응급 병원 입원 위험이 높은 환자 식별: 로지스틱 회귀 분석

목적: 향후 응급 병원 입원 위험이 높은 환자를 식별하기 위해 일상 데이터를 활용하는 것. 설계: 입원 병원 사례 통계에 대한 기술적 분석. 다중 로지스틱 회귀를 사용하여 예측 모델 개발. 설정: 영국의 국가 건강 서비스 병원 신뢰. 참여자: 2000년 4월 1일과 2001년 3월 31일 사이에 NHS 병원에 응급 입원한 모든 환자. 주요 결과 측정: '고위험 사용자'는 최소 한 번의 응급 입원을 경험하고, 그 후 해당 입원 시작일로부터 12개월 내에 최소 두 번 이상의 추가 응급 병원 입원이 일어난 환자로 정의되었습니다. 결과: 2000/2001년에 2,895,234명이 응급으로 입원했으며, 이 중 147,725명(5.1%)이 첫 번째 입원을 생존하지 못했습니다. 생존한 2,747,509명 중 269,686명(9.8%)이 최소 두 번 이상의 응급 입원을 365일 이내에 경험했습니다. 이 기간 동안 추가로 236,779명(8.6%)이 사망했습니다. 고위험 사용자가 되는 위험 요인으로는 해당 입원 이전 36개월 동안의 응급 발생 수, 동반 질환, 나이, 외래 치료에 민감한 상태로의 입원, 인종, 지역 사회경제적 데이터, 지역 입원율, 해당 입원의 에피소드 수, 성별, 입원 출처가 포함되었습니다. 모든 응급 입원을 기반으로 한 예측 모델은 수신자 조작 특성 곡선 점수 0.72를 생성했습니다. 결론: 일상 병원 사례 통계는 향후 다수의 응급 병원 입원에서 높은 위험에 처한 환자를 식별하는 데 사용될 수 있습니다. 이러한 이후 입원의 일부를 예방함으로써 발생할 수 있는 비용 절감 효과는 이들 환자의 사례 관리 비용과 비교해야 합니다.