《Frontiers in Oncology》：Research progress on discharge readiness service practices for patients undergoing endometrial cancer surgery
编辑推荐：
这篇综述系统梳理了子宫内膜癌（EC）手术患者出院准备服务的核心要素，围绕评估工具、服务内容构建、实施流程及结局评价展开深入探讨。文章指出需开发EC特异性评估工具，强调多学科协作（MDT）和护士主导的个性化教育（如回授法）的关键作用，并提倡整合数字健康平台优化延续护理。综述为建立标准化、循证的服务路径提供了实践框架。
引言
子宫内膜癌（EC）是全球常见的妇科恶性肿瘤，发病率持续上升。手术是其主要治疗方式，随着微创技术和加速康复外科（ERAS）协议的广泛应用，住院时间显著缩短，这使得出院准备服务成为确保患者安全过渡至家庭、预防再入院的关键环节。出院准备已从最初的生理稳定概念，发展为涵盖患者知识、自我照护能力、心理社会状态及家庭支持充足度的多维构念。
子宫内膜癌手术患者出院准备评估工具
术后恢复的差异性要求采用个体化照护策略。现有出院准备评估工具虽能覆盖健康状况、心理支持和自我管理能力等基本维度，但多为普适性工具，缺乏对EC患者特殊需求（如淋巴水肿风险、性功能问题）的关注。例如，源自普通肿瘤人群的照护者准备度量表（CPS）和出院指导质量量表（QDTS）内容效度尚可，但在EC亚人群中的结构效度未经验证。广泛用于外科的出院准备度量表（RHDS）及其患者版（PT-RHDS）在普通外科队列中信效度良好，但对EC疾病特异性后遗症的生态效度和内容效度有限。莱斯指数等预测工具虽在再入院风险的标准效度和预测效度方面表现优异，但基于行政数据，无法评估患者主观准备度或指导个体化出院计划。因此，开发整合性健康、淋巴水肿管理等关键领域的EC特异性评估工具至关重要。
构建子宫内膜癌患者出院准备服务内容
服务内容构建需以疾病特征为核心，整合肿瘤治疗（如手术范围、激素治疗需求）和患者代谢特征（如高发的肥胖等合并症），并遵循多维需求评估和跨学科协作两大机制。
科学的多维需求评估机制：传统依赖照护者报告的方式主观性强。证据表明，标准化风险评估工具可通过对高危患者的早期识别，使普通外科人群可避免再入院率降低12-30%。将患者报告结局（PROMs）纳入常规评估能显著改善医患沟通，识别心理困扰和身体功能等未满足需求。未来可利用多源数据整合（如基于特定临床数据集的机器学习模型）开发预测性多维评估系统。
系统的跨学科协作模式：多学科团队是提供高质量出院准备服务的基础。EC出院团队应包括妇科肿瘤医生、外科医生、护士、康复治疗师、营养师、心理医生/精神科医生和社会工作者。结构化MDT照护可通过改善照护协调和患者教育，使复杂慢性病的30天非计划再入院率显著降低（如从16.4%降至9.0%）。将协作延伸至社区提供者并积极让患者和照护者参与的计划（如ASSIST出院倡议）至关重要。
护士主导的个性化服务实施：护士作为关键协调者和实施者，其主导的出院干预能显著降低外科患者30天再入院率和急诊就诊率，并改善日常生活活动能力、生活质量和满意度。在早期恢复阶段，基于证据的健康教育是赋能患者自我管理的基石。ERAS在微创妇科肿瘤手术中的综述证实，护士主导的出院教育作为ERAS关键组成部分，提高了当日出院率而未增加再入院风险。个性化教育计划应基于最佳证据，涵盖活动指导、治疗依从性和合并症管理等关键术后需求，并采用回授法等结构化沟通技巧确保理解度。证据表明患者参与不足与再入院风险升高强相关。为确保照护连续性，实施“评估、教育、反馈、调整”的动态迭代周期至关重要。
子宫内膜癌患者出院准备服务的实施
实施策略直接影响患者结局。针对全关节置换术患者的研究显示，围术期外科病例管理模式将30天非计划再入院率降至2.1%（标准护理为5%-10%），但可能略微延长住院时间，提示需根据患者具体情况优化策略。日常生活活动能力（ADL）评分低（≤60分）、需管饲、合并症控制差及主要照护者能力有限等因素是延长住院时间的显著预测因子。
当代信息技术为增强服务提供了创新机遇。数字健康平台（含远程医疗应用和在线资源门户）能加强医患沟通、便利线下服务访问并支持收集真实世界数据以优化服务。一项针对9634名心衰患者的24项RCT荟萃分析显示，电子健康自我管理干预显著降低了全因和心衰相关30天再入院率，并将用药依从性提高了82%，这些结局主要由患者参与度提升驱动。
