Tái nhập viện sau tụ máu dưới màng cứng mạn tính: Góc nhìn từ phân kiểu hình bằng học máy

Điểm nhấn

Tái nhập viện trong vòng 90 ngày sau khi nhập viện do tụ máu dưới màng cứng mạn tính hoặc bán cấp (cSDH/sSDH) xảy ra ở gần một phần ba bệnh nhân, chủ yếu do các nguyên nhân không phải phẫu thuật. Phân tích bằng học máy cho thấy các cụm bệnh nhân khác nhau với nguy cơ tái nhập viện đặc trưng riêng, nhấn mạnh nhu cầu chăm sóc sau xuất viện được cá thể hóa và mở rộng tiêu chí đánh giá trong các thử nghiệm lâm sàng.

Bối cảnh nghiên cứu

Tụ máu dưới màng cứng mạn tính và bán cấp (cSDH/sSDH) là những bệnh cảnh ngoại thần kinh thường gặp, chủ yếu ảnh hưởng đến người cao tuổi. Mặc dù tái phát sau phẫu thuật là một biến chứng đã được ghi nhận, trọng tâm lâm sàng và thiết kế thử nghiệm từ trước đến nay chủ yếu chỉ tập trung vào sự kiện đơn lẻ này. Tuy nhiên, tái nhập viện sau đợt nhập viện ban đầu xảy ra thường xuyên và bao gồm nhiều nguyên nhân lâm sàng khác nhau, không chỉ tái phát sau phẫu thuật. Các lần tái nhập viện không do phẫu thuật này có thể góp phần đáng kể vào bệnh suất, tử suất và chi phí chăm sóc y tế nhưng vẫn chưa được nghiên cứu đầy đủ. Trong bối cảnh dân số già tăng lên và tỷ lệ mắc cSDH gia tăng, việc xác định toàn bộ gánh nặng và mô hình tái nhập viện là rất quan trọng để tối ưu hóa chăm sóc và phân bổ nguồn lực hiệu quả. Các phương pháp mới như học máy có thể phát hiện các kiểu hình bệnh nhân, từ đó hỗ trợ phân tầng nguy cơ và can thiệp cá thể hóa.

Thiết kế nghiên cứu

Nghiên cứu đoàn hệ hồi cứu này sử dụng Cơ sở dữ liệu Tái nhập viện Toàn quốc (Nationwide Readmissions Database) giai đoạn 2016–2022 để phân tích bệnh nhân trưởng thành nhập viện không theo kế hoạch vì cSDH/sSDH. Tiêu chí đánh giá chính là tái nhập viện mọi nguyên nhân trong vòng 90 ngày sau lần nhập viện chỉ số, được phân loại theo nguyên nhân—tái phát SDH do phẫu thuật so với các nguyên nhân không liên quan đến SDH như nhiễm trùng và các biến chứng nội khoa khác. Các kết cục được đánh giá trong đợt tái nhập viện bao gồm thời gian nằm viện, chi phí bệnh viện, tử vong trong viện, khuyết tật mới, suy giảm chức năng và khả năng trở về nhà. Phân tích kiểu hình bằng học máy sử dụng mô hình tăng cường gradient đa thức với giá trị SHAP (Shapley Additive Explanations) để xác định các đặc điểm có ảnh hưởng, sau đó dùng phân cụm K-means nhằm xác định các nhóm bệnh nhân có hồ sơ lâm sàng và tái nhập viện khác nhau.

Kết quả chính

Đoàn hệ gồm 22.387 bệnh nhân, tuổi trung bình 70,8 tuổi; 29,6% là nữ. Nhìn chung, 6.497 bệnh nhân (29,0%) đã tái nhập viện trong vòng 90 ngày. Tái phát SDH do phẫu thuật chiếm 22,5% số ca tái nhập viện này, trong khi phần lớn (56%) là do các nguyên nhân không liên quan đến SDH, cho thấy phổ tái nhập viện rất đa dạng. Đáng chú ý, nhiễm trùng là một nguyên nhân không do SDH quan trọng; các lần tái nhập viện vì nhiễm trùng có tỷ lệ tử vong cao nhất, đạt 9,6%—cao hơn hơn ba lần so với tái phát do phẫu thuật (2,9%). Tái nhập viện do nhiễm trùng cũng có tỷ lệ khuyết tật mới cao nhất (45,5%) ở những bệnh nhân ban đầu được xuất viện với khả năng tự chăm sóc thường quy.

Phân cụm bằng học máy xác định năm cụm kiểu hình với đặc điểm bệnh nhân và nguy cơ tái nhập viện khác nhau:

• Mức độ nhẹ (39,8%): trẻ hơn, ít bệnh đồng mắc hơn, nguy cơ tái nhập viện thấp hơn.
• Rung nhĩ (16,9%): đặc trưng bởi tỷ lệ rung nhĩ cao, có thể góp phần vào các biến chứng tim mạch và huyết khối tắc mạch.
• Cao tuổi/Yếu sức (16,6%): tuổi cao và các bệnh đồng mắc liên quan đến suy yếu, kèm nguy cơ tái nhập viện và bệnh suất tăng.
• Trẻ/Khỏe mạnh (14,5%): bệnh nhân trẻ hơn với ít vấn đề sức khỏe hơn nhưng có mô hình tái nhập viện đặc thù.
• Độ nặng cao (12,1%): bệnh nhân có bệnh nền nặng và tỷ lệ tái nhập viện cũng như kết cục bất lợi cao nhất.

