基于预测成功评分与先入先出方法的减重手术患者优先级框架：一项成本效益分析

本研究针对中低收入国家减重手术供需失衡问题，创新性地提出基于术前临床参数的预测评分系统（PSS）。通过蒙特卡洛微观模拟模型，从巴西公共卫生体系视角比较PSS与传统先入先出（FIFO）队列的成本效益。结果显示PSS策略在所有供给情境下均具有经济性（ICER：R$227-2883），显著降低心血管死亡率并提升质量调整生命年（QALY），为资源有限医疗系统提供了科学优先级的分配方案。

　　

在全球肥胖流行态势日益严峻的背景下，减重手术已成为治疗严重肥胖的重要疗法。然而在巴西等中低收入国家，医疗资源供给与患者需求之间存在显著失衡，大量符合手术指征的患者面临漫长等待周期。现行医疗系统采用先入先出（FIFO）的排队原则，这种看似公平的方式却可能造成医疗资源利用效率低下——那些最能从手术中获益的患者可能因排队顺序而错失最佳治疗时机，而获得手术的患者未必能实现最理想的健康产出。这种资源错配不仅影响个体健康结局，更导致整体医疗系统效能的下降。

为解决这一难题，来自巴西联邦大学南里奥格兰德分校的研究团队在《Value in Health Regional Issues》发表了创新性研究。他们基于Blume等人开发的预测成功评分（PSS）系统，构建了蒙特卡洛微观模拟模型，从巴西统一医疗体系（SUS）的视角，科学评估了基于临床预测评分的优先策略与传统FIFO队列的成本效益差异。这项研究首次将预测分析模型应用于减重手术优先级决策领域，为资源有限地区的医疗资源优化配置提供了重要循证依据。

研究采用RStudio平台构建蒙特卡洛微观模拟分支模型，模拟周期为120个月（10年），年度贴现率设定为5%。模型纳入1000名虚拟患者队列，其临床参数来源于Hospital de Clínicas de Porto Alegre医疗中心的真实等待手术患者数据库。关键技术方法包括：1）基于部分最小二乘回归开发的预测评分算法，整合年龄、非酒精性脂肪肝（MAFLD）、持续正压通气（CPAP）使用时间等6项术前预测因子；2）通过Framingham风险评分计算个体化心血管死亡率；3）采用巴西国家医疗报销表中的成本数据；4）在不同供给约束情境下（每月1-50台手术）进行确定性敏感性分析。

方法学框架与模型构建

研究人员开发了具有每月周期特性的微观模拟模型，模拟两个并行分支：评分分支根据患者预测成功分数降序排列优先手术，队列分支则按随机分配的队列位置决定手术顺序。每个模拟周期中，系统会更新临床参数、重组等待队列，并记录手术实施、健康状态转换、成本累积和质量调整生命年（QALY）变化。模型充分考虑了术后临床参数的动态变化，包括体重指数（BMI）、收缩压（SBP）、高密度脂蛋白（HDL）胆固醇等指标在不同时间区间（第一年、第二年、第三至五年、第五至十年）的演变规律。

预测评分系统的科学基础

预测成功评分系统源于Blume等人的前期研究，通过对接受Roux-en-Y胃旁路手术患者的多元数据分析得出。该评分系统综合评估五个维度的治疗成功标准：超重体重减少量、呼吸机使用情况、降糖药使用数量、降压药使用数量以及全因死亡率。研究采用90/10的数据分割方式进行训练与验证，最终确定六个核心预测变量：年龄、非酒精性脂肪肝（MAFLD）存在与否、持续正压通气（CPAP）使用时长、阻塞性睡眠呼吸暂停（OSA）存在情况、心血管疾病负面病史以及抗高血压药物需求数量。每个变量被赋予特定权重，共同构成预测患者手术成功概率的综合评分体系。

结果：成本效益与健康产出优势

across all analyzed scenarios, the incremental cost-effectiveness ratio of using the success score over performing surgery via queue ranged from R227toR2883 (45to579 in the current exchange rate), falling well below commonly used willingness-to-pay thresholds. The cohorts prioritized by the score had longer total life-years, less cardiovascular mortality, and slightly higher costs associated with surgical procedures and management of chronic illnesses.

在不同供给约束情境下，评分策略展现出显著的成本效益优势。当每月实施1台手术时，评分策略的增量成本效果比（ICER）为1583.20雷亚尔/QALY；当每月手术量增加至50台时，ICER降至223.00雷亚尔/QALY，远低于常规支付意愿阈值。评分优先队列呈现出更优的健康产出：总生命年延长、心血管死亡率降低，虽然手术程序和慢性病管理成本略高，但获得了更多的质量调整生命年（QALY）。

结果：手术实施与成本构成差异

研究发现，两种策略在手术实施数量上存在有趣差异。在供给严重受限的情境下（每月1-5台手术），评分策略反而比队列策略实施了更多手术。这是因为队列策略中部分高风险患者可能在等待期间死亡，从而减少了实际手术数量；而评分策略通过优先处理高获益患者，确保了有限资源的最大化利用。成本构成分析显示，评分策略的"疾病成本"（包括急性心肌梗死、脑卒中、充血性心力衰竭和糖尿病的管理费用）比例较高，但这与其延长患者生存时间、需要更长期慢性病管理的特性相符。

结果：死亡率与心血管疾病负担

评分优先策略显著降低了全因死亡率，这种优势在中等供给约束情境下（每月10-20台手术）最为明显。同时，该策略还减少了严重心血管疾病的发生率，尽管队列策略中由于患者更早死亡，反而记录到较低的心血管疾病 prevalence。这一发现揭示了评分策略通过优先处理高风险高获益患者，有效防止了可避免的死亡和残疾，从而提升了整体人群健康水平。

讨论与政策启示

本研究存在若干局限性：Blume开发的预测评分系统作为首次尝试，其预测精度仍有提升空间；Framingham风险方程源自不同人群，在巴西人群中的适用性有待验证；采用固定报销成本可能低估实际疾病负担。然而，这些局限性反而使研究结论更加稳健——即使在保守估计下，评分策略仍显示出显著优势。

研究结果对公共卫生政策制定具有重要启示。在巴西当前环境下，患者可能需要等待长达9年才能获得减重手术机会。实施基于预测评分的优先策略，类似于器官移植领域的分配原则，既能提高医疗资源利用效率，又符合公平伦理——让最需要且最能受益的患者优先获得治疗。这种价值医疗（Value-Based Healthcare）理念的实施，有望在不大幅增加医疗支出的情况下，显著提升人群健康水平。

结论与展望

研究表明，基于预测成功评分的优先策略是一种经济有效的医疗资源分配方式，在不同供给约束环境下均能产生更优的健康产出。其增量成本效果比远低于常规支付意愿阈值，与减重手术本身在巴西人群中的成本效益特征相一致。未来研究方向包括开发更高精度的预测评分系统，以及通过完美信息期望值（EVPI）分析指导临床研究设计。在肥胖流行持续加剧、医疗资源永远有限的现实背景下，采用科学预测评分替代简单排队机制，将成为实现医疗资源优化配置的必然选择。