基于醫療健康數據構建的電子衰弱指數范圍綜述

鄭佳映,楊閩木,陸思雯,余 萍

1.杭州師范大學,浙江杭州 310018;2.浙江省中醫院,浙江杭州 310018;3.湖州市南潯區人民醫院,浙江湖州 313009 ;4.澳大利亞臥龍崗大學,澳大利亞 NSW2522

衰弱(Frailty)是指機體生理儲備下降導致機體易損性增加、抗應激能力減退的非特異性狀態,與跌倒、失能等臨床負性事件的發生密切相關[1]。衰弱是動態發展且潛在可逆,早期識別是開展衰弱管理的基礎[2]。國際衰弱和肌肉減少癥研究會議(International Conference of Frailty and Sarcopenia Research,ICFSR)2019年實踐指南[3]指出,應對65歲以上的人群進行常規衰弱篩查,且篩查工具應快速、有效。目前應用較多的衰弱篩查評估工具需由專業人員實施且耗時。醫療健康領域信息化的發展使利用電子健康檔案(Electronic Health Record,EHR)中的信息開展衰弱評估成為可能。2016年Clegg等[4]基于健康缺陷積累理論,運用英國初級醫療保健系統的EHR構建了電子衰弱指數(electronic Frailty Index,eFI),并證實eFI能夠預測住院、死亡。eFI是基于ehr,如電子病例系統、電子保險數據等構建的衰弱指數(Frailty Index,FI)[5]。eFI通過計算個體現有健康缺陷指標與健康缺陷指標總數來判斷個體的衰弱狀態,評估數據獲取便捷、評估快速等優勢使之成為國際研究熱點,ICFSR2020年實踐指南也將其納入推薦的衰弱評估工具中。但eFI的相關研究在國內仍處于萌芽階段。因此,本研究基于Arksey等[6]的范圍綜述方法學框架,對eFI相關研究進行系統的范圍審查,為構建本土化的eFI、進行衰弱評估提供參考。

1 資料與方法

1.1 確定研究問題

具體審查問題包括:eFI相關文獻涉及的國家、年份和研究類型;eFI指標涵蓋的內容及數據來源;eFI的效度;eFI的應用情況。

1.2 文獻納入與排除標準

納入標準:研究主題圍繞著醫療健康領域eFI的構建、驗證和應用;語種為中文或英文。排除標準:研究主題聚焦于電子信息技術;無法獲取全文的文獻;原始數據模糊或不完整的文獻;會議論文、綜述、研究方案、個人評論和意見。

1.3 檢索策略

系統檢索PubMed、Web of Science、Cochrane Library、Scopus、中國知網、萬方數據知識服務平臺、維普資訊中文期刊服務平臺,檢索時間為2016年3月1日至2022年11月22日。英文檢索詞為“electronic frailty index/frailty instrument/frailty identification/frailty index/frailty assessment*/frailty screening*/frailty measuring*”“electronic health record/routine hospital data/medical record/administrative records/administrative data/administrative health databases/claim data”。中文檢索詞為“電子衰弱指數/衰弱評估/衰弱篩查”“電子病歷/體檢/護理記錄”。采用主題詞和自由詞相結合的方式進行檢索,并追蹤納入文獻的參考文獻。

1.4 文獻篩選

將檢索到的文獻題錄導入EndNote X9軟件中去重,2名研究者根據納入標準和排除標準,通過閱讀文獻題目和摘要獨立開展文獻初篩,初篩后下載全文并精讀文獻進行復篩。當存在研究分歧時,2名研究者進行商討或咨詢第3名研究者,最終確定納入文獻。

1.5 數據提取與分析

根據研究問題,研究者精讀納入的文獻并提取關鍵信息,錄入Excel中進行整理。資料提取內容包括作者、發表時間、國家/地區、研究對象、研究方法;eFI的指標內容;eFI的效度驗證;eFI的應用領域。