机器学习技术能分析复杂临床数据、识别风险模式并预测个体需求。移动健康和AI预测模型正日益整合到妇科癌症患者的术后过渡期照护中。AI驱动的移动远程监测可持续追踪生命体征，并预警淋巴水肿、血栓等并发症。由北京某顶级医院开发的“智康复”微信小程序整合了健康教育、并发症预警、化疗管理和心理支持等六大核心模块，患者可通过智能问询获取个性化建议，试验显示其接受度高，显著提升了家庭康复期间的自我管理能力和依从性。机器学习支持的移动健康平台可提供术后症状实时风险评估并向医患双方发送提醒。AI预测模型与移动技术结合可早期检测复发或治疗相关并发症。
利用这些能力可制定个性化出院计划和随访策略。研究表明神经网络模型在预测出院延迟风险或优化特定临床条件（如COVID-19）出院决策方面具有效用，但其在急诊和肿瘤特异性出院准备服务中的应用需进一步研究验证。
制定标准化出院准备路径需采取全面策略，涵盖从入院到出院后恢复的整个照护连续统。关键策略包括：根据疾病分期、认知功能和自我管理能力进行分层健康教育；采用多样化的教育形式（如面对面指导、个性化材料、视听辅助和数字平台）；以及使用回授法等结构化沟通技巧。整合了员工回授法培训、出院资源册和优化教育文档等方法的标准化路径显示出协同效应，与临时出院实践相比，显著提高了患者对出院相关服务的满意度（照护过渡评分从52.41%升至54.49%，出院信息评分从87.38%升至90.12%）。技术工具与人本主义、以患者为中心的照护相结合对于优化资源配置和提供持续支持至关重要。
核心步骤：EC手术患者出院准备服务实施流程图
该流程包含四个顺序相连的阶段：
筛查与初步评估：患者入院或转科24小时内，医疗团队使用布莱洛克风险评估筛查评分进行初步筛查，总分≥10分表明需进入下一步。
全面再评估与确认：对筛查阳性者，72小时内进行涵盖日常生活活动能力、自我照护能力及所需援助、交通安排、家庭支持网络、用药管理能力、营养状况及进食能力、家庭照护服务需求等的全面评估，推荐使用综合出院计划需求评估表。
计划制定与个性化指导：根据再评估结果，MDT协作制定个性化出院计划。计划实施分阶段进行：住院阶段处理院内照护需求，培训患者和照护者必备的出院后照护技能；出院阶段确认出院目的地并协调后续安排；家庭照护阶段为主要照护者配备必要技能，提供家庭护理服务和社区资源链接信息；转至机构阶段联系并协调接收机构以确保平稳过渡。
追踪与随访：出院后通过电话、家访或门诊进行定期随访，评估恢复进展、照护满意度及未满足需求，据此调整照护计划。随访频率和方式应根据患者个体情况和风险评估量身定制。
子宫内膜癌患者出院准备服务的结局评价
有效的评价体系应结合临床证据和多维指标。研究显示，接受微创子宫切除术的患者中，肥胖与非肥胖者的60天并发症发生率无显著差异，但肥胖患者当日出院率较低。对国家癌症数据库的大规模分析发现，接受机器人辅助腹腔镜手术的II型子宫内膜癌患者30天再入院率为2.5%，与常规腹腔镜相比无显著差异。住院时间延长和术后并发症是再入院的重要预测因子。ERAS协议的实施有效缩短了住院时间和相关成本，而未显著增加再入院率。
基于预后证据和指南要求（如2022年ESMO子宫内膜癌临床实践指南），结局评价需整合患者结局、照护者体验和医疗系统资源利用的综合框架。MDT应制定考虑复发风险、治疗副作用、身心状况和资源可及性的个性化、风险分层随访计划。低危患者建议前2年每6个月临床访视一次，之后至5年每年一次，电话随访可作为替代；高危患者建议前3年每3个月一次，之后至5年每6个月一次。应教育患者识别症状，并强调患者主动随访的选择。短期评价应关注30天术后并发症发生率、再入院率、肠功能恢复时间等关键临床指标。长期评价应纳入患者报告结局，使用健康教育影响问卷等标准化工具评估自我管理领域（如健康行为、情绪健康、社会互动）。子宫内膜癌特异性PRO模块EORTC QLQ-EN24在捕捉出院后生活质量方面具有价值，研究证实其对胃肠道症状、肌肉骨骼疼痛及性/阴道问题的敏感性，将其纳入常规随访有助于检测症状群、功能缺陷和 psychosocial 需求，为连续性照护提供信息。建立包含证据生成、结局评价和服务优化的持续改进循环，有助于提升EC患者全程管理质量。
结论
本综述系统总结了EC手术患者出院准备服务的现有证据，强调了其在促进从医院到家庭平稳过渡和改善长期结局方面的重要作用。主要发现包括：评估工具的差异性要求其适应EC特异性；服务实施有效性取决于MDT协作、护士主导的教育和技术整合的协同作用；结局评价体系需同时纳入临床指标和患者报告结局以全面评估多维恢复状况。持续挑战包括缺乏标准化路径、社区资源碎片化和患者参与不足。建议政策层面制定基于指南且文化适应的标准化出院路径；研究层面开展前瞻性试验比较不同实施模式，以推进循证护理管理实践。所提供的流程图可作为临床医生的实践框架，强调需根据医疗资源差异进行本地化调整，未来研究应在坚持以患者为中心的原则下，推进循证标准化实践。
