We use cookies

Our website uses essential cookies and, with your consent, additional cookies to measure performance and improve our services. Cookie Policy.

You can change your choice at any time.

MMedXYNews
首页视频解读
MedXY AI/MedXY新闻/栏目: 公共卫生

巴基斯坦三级医院中LACE与HOSPITAL评分预测30天再入院的价值评估

MedXY Editorial Team•2026年8月8日•公共卫生
风险预测HOSPITAL评分LACE指数LMIC住院再入院

要点

  • 该研究纳入超过35,000例巴基斯坦内科患者,评估了LACE评分和HOSPITAL评分对30天再入院的预测准确性。

  • 两种评分在再入院组与未再入院组之间的均值差异均具有统计学意义,再入院组评分更高。

  • 受试者工作特征(Receiver Operating Characteristic, ROC)曲线分析显示,两种评分均具有一般区分能力,LACE评分的曲线下面积(Area Under the Curve, AUC)为0.670,HOSPITAL评分的AUC为0.655。

  • 结果支持这些工具在中低收入国家(LMIC)医院环境中的适用性,可用于识别高风险患者并据此制定个体化干预措施。

研究背景

出院后30天内的非计划性再入院会在全球范围内显著加重患者预后不良、医疗成本上升以及医疗资源紧张的问题。该负担在低收入和中等收入国家(low- and middle-income countries, LMIC)尤为突出,因为这些地区的医疗基础设施和出院后照护能力可能有限。识别再入院高风险患者,对于制定有针对性的干预措施、减少可预防再入院、提高医疗质量以及降低死亡率至关重要。

目前已开发并验证了多种预测工具,主要用于高收入国家,包括LACE指数和HOSPITAL评分。LACE指数综合考虑住院时长(Length of stay)、入院急性程度(Acuity of admission)、合并症(Comorbidity)以及急诊就诊次数(Emergency department visits);HOSPITAL评分则纳入出院血红蛋白(Hemoglobin at discharge)、是否从肿瘤科服务出院(Oncology service)、出院血钠水平(Sodium level at discharge)、本次住院期间实施的操作/手术(Procedures during the index admission)、本次住院类型(Index Type of admission)、过去12个月内既往住院次数(prior Admissions within the last 12 months)以及住院时长(Length of stay)。然而,这些工具在LMIC医疗环境中的表现和实用性仍缺乏充分研究。

研究设计

本研究为回顾性队列研究,开展于巴基斯坦卡拉奇一家三级医疗中心医院。研究对象为2016年至2020年期间通过急诊或择期途径收入内科病房的成年患者(年龄≥18岁)。共35,496例患者符合纳入标准,并获得了30天再入院率的随访资料。主要结局为出院后30天内的非计划性医院再入院。

研究利用医院电子病历中常规采集的临床和实验室数据计算LACE评分和HOSPITAL评分。统计分析采用适当检验比较再入院组与未再入院组的平均评分,并通过计算各评分系统的受试者工作特征曲线下面积(AUC)评估预测准确性。

主要发现

该队列平均年龄为55.3岁(标准差18.9岁),男性略多(53.4%)。总体30天再入院率为8.0%(2,822/35,496)。与未再入院者相比,30天内再入院患者的LACE评分显著更高(8.9比7.4,p<0.001),HOSPITAL评分亦显著更高(3.4比2.6,p<0.001)。

LACE指数的AUC为0.670(95%置信区间0.65~0.69),显示出一般的区分能力。HOSPITAL评分的AUC为0.655(95%置信区间0.63~0.67),同样提示一般区分能力。这些结果表明,虽然两种评分均优于随机猜测,但其预测准确性仅为中等水平,这与其他医疗环境中的既往文献结果一致。

两种工具在该LMIC环境中的相近表现,凸显了其临床相关性。由于其简便且依赖常规可获得的临床变量,因此便于整合到医院工作流程中,以尽早识别高风险患者。

专家点评

这项大规模研究为LACE和HOSPITAL评分系统在LMIC情境中的外部效度提供了有价值的证据。以往验证研究主要集中于资源充足地区;因此,巴基斯坦研究结果显示其同样有效,增强了这两种工具的可推广性。然而,一般水平的分类性能也提示仍需结合补充性的风险分层方法,可能包括健康的社会决定因素或当地医疗系统因素。

本研究的局限性包括回顾性设计以及单中心数据集,可能限制其广泛适用性。此外,门诊随访可及性、患者依从性等潜在未测量混杂因素也可能影响再入院风险,但未被纳入分析。未来的前瞻性研究可进一步优化这些模型,或为LMIC人群开发更具针对性的混合评分。