2 結果

2.1 文獻篩選結果

初步檢索獲得324篇文獻,查重及閱讀文獻題目和摘要、全文后剩余51篇,通過引文追溯法獲得6篇文獻,最終納入57篇文獻[4,7-62]。文獻篩選流程見圖1。

圖1 文獻篩選流程圖

2.2 納入文獻的基本特征

納入文獻基本特征見表1。自2016年提出eFI以來,相關研究發文量增長;英國作為最早開展eFI研究的國家,發文量居首位,其次為美國、中國。

表1 納入文獻的基本特征(n=57)

2.3 eFI研究內容匯總

目前eFI研究領域主要涵蓋指標構建、驗證及應用。

2.3.1eFI構建的數據來源及內容

在納入的文獻中,18篇文獻[4,7-19,38,60-62]研究內容涉及eFI的構建且均為隊列研究。構建eFI的數據來自:電子病歷系統(n=14)、電子健康保險數據(n=2)、衛生行政數據(n=2)。在電子病歷系統中,10篇來自醫院[10,12,14,16-19,38,60,62],2篇來自初級衛生服務系統[4,7],1篇來自美國退伍軍人事務醫療系統[8],1篇來自美國責任醫療組織[9]。9篇文獻涉及特定人群,分別為手術患者[10-12]、腫瘤患者[13-15]、急診患者[16]、肺動脈高壓患者[17]、心力衰竭患者[18]。18篇文獻中,每篇構建的eFI指標數量為16～92個,除4篇文獻[7,11,17,19]未羅列、2篇[8,15]指標內容相同外,共構建13個eFI,包含534個指標變量。結合Searle等[63]提出的FI構建標準,534個指標變量主要可以分為以下4類:疾病(n=260)、功能狀態(n=113)、癥狀/體征(n=41)、實驗室檢查/測量(n=89);另外還包括治療(n=29)和人口學資料(n=2)。在疾病中指標頻率較高的是腫瘤(n=12)、高血壓(n=10)、糖尿病(n=10)、甲狀腺疾病(n=8)、周圍血管疾病(n=8)、骨質疏松(n=8)、骨折(n=6)、泌尿系統疾病(n=6)、貧血(n=7)、抑郁(n=7)、消化性潰瘍(n=6);功能狀態中指標頻率較高的是視覺障礙(n=7)、跌倒(n=7)、聽力受損(n=7)、大/小便失禁(n=7)、皮膚潰瘍(n=5);癥狀/體征中指標頻率較高的為呼吸困難(n=4)、慢性疼痛(n=3);實驗室檢查/測量中指標頻率較高的為體重(n=9)、血紅蛋白(n=4)、血鈉(n=4)、血壓(n=4)、心率/脈搏(n=3)。

2.3.2eFI的驗證

18篇文獻[20-37]研究內容主要涉及eFI的驗證,具體包括eFI的效度驗證和可行性驗證。其中10篇為隊列研究[26,31-39],5篇為橫斷面研究[20,25-28],2篇為混合研究[21-22],1篇為病例對照研究[30]。在效度驗證中,以預測效度[29-34]和聚斂效度[25-28,32,35-37]為主。預測效度常將對死亡率[29-34]、再入院率[29,31,33]、住院時間[29,34]、入住護理院[31,34]作為健康結局進行分析;聚斂效度分析采用傳統的相關系數法,應用較多的評估工具為醫院衰弱風險評分(Hospital Frailty Risk Score,HFRS)[33,36-37]、Fried衰弱表型(Fried's Frailty Phenotype,FP)[26,29]、臨床衰弱量表(Clinical Frailty Scale,CFS)[26-27]、老年綜合評估(Comprehensive Geriatric Assessment,CGA)[27]。

2.3.3eFI應用領域及人群

21篇文獻涉及eFI的應用[41-61],具體內容包括分析衰弱對健康結局的影響[39-53]、衰弱的患病率研究[52,54-55]、分析衰弱的發展軌跡[55-56]、分析衰弱人群醫療資源利用情況[57-58]、分析衰弱與其他健康問題的相關性[59]。除了1篇為橫斷面研究[54],其余均為隊列研究。應用人群以接受初級衛生保健服務的老年人為主(n=15),另外有3篇[43-44,56]涉及退伍軍人,3篇[40-41,53]涉及手術患者。

