医疗利用水平较高，但略低于高利用组。
- •
利用下降组 (Class 3)：该组患者的医疗利用水平在出院后呈现明显的下降趋势。
- •
反J型利用组 (Class 4)：该组患者的医疗利用水平在出院后先下降，随后又出现小幅回升。
2. 不同利用模式患者的死亡率差异
在3,535名患者中，共有266人(7.5%)在观察期内死亡。不同利用模式组的死亡率存在显著差异(χ2=27.5, p<0.001)。其中，高利用组的死亡率最高，为10.9%；次高利用组为9.1%；利用下降组最低，为4.7%；反J型利用组为5.7%。Kaplan-Meier生存分析也证实，不同利用模式组的生存曲线存在显著差异(log-rank test, p<0.001)。
3. 利用模式是老年患者死亡的独立预测因子
Cox比例风险模型分析揭示了利用模式与死亡风险之间的关联：
- •
全人群分析：与利用下降组相比，高利用组的死亡风险显著增加(HR=1.72, 95% CI: 1.10-2.70)，次高利用组的死亡风险也显著增加(HR=1.60, 95% CI: 1.06-2.42)。反J型利用组与利用下降组无显著差异。
- •
老年人群(≥65岁)分析：关联更为显著。高利用组的死亡风险是下降组的1.96倍(95% CI: 1.13-3.42)，次高利用组的死亡风险是下降组的2.05倍(95% CI: 1.22-3.43)。
- •
年轻人群(<65岁)分析：各利用模式组间的死亡风险无显著差异。
结论与讨论：从“费用”到“预警”的范式转变
本研究通过挖掘医疗资源利用数据，成功识别了AMI患者出院后的四种利用轨迹，并证实了这些轨迹与长期全因死亡率之间的显著关联。特别是在老年人群中，高利用和次高利用模式是死亡风险增加的独立预测因子。
这一发现具有重要的理论和实践意义。首先，它证实了医疗资源利用模式可以作为反映患者健康状况的“潜变量”。高利用模式可能并非医疗资源的浪费，而是患者病情更重、更复杂的客观体现。其次，该研究为临床实践提供了新的风险分层工具。相比于复杂的临床检查，门诊就诊次数、住院天数等利用信息更容易获取，且能动态反映患者出院后的健康状况变化。这为构建数字健康预警模型、实现高危患者的早期识别和干预提供了有力证据。
研究也存在一些局限性，例如无法获取详细的临床检验指标，且结果可能受到医疗政策变化的影响。然而，在韩国统一的医疗保险体系下，这种影响相对较小。未来研究若能整合临床、实验室数据与利用模式，将有望构建出更精准的预测模型。
总之，这项研究将视角从传统的临床指标转向了易于获取的医疗利用数据，为改善AMI患者的长期预后开辟了新的路径。它提示我们，医疗资源利用模式不仅是经济负担的体现，更是预测患者命运的“晴雨表”，值得在未来的精准医疗和公共卫生管理中予以高度重视。
