基于数据的疾病累积中心链识别方法，以降低医疗利用和成本

《Communications Medicine》：Data-driven identification of hub chains in disease accruals to reduce healthcare utilization and costs

　　

摘要

背景

了解疾病如何随时间累积对于管理它们的综合影响至关重要。我们的目标是识别这些多重疾病的共同通路，并确定它们如何导致医疗使用量和成本的增加，这种增加超过了单一疾病的总和。

方法

我们分析了2013年至2021年间中国60多万名患者的医院记录。我们确定了随时间逐渐诊断出的三种疾病的显著序列，并通过比较这些序列中的总医疗使用量与每种疾病单独出现时的使用量来衡量它们的协同效应。研究结果包括门诊就诊次数、住院时长、总费用以及自付费用。随后，我们将这些序列分组，以识别疾病之间的常见且高影响力的关联，这些关联被称为“枢纽链”（hub chains）。

结果

研究发现，不同的疾病序列非常普遍：在女性中识别出83条通路，在男性中识别出174条通路。在69.9%（83条中的58条）女性病例和81.0%（174条中的141条）男性病例中，疾病序列的总成本超过了各部分成本的总和，这表明存在协同效应。涉及癌症相关护理的通路在两性中显示出最高的资源消耗。我们发现，少数关键的枢纽链连接了许多疾病序列；分析表明，中断这些枢纽链可以将相关的医疗使用量和成本降低约一半。

结论

本研究表明，特定的疾病序列，尤其是那些通过枢纽链连接的序列，导致了不成比例的医疗负担。将临床干预和政策重点放在这些高影响力的通路上，为缓解系统压力和改进多重疾病患者的护理提供了一条有前景的策略。