健康险精算师必读 | 自动计算机化严重性指数

全文3748字，欢迎关注！

研究介绍

疾病严重程度指数试图量化医生对患者疾病严重程度的无形感觉。本周MEWS为大家带来经典文献《An Automated Computerized Severity Index》的解读。本文作者希望基于LDS医院患者数据库构建一个HELP系统的完全自动化的应用程序，可以无需手动查看图表就可以为患者的严重程度评分。

在回顾性评分的222名普通医疗患者中，自动和手动方法对70%的严重程度评分是相同的。对两种方法评分差异的原因进行了评价。

严重程度指数

住院患者病情严重程度指标可以被用于预测死亡率、解释相似诊断患者的费用和住院时间的变化、评价医疗质量或者对进入临床试验的患者进行分层。

自动化计算机化严重程度指数(CSI)是由苏珊·霍恩博士和约翰·霍普金斯大学医院的200名护士和医生共同开发的。

CSI将大约12000个ICD-9-CM诊断与833个疾病组相匹配。密切相关的诊断会被映射到同一疾病组，如各种类型的细菌性肺炎。一个病人可能被分到多个疾病组。每个疾病组由4-50个指标组成，不同疾病组的指标也可能不同。包括：病人生理属性，如生命体征、体检结果和诊断研究，除极少数情况，一般不使用治疗或干预事实。表1列出了肺炎疾病组的部分指标。

对每个指标、每个疾病组和患者整体计算严重性评分（1-4分）。1分表示检查结果正常或轻度异常，4分表示有灾难性或危及生命的迹象或症状。同一指标的评分可能因疾病组而异。例如，39℃的温度在白血病中可能是3分，但在肺炎中只是2分。表2为肺炎组的两项指标。

将最高的两个指标得分中较低的一个作为疾病组得分。不管患者用到某一指标的疾病组有多少个，每个指标对每个患者只能使用一次。

除了CSI之外，还有两个使用临床数据(而不是诊断等出院抽象数据)来计算严重程度的系统。APACHE III(急性生理和慢性健康评估)：评估患者图像中患者的年龄、7个共病条件和17个生理变量，主要被用于预测重症监护病房(ICU)患者的死亡率，并解释 ICU住院时间的变化以及资源使用的变化。MedisGroups(医学疾病严重性分组系统)：从医学图表中提取250个关键临床发现(KCF)，并据此进行评分(0到3分)。可以用于计算综合录取分数(0到4)、中途停留评分，以及预测住院费用和死亡率。

目前还没有关于这两种严重程度系统的自动数据采集和评分计算的文献。

HELP系统

HELP(通过逻辑处理的健康评估)系统将患者数据被压缩成“打包好的字符串”，按患者编号和数据类以离散代码的方式存储患者数据，采用集成的专家系统工具支持医疗决策，为临床、行政和财务模块的使用和开发提供了一个集成的、计算机化的环境。

HELP将药品名称、实验室检测、诊断、入院-出院-转移数据、体检结果和护理计划和行动等医学术语都用定义在综合数据字典中的8字节代码PTXT(发音为"P-text"，表示指针到文本)表示，但几乎没有对医生观察到的情况进行PTXT编码。尽管努力限制新条目并丢弃未使用的PTXT代码，仍有与多个PTXT代码相链接的医学术语，而一个医疗事件可以由单个或一组PTXT代码来表示。

CSI系统启动步骤

(1)人工审查病人的纸质医疗记录，通过选择菜单项，然后应用时间戳，将诊断和相关生理属性通过C程序一次一个地输入计算机。

(2)在检索人口统计数据、入院和出院时间以及所有ICD-9-CM诊断之后，程序将收集固定格式的多行数据：PTXT代码、数据值(如实际血压)和时间戳，并列出诊断所属的疾病组的指标清单。比如“15点30分胸痛”。HELP将此事件存储为3个PTXT代码：疼痛、位置(前胸)、疼痛强度(从I到10)和时间戳。尽管努力限制新条目并丢弃未使用的PTXT代码，仍有很多医学术语会与多个PTXT代码相匹配，而一个医疗事件也可以由单个或一组PTXT代码来表示。

(3)根据PTXT代码和抽象CSI概念之间的映射逻辑编码，对PTXT代码进行排序和分析，然后回顾输入信息，标注与指标相关的最极端的患者属性，并自动选择指标值，对于描述性指标，如呼吸困难(呼吸短促)，系统选择适当的菜单项。对于数值结果，例如最低收缩压，系统输入属性的实际值。虽然还有许多CSI指标还没有匹配的PTXT代码，但很多疾病组中使用的大多数常见指标(如温度和白细胞计数) 已经有对应的PTXT代码了。

(4)将最极端的指标值存储在CSI表中。在上面的例子中，CSI寻找疼痛码、胸前位置码、强度码，然后检查在同一时间戳上的三个码。如果CSI能在24小时内找到4个或更多这样的代码簇，则该指标得4分。

(5)计算每个疾病组的严重程度评分，并为患者进行整体评分。用户可以进入程序查看计算的严重性评分。CSI可以为任何时间段计算分数，比如进入和离开ICU的时间。但通常显示出入院和最高分。入院和出院时间通常分别为入院后24小时和出院前24小时。最高分表示住院期间任一时间各指标最高分的值，不考虑各指标是否同时达到最高分。