Mỗi cụm có nguy cơ riêng đối với các nguyên nhân tái nhập viện khác nhau và các kết cục lâm sàng trong thời gian tái nhập viện cũng khác biệt. Tính không đồng nhất này cho thấy chiến lược phân tầng nguy cơ và xử trí cần được điều chỉnh theo hồ sơ cụ thể của từng bệnh nhân, thay vì áp dụng một cách tiếp cận đồng nhất chỉ tập trung vào tái phát do phẫu thuật.

Nhận xét chuyên gia

Nghiên cứu này đặt ra thách thức mạnh mẽ đối với mô hình ngoại thần kinh truyền thống vốn chỉ nhấn mạnh tái phát do phẫu thuật trong chăm sóc sau cSDH. Bằng cách tận dụng học máy để phân tích một bộ dữ liệu lớn và không đồng nhất, các tác giả cung cấp bằng chứng thuyết phục rằng các lần tái nhập viện không do phẫu thuật, đặc biệt là nhiễm trùng, góp phần đáng kể vào tử vong và bệnh suất. Các kết quả này phù hợp với các nghiên cứu dịch vụ y tế rộng hơn, cho thấy người cao tuổi mắc bệnh lý thần kinh dễ bị các biến chứng toàn thân. Các cụm kiểu hình được xác định có thể hỗ trợ tiếp cận y học chính xác—ví dụ, tập trung các chiến lược phòng ngừa như quy trình kiểm soát nhiễm trùng cho nhóm độ nặng cao và nhóm cao tuổi/yếu sức, hoặc quản lý tim mạch toàn diện cho nhóm rung nhĩ.

Hạn chế của nghiên cứu bao gồm thiết kế hồi cứu và việc phụ thuộc vào mã hóa hành chính, điều này có thể gây sai lệch phân loại. Cơ sở dữ liệu không chứa các chi tiết lâm sàng chuyên sâu như kích thước tụ máu hoặc các chỉ dấu tình trạng chức năng, vốn có thể giúp tinh chỉnh thêm việc phân kiểu hình. Các nghiên cứu tiền cứu nên xác thực các cụm này và đánh giá các can thiệp phù hợp với từng phân nhóm.

Kết luận

Tái nhập viện sau nhập viện vì cSDH/sSDH xảy ra thường xuyên và có tính đa dạng lâm sàng cao, trong đó các nguyên nhân không do phẫu thuật chiếm ưu thế và thường dẫn đến kết cục xấu hơn so với tái phát do phẫu thuật. Phân tích kiểu hình bằng học máy cho thấy mức độ không đồng nhất rõ rệt trong quần thể bệnh nhân này với các hồ sơ nguy cơ tái nhập viện khác nhau. Những phát hiện này ủng hộ việc mở rộng tiêu chí trong thử nghiệm lâm sàng vượt ra ngoài tái phát do phẫu thuật để bao quát các chỉ số bệnh suất rộng hơn, đồng thời triển khai các lộ trình chăm sóc sau xuất viện đa thành phần. Về lâu dài, quản lý cá thể hóa nhằm vào toàn bộ phổ nguy cơ tái nhập viện có thể cải thiện kết cục chức năng và giảm gánh nặng y tế ở quần thể bệnh nhân đang gia tăng này.

Kinh phí và ClinicalTrials.gov

Tác giả của nghiên cứu là Chen H và cộng sự; bài báo không nêu rõ thông tin công bố tài trợ. Thiết kế hồi cứu sử dụng cơ sở dữ liệu hành chính quốc gia đã được ẩn danh nên không có đăng ký thử nghiệm lâm sàng.

Tài liệu tham khảo

1. Chen H, Colasurdo M, McIntyre MK, Lakhani DA, Malhotra A, Gandhi D. Machine Learning Characterization of Readmissions After Chronic Subdural Hematoma Hospitalizations. Neurology. 2026 Aug 7;107(5):e218438. doi: 10.1212/WNL.0000000000002184. PMID: 42566725.
2. Edlmann E, Giorgi-Coll S, Whitfield PC, et al. Pathophysiology of chronic subdural haematoma: inflammation, angiogenesis and implications for pharmacotherapy. J Neuroinflammation. 2017;14(1):108. doi:10.1186/s12974-017-0860-6.
3. Almenawer SA, Farrokhyar F, Hong C, et al. Chronic subdural hematoma management: a systematic review and meta-analysis of 34,829 patients. Ann Surg. 2014;259(3):449-57. doi:10.1097/SLA.0000000000000292.
4. Goldstein LB, Bushnell CD, Adams RJ, et al. Guidelines for the primary prevention of stroke: a guideline for healthcare professionals from the American Heart Association/American Stroke Association. Stroke. 2011;42(2):517-584. doi:10.1161/STR.0b013e3181fcb238.