3 討論

3.1 eFI相關文獻分布不均衡

本研究納入文獻57篇,41篇文獻來自英國和美國,7篇來自中國。2019年以來,eFI的相關文獻增多,這可能與對老年衰弱重視度增加、醫療健康領域信息化水平提高有關。在英國,衰弱的識別被列入65歲以上人群全科醫療和初級保健服務必備簽約內容[52]。eFI是信息化的產物,由Clegg等[4]構建的eFI包含36個指標、2 171個臨床術語編碼(Clinical Terms Version 3,CTV3)。在英國,eFI嵌入到患者的EHR,相應評估數據可直接提取以獲得評估結果;在美國,得益于發達的信息化水平,eFI相關研究已涉及醫院、社區、健康保險等領域。中國、澳大利亞、加拿大等國家雖也將信息技術融入到醫療健康領域,但由于EHR軟件系統未形成國內標準[24]、相關數據無法自動提取[22]等,在實踐中eFI評估數據的獲取和計算仍需依靠人工完成[14,20,22,27];評估的難易程度取決于患者及EHR系統,評估時間約5～20 min[20,22]?？梢?eFI雖然為衰弱評估提供了新方法,但在醫療健康領域信息化水平相對不高的國家,通過EHR獲取相關信息仍存在一定難度,這給eFI相關研究的開展帶來挑戰。

3.2 構建eFI的數據來源多元化但指標內容應體現衰弱多維度特征

將衰弱作為老年人日常健康評估內容已成為共識,目前衰弱評估工具正向具有人群、情境針對性的方向發展。本研究結果顯示,eFI可根據不同人群特點和不同數據來源構建。健康缺陷積累理論是eFI的理論基礎,該理論指出個體健康缺陷積累的越多,則衰弱程度越嚴重。eFI是在FI基礎上發展而來,FI最初包含92個指標,評估內容繁多。FI構建標準的建立[63]使構建個性化eFI成為可能。此外,構建eFI的數據來源多元化,可能與各國醫療衛生體制存在差異有關,如英國衛生服務體系以初級衛生保健為主體,衰弱篩查是初級衛生保健工作者的職責,故eFI研究主要聚焦于初級衛生保健體系;美國商業保險模式發展較為完善,故基于健康保險數據構建的eFI均來自美國;美國退伍軍人健康管理局是美國退伍軍人事務部重要組成部分,作為美國最大的整合式衛生保健系統,為基于退伍軍人群體構建eFI提供堅實的數據支撐;我國醫療機構的主體是公立醫院,公立醫院的EHR相對規范,故構建eFI的數據大多來源于此。本研究結果顯示,雖然eFI評估內容覆蓋面廣,但疾病占比較高。這可能是由于構建eFI的數據大部分來自醫院,醫院對疾病的診斷較為準確,且隨著疾病分類與編碼系統國際標準的建立和普及,疾病命名標準化、相關信息的提取更便捷。但應避免eFI成為多病共存狀態的評估工具,評估的內容應體現衰弱多維度特征,盡可能包含認知功能、軀體功能、營養狀況和心理狀況等。由于上述內容并不一定是患者就診時的常規評估內容,這使得部分eFI對衰弱多維度特征的體現較為欠缺。