研究方法

在1993年4月的另一项临床研究中，CSI编码员为2000名褥疮患者的图表进行了手工评分。在这2000个图表中，选取最近的352个数据用于开发和测试自动界面：130例在训练集，222例在测试集。对于训练集中的130例患者，迭代过程包括自动评分5例患者，检查自动评分和手动评分的差异，修改界面，然后再评分5例。然后，该仪器被冻结，并用于在测试集上获得自动CSI评分。

在这一形成性研究中，没有试图获得LDS医院出院的代表性样本，或对诊断、医院划分或住院时间进行控制。然而，在褥疮研究中的患者表现出广泛的医疗和外科诊断，出现在所有有HELP护士图表的医院部门。康复病房、精神病病房或产科病房由于没有HELP护士图表，这些患者被排除在研究之外。

本研究的两个自变量分别是自动CSI评分方法和手动CSI评分方法。因变量是CSI评分。评分者之间的一致性采用Kappa统计量，加权Kappa，组内相关性以及芬氏组内相关性。我们使用CSI得分(自动-手动)2之间的差的平方作为加权Kappa的权重。

研究结果

表3显示了222例测试集患者的得分。观察到的一致性为70.3%(156/222)。Kappa统计值为K=.584(p<.001)。加权Kappa为Kw=.823。组内相关系数RI=.951(p<.001)。Finn校正后的类内相关性为rF=.813。

图1显示了自动评分与手动CSI评分的比较情况。图2显示了按手动CSI评分分组的案例分布。图3显示了按手动CSI评分分类的一致性。

为确定分数不同的原因，对训练集进行了逐一检查。在自动评分高于手工评分的16个案例中(130个训练案例中的12%)，有8例是由于手工编码器错误 (大多数忽略了一个数据元素)。有7例患者进入术后“窗口期”，但这一逻辑尚未被编码到自动化CSI中。例如，CSI编码器在膀胱手术后48小时忽略血尿。有2例手工编码员根据经验判断忽略了明显是人为的低血压，这种逻辑尚未编码到电子程序中。有2例病例的实验室研究和生命体征部分没有打印在纸质图表的总结报告中，因此人工编码员没有发现异常指标。有些患者表现出不同评分的原因不止一个。如果将8例编码器错误从“高”类别中删除，观察到的自动和手动评分的一致性从73%上升到79%(130例中的103例)。

对自动化评分低于人工评分的19例(130例训练病例中的15%)的检查发现，有13例PTXT代码不存在指标(例如下肢骨折的数量)。有9例护理人员未使用现有PTXT编码。有2例手工编码器错误。只有一例是由医生口述指标(“前列腺肿胀”)而被自动CSI遗漏(没有PTXT代码)。有些案例的得分差异原因不止一个。表4整理了自动CSI和手动CSI之间不一致的原因。

尽管没有检查具有不同分数的测试集数据，但是对于测试集和训练集来说，导致自动和手动分数不同的原因很可能是相同的。CSI评分的案例分布相似，自动和手动评分之间的观察到的一致性也相似(训练集73%，测试集70%)。

研究讨论

自动CSI评分和手动评分的结果相比有高有低。自动界面的一个优点是避免了人工审阅复杂案例时固有的数据收集错误，这是训练集中自动得分较高的一半原因。其余大部分较高的自动评分是由于患者在术后窗口的信息。接下来，可以通过修改自动CSI界面以忽略术后窗口的患者结果。

术后窗口编码成功后，自动CSI评分有望成为最低CSI评分。也就是说，手动测试的分数永远不会低于自动测试的分数。如果有必要，手动编码员可以对已知没有相应PTXT代码的指标进行简短的定向搜索。

本研究表明手工编码员发现了一些在HELP系统中尚未电脑化的患者属性。如果HELP 系统菜单被修改，护士可以收集这些属性中的大部分。其他属性都是计算机化的，但在某些情况下，护士并不使用。在这些患者住院期间，ICU护士无法像普通病房护士那样在菜单上获得同样详细的评估和PTXT图表项。截至1993年11月，由HELP系统图表应用程序服务的所有单位的护士都使用了相同的菜单。

从以往手动CSI评分的经验来看，在一家大型综合医院中，大约70%的患者的CSI得分最高为1或2分，30%的患者得分为3或4分。通过从褥疮研究中获得测试集，研究样本倾向于偏向病得更重的病人和那些住院时间较长的病人。这体现在37%的测试集患者手工CSI评分为3或4分。

CSI自动评分的进一步研究将涉及更大的样本量。自动化和手动评分的相关性将限制在医院科室、住院时间和主要诊断的主要诊断组几个变量上。对更多自动评分较低的病例进行检查，可以建议增加HELP系统的计算机化的护士图表。

研究结论

一个像HELP系统详细的临床病人数据库似乎可以驱动由护士图表系统服务的医院领域的自动疾病严重程度指数。重要的挑战仍然存在于人工摘录使用的编码逻辑，以忽略不适当的数据值和预期的异常患者发现。随着HELP系统和其他医院信息系统添加了编码的临床数据，自动CSI评分有望得到改善。

参考文献

[1] An Automated Computerized Severity Index

Richard F. Gibson, M.D. and Peter J. Haug, M.D.

Department ofMedical Informatics, LDS HospitaVUniversity ofUtah, Salt Lake City, Utah

声明：MEWS矩阵所刊载内容之知识产权为MEWS矩阵及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。

打赏