评估炎症性关节炎的护理复杂性:基于人群的分类与回归树分析检查医疗保健利用情况

Evaluating Care Complexity in Inflammatory Arthritis: A Population-Based Approach Using Classification and Regression Tree Analysis to Examine Health Care Utilization

作者信息Melissa Sipley, Camila Aquino, Trafford Crump, Cheryl Barnabe, Glen Hazlewood, Claire E H Barber, Jessalyn K Holodinsky
PMID42634488
发布时间2026-08
DOI10.1002/acr2.90134

实验完整度

该研究为基于人群的回顾性队列研究,使用行政健康数据,进行了描述性分析和CART模型预测,但未涉及功能或机制验证。

主要模型

RA患者队列 PsA患者队列 axSpA患者队列

重点核对

诊断定义:RA、PsA和axSpA的验证病例定义 高医生就诊定义:五年内就诊次数处于前25百分位 高急诊就诊定义:五年内急诊就诊次数≥20次 预测因子基线测量:年龄、性别、居住地、社会经济地位、合并症、多重用药、焦虑、阿片类药物和糖皮质激素使用

摘要

目的 我们确定了在艾伯塔省炎症性关节炎患者中,哪些护理复杂性特征导致高医疗保健利用(医生就诊和急诊科[ED]就诊)。 方法 我们使用经过验证的病例定义,识别了2010年至2015年间诊断患有类风湿关节炎(RA)、银屑病关节炎(PsA)或中轴型脊柱关节炎(axSpA)的个体。对每个人群描述了导致护理复杂性的社会人口学和疾病特征。开发了分类和回归树模型,以识别哪些护理复杂性特征的组合可预测诊断后五年内的高医疗保健使用(医生就诊和急诊科就诊)。护理复杂性预测因子包括年龄、性别、居住地、社会经济地位(SES)、炎症性关节炎疾病类型、合并症、药物使用以及阿片类药物和糖皮质激素的发放。 结果 护理复杂性特征在不同队列(n=13,170人)中各不相同:老年、农村居住、多重疾病和糖皮质激素使用在RA中最为普遍;低SES在PsA中最为普遍;阿片类药物使用在axSpA中最为普遍。高医生就诊利用与多重用药、焦虑的存在、老年、居住在城市地区以及患有PsA相关(敏感性为78%)。高急诊科就诊利用与多重用药、农村居住地以及患有RA或axSpA相关(敏感性为68%)。 结论 我们的模型确定了炎症性关节炎中高医疗保健利用的关键预测因子,预测性能中等。这些发现提供了对导致护理复杂性因素的洞察,并可能支持医疗保健提供者更好地了解患者需求并为资源规划提供信息。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
哪些护理复杂性特征及其组合可预测炎症性关节炎患者的高医疗保健利用(医生就诊和ED就诊)?
核心机制
多重用药、居住地、疾病类型、年龄和焦虑等多个因素共同影响医疗保健利用,但未发现明确的单一机制。
主要证据
基于13,170名炎症性关节炎患者的行政健康数据,CART模型显示多重用药(≥7种药物)和焦虑预测高医生就诊(敏感性76%),多重用药(≥4或≥8种药物)和农村居住预测高ED就诊(敏感性68%)。
研究意义
该研究识别了高医疗保健利用的预测因素,可能有助于医疗保健提供者更好地了解患者需求,并为资源规划提供信息。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

确定研究队列

识别2010-2015年间在艾伯塔省新诊断的炎症性关节炎个体。

使用已验证的病例定义(至少一次住院或两年内三次以上医生索赔)从艾伯塔省行政健康数据中识别RA、PsA和axSpA患者。

2

测量护理复杂性特征

评估每个队列在基线时的社会人口学和疾病特征。

使用行政数据测量年龄、性别、居住地、社会经济地位、合并症(RDCI)、多重用药、焦虑、阿片类药物和糖皮质激素使用等特征。

3

构建医疗保健利用结果

定义并计算高医疗保健利用的二元结果。

在诊断后五年内衡量医生就诊和急诊就诊次数,并按定义分类为高/低利用。

4

开发CART预测模型

识别可预测高医疗保健利用的护理复杂性特征的组合。

使用分类和回归树(CART)算法,以护理复杂性特征为预测变量,构建两个模型分别预测高医生就诊和高ED就诊。

5

评估模型性能

评估CART模型的预测性能。

计算敏感性、特异性、平衡准确率和阳性预测值,并比较训练集和测试集性能。

6

进行敏感性分析

验证主要结果对不同医疗保健利用定义的稳健性。

重新定义高医生就诊(前10%和5%)和高ED就诊(≥90和≥35次),并重复CART分析。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
队列识别
RA、PsA和axSpA的诊断定义(ICD-9/10编码和索赔规则)
阅读提示:见方法部分“病例定义”
预测因素测量
年龄、性别、居住地、社会经济地位、多重用药、合并症(RDCI)、焦虑、阿片类药物和糖皮质激素使用的基线定义
阅读提示:见方法部分“护理复杂性特征”
结果定义
高医生就诊:前25百分位;高ED就诊:≥20次
阅读提示:见方法部分“结果”
CART模型构建
复杂度参数0.005,损失矩阵(假阴性4.5,假阳性1)
阅读提示:见方法部分“统计分析”