医疗工作者的职业暴露强度趋势：联结点回归分析确定了与COVID-19相关的拐点（2017–2024年）

《American Journal of Infection Control》：Occupational exposure intensity trends in Healthcare Workers: Joinpoint Regression identifies COVID-19 associated inflection point (2017–2024)

　　本研究比较了电子健康记录（EHR）自动生成的术后感染风险调整结果与黄金标准的手动图表审查结果（ACS-NSQIP），结果显示两者在五个医院和四种感染类型（手术部位感染、尿路感染、脓毒症/休克、肺炎）中相似性较高，相关系数达0.77，绝对差异仅0.13。随着感染率升高，模型预测准确性更优。结论表明，基于EHR的自动化模型（ASPIN）可高效辅助或替代人工审查，实现精准的术后感染监测。

　　

Kathryn L. Colborn|Yizhou Fei|William G. Henderson|Yaxu Zhuang|Adam R. Dyas|Michael E. Matheny|Christina M. Stuart|Robert A. Meguid

摘要

背景

本研究将基于电子健康记录（EHR）数据通过统计模型估算的风险调整后的术后感染结果（“自动化”方法）与美国外科医师学会国家外科质量改进计划（ACS-NSQIP）采用的手动病历审查所得的结果进行了比较。

材料与方法

研究纳入了2013年至2019年间在一家医疗系统内五家大型医院接受九个外科专科手术的成年患者。共有307,335名患者接受了441,047次不同类型的手术。其中30,603名患者的记录被链接到当地的ACS-NSQIP数据库（链接率为97%）。研究使用了先前已发表的模型来估算术前风险及术后感染的发生率，从而计算出手术部位感染、尿路感染、败血症/脓毒性休克和肺炎的观察事件与预期事件比率（O/E）。

结果

在比较五家医院的EHR自动化方法与手动病历审查方法得出的风险调整后感染结果时，结果显示O/E比率相似。医院间O/E比率的皮尔逊相关系数为0.77，平均绝对差异为0.13，且100%的置信区间相互重叠。随着感染发生率的增加，各感染类型的关联性和平均绝对差异也有所改善。

讨论

将简洁的统计模型应用于EHR数据，可以准确估算所有手术的风险调整后感染结果。

结论

这些模型可用于加强医院感染监测，以提高医疗质量。

部分内容摘录

背景

术后并发症较为常见且费用高昂，预计随着人口老龄化及合并症的增多，这种情况会更加严重。1, 2 根据美国外科医师学会国家外科质量改进计划（ACS-NSQIP）的数据，13%的接受大型手术的患者会出现术后并发症，其中超过一半是由感染引起的。3 并发症对医疗系统影响显著，降低了患者的生活质量，并增加了医疗成本。

材料与方法

本研究获得了科罗拉多多机构审查委员会（#20-1862）的批准。研究使用了两种数据来源：1）2013年6月30日至2019年10月16日期间在科罗拉多大学健康中心（UCHealth）五家医院进行的所有手术的结构化EHR数据；2）同一时期的本地ACS-NSQIP注册数据（约占全部EHR手术数据的7%）。

结果

在2013年6月30日至2019年10月16日期间，EHR系统中记录了9个外科专科的661,664例手术。我们仅保留了每位患者在30天周期内首次记录的手术，从而在完整的EHR数据集中得到了307,335名患者的441,047次独特手术记录。具体患者手术分布情况见补充表3。有227例（占441,047例的0.05%）因缺乏术前EHR数据而被排除在外。

讨论

将简单的统计模型应用于EHR数据，可以准确估算所有手术的风险调整后感染结果。

结论

这些模型可用于加强术后感染监测，从而提升医院医疗质量。

部分内容摘录

背景

术后并发症发生率高且代价昂贵，预计随着人口老龄化和并发症的普遍化，这一情况会进一步加剧。1, 2 根据美国外科医师学会国家外科质量改进计划（ACS-NSQIP）的数据，13%的接受大型手术的患者会出现术后并发症，其中超过一半是由感染引起的。3 并发症对医疗系统造成严重影响，降低患者生活质量，并增加医疗成本。

材料与方法

本研究获得了科罗拉多多机构审查委员会（#20-1862）的批准。研究数据来自两个来源：1）2013年6月30日至2019年10月16日期间在科罗拉多大学健康中心（UCHealth）五家医院进行的所有手术的结构化EHR数据；2）同一时期的本地ACS-NSQIP注册数据（约占全部EHR手术数据的7%）。

结果

在2013年6月30日至2019年10月16日期间，EHR系统中共记录了9个外科专科的661,664例手术。我们仅保留每位患者在30天周期内首次记录的手术，因此在完整的EHR数据集中得到了307,335名患者的441,047次独特手术记录。具体患者手术分布情况见补充表3。有227例（占441,047例的0.05%）因缺乏术前EHR数据而被排除。

讨论

我们将简单的统计模型应用于结构化EHR数据，发现其估算的术后感染并发症风险调整结果与手动病历审查的结果相似，并且可以扩展到所有手术患者，从而提供更精确的估算。对于手术部位感染（SSI），这种方法的准确性最高；随着各感染类型发病率的增加，其准确性似乎也有所提高。ASPIN模型可以用于辅助或替代手动病历审查。

结论

将ASPIN模型应用于结构化EHR数据，可以以较低的投入成本辅助或最终替代手动病历审查，用于术后感染的风险调整监测。ASPIN的结果可以及时反馈给外科医生。

利益冲突

这些数据来源于ACS-NSQIP及其参与医院；ACS未对数据分析的统计有效性或作者得出的结论进行验证，也不对此负责。所有作者均声明与本文无关的利益冲突。

致谢

.

财务支持

本项目得到了医疗研究与质量局（Agency for Healthcare Research and Quality）的R01HS027417号资助。内容仅代表作者观点，不一定反映医疗研究与质量局的官方立场。