3.3 eFI與不良健康結局相關但效度仍有待進一步研究

目前對衰弱識別依舊沒有公認的“金標準”,故無法通過標準效度檢驗eFI。衰弱評估工具為風險預測工具,而非評價性的結局測量工具,因而評價衰弱評估工具的重要指標為預測效度。本研究顯示,死亡是eFI預測效度驗證中最常用的指標之一。在構建eFI的文獻中,僅2項研究[10,19]未將死亡作為結局指標進行效度驗證,其余研究均證實eFI與死亡相關。在eFI效度檢驗的文獻中,4項研究分析了Clegg等[4]構建的eFI對死亡的預測效度,僅1項研究顯示效度較低[31],該研究采用1∶1病例對照設計,根據年齡、性別配對,分析75歲以上人群死亡前3個月的eFI,研究將病例組和對照組劃分為發展隊列和驗證隊列,將在發展隊列確定的能夠預測死亡的eFI最佳截斷值應用于驗證隊列,結果顯示eFI高估了實際死亡風險。該研究指出eFI能夠在人群層面有效預測死亡但個體層面預測效度不佳。得出此結果可能與截斷值的確定方法有關,該研究將死亡作為診斷標準,以靈敏度75%為劃分依據,未考慮特異度。eFI的截斷值即使有微小的變動也會對個體層面的評估結果產生影響[43],故重設截斷值可能會對研究結果產生影響。衰弱雖與死亡相關,大部分研究也證實了eFI對死亡的預測價值,但應明確死亡不是衰弱的必然結局,衰弱也非老年人群唯一的死因,eFI應與死亡風險預測模型相區別。在聚斂效度檢驗中,研究表明HFRS較eFI能更準確預測死亡。HFRS基于國際疾病分類(第十版)編碼開發[36],旨在識別衰弱的高危人群,但其更側重于識別醫院相關傷害的高危人群和醫療資源使用率高的人群。因此僅憑對死亡的預測效度無法證明HFRS在衰弱識別中優于eFI。在eFI的效度驗證中,除了使用死亡、醫療資源利用情況作為預測指標外,也可將與衰弱相關的指標(如日常生活活動能力)納入,或圍繞衰弱目前公認的特征(如衰弱發病率與年齡相關等)進行驗證。

3.4 eFI的應用范圍廣但多聚焦于接受初級衛生保健服務人群

本研究顯示,eFI的應用范圍廣,常用于大規模的人群調查,以分析衰弱的分布特點、發展軌跡和結局等。eFI評估數據獲取的便捷性使衰弱相關研究能夠在大樣本人群中開展。英國國家醫療服務體系推薦在初級衛生保健系統中使用eFI作為人群衰弱風險篩查工具[42],故應用人群多聚焦于接受初級衛生保健服務人群,因此相關研究結果的普遍適用性仍有待進一步探究。此外,由于eFI的評估數據來自EHR,故在應用eFI時應考慮EHR的質量,確保記錄的準確性、完整性等,以提高衰弱評估的準確性和客觀性。

3.5 基于eFI的衰弱評估具有人群針對性和應用靈活性

eFI評估所得分值范圍為0～1分,分值越高表示衰弱越嚴重。部分eFI根據人群的分值分布特點,在構建時即確定了衰弱程度判斷的截斷值,如Clegg等[4]在其構建的eFI將老年人的狀態劃分為健康(0～0.12分)、輕度衰弱(>0.12～0.24分)、中度衰弱(>0.24～0.36分)和重度衰弱(>0.36分);Pajewski等[9]在其構建的eFI將老年人的狀態劃分為健康(0～0.10分)、衰弱前期(>0.10～0.21分)和衰弱(>0.21分);Orkaby等[8]在其構建的eFI將衰弱狀態劃分為無衰弱(0～0.10分)、衰弱前期(>0.10～0.20分)、輕度衰弱(>0.20～0.30分)、中度衰弱(>0.30～0.40分)和重度衰弱(>0.40分)。在eFI應用的文獻中,大部分研究是對衰弱程度的人群分布、影響因素等進行分析;僅1項研究[50]直接將所得數值用于衰弱發展軌跡的影響因素分析。eFI優勢之一是評估結果可以使用連續型數值呈現,連續型數值更能準確評價衰弱相關干預的效果[1]。未來研究可將eFI用于干預效果的分析,并以此進一步驗證eFI在個體層面的效度。

3.6 未來研究展望

全球人口老齡化問題突出使得對衰弱的重視度提高,醫療健康領域信息技術的發展為衰弱的篩查評估提供了新方法。本研究對eFI相關文獻進行范圍綜述。研究結果顯示,eFI可基于不同的EHR構建,并能有針對性地應用于不同的人群;eFI與不良健康結局相關,雖被推薦用于衰弱的篩查,但是其效度仍有待進一步探究。未來研究在構建和應用eFI時應將EHR質量考慮在其中,同時明確評估工具的使用方法,如評估內容若包含疾病狀態、多重用藥,應明確評估時間點或評估的周期及相關概念等。在構建本土化的eFI時可充分利用個體的健康體檢數據,將eFI融入到健康體檢中,也可將eFI與養老機構入院評估結合,作為分級護理依據。