结论

本研究表明,LACE指数和HOSPITAL评分均为实用且有价值的工具,在预测巴基斯坦三级医院成年内科患者30天再入院方面具有一般水平的表现。其应用有望促进有针对性的干预、优化资源配置并改善患者结局。未来仍需持续研究,以提高预测准确性,并将这些工具整合至临床决策支持系统中,从而更有效地减少可避免的再入院。

资金来源与临床试验注册

原始研究未报告具体资金来源或临床试验注册信息。未来开展前瞻性设计并获得外部资助的研究,或可进一步验证这些结果。

参考文献

Abbas M, Arshad H, Mahar MU, Hassan J, Tahir I, Aziz N, Jafri L, Riaz M, Almas A. Assessing effectiveness of HOSPITAL score and LACE index for predicting 30-day readmissions in a tertiary care hospital in Pakistan: a retrospective cohort study. BMC Health Serv Res. 2026 Jul 2. doi: 10.1186/s12913-026-15070-4. Epub ahead of print. PMID: 42393711.

Additional Referenced Literature:
– van Walraven C, Dhalla IA, Bell C, et al. Derivation and validation of an index to predict early death or unplanned readmission after discharge from hospital to the community. CMAJ. 2010 Apr 6;182(6):551-7.
– Donzé J, Aujesky D, Williams D, Schnipper JL. Potentially avoidable 30-day hospital readmissions in medical patients: derivation and validation of a prediction model. JAMA Intern Med. 2013 Apr 22;173(8):632-8.
– Kansagara D, Englander H, et al. Risk Prediction Models for Hospital Readmission: A Systematic Review. JAMA. 2011 Oct 19;306(15):1688–98.

本文在创作过程中使用了包括 AI 在内的多种编辑工具,并在发布前经人工编辑审核。

相关文章

打开分语言的专科信息流和科室页面。

解读型机器学习助力减重手术候选者肥胖低通气综合征个体化风险预测一种可解释机器学习模型利用7项易获取的临床变量识别减重手术候选者中的肥胖低通气综合征高风险人群,有助于提高早期诊断效率和围手术期风险管理水平。2026年9月28日优化毛细血管血酮检测频率:预测1型糖尿病短期DKA风险每周在健康日进行毛细血管血酮检测,仍可维持对1个月内糖尿病酮症酸中毒风险的预测准确性,为1型糖尿病患者提供了一种更实用、负担更轻的监测策略。2026年8月31日转甲状腺素蛋白淀粉样心肌病预后评估再升级:机器学习风险预测模型一项基于机器学习的新型模型可显著提升转甲状腺素蛋白淀粉样心肌病的风险预测能力,优于传统分期系统,并有助于支持个体化患者管理。2026年8月31日基于机器学习的慢性硬膜下血肿住院患者再入院特征分析慢性/亚急性硬膜下血肿住院后再入院较为常见,且多数并非因手术复发所致,临床结局具有明显差异。机器学习分析识别出不同再入院风险的患者亚群,提示出院后照护应个体化,并将试验终点拓展至更广泛的临床结局。2026年8月10日新统计模型预测儿童慢性ITP一种新的统计模型通过使用年龄、性别、免疫球蛋白水平和实验室值,在诊断时预测儿童慢性免疫性血小板减少症(ITP),提供早期临床指导。2026年4月24日
Loading comments...
MedXY briefing

Get the free newsletter

Evidence-led clinical news, trends, and analysis—delivered to your inbox.

向 MedXY AI 提问

Most popular

儿科
抗VEGF与激光光凝治疗早产儿视网膜病变:美国眼科学会综合综述带来的启示
医学资讯
神经降压素受体1:驱动结直肠癌免疫排斥与不良预后的关键因素
公共卫生
糖尿病超额医疗负担的年龄差异:不止于传统并发症
儿科
vosoritide 在 RASopathy 及相关遗传性矮身材患儿中显示出令人鼓舞的促生长作用
临床进展
医嘱定制食品杂货对 Medicaid 承保2型糖尿病成人血糖控制的影响:随机对照试验带来的启示
© 2026 MedXY
Contact usAbout usPrivacy PolicyMedXY story
TIP-CA 模型:用于成人皮肌炎患者癌症风险分层的有效工具研究人员开发并验证了 TIP-CA 模型,这是一种使用五个关键因素——抗 TIF1-γ 抗体、间质性肺病(ILD)缺失、皮肤异色症、皮肌炎亚型和贫血——准确预测皮肌炎患者恶性肿瘤风险的临床工具,有助于早期发现和个性化筛查。2026年3月6日