某院31 天內再入院現狀與影響因素分析

◆劉 娟 楊 棟 李系仁，* 周士金

劉 娟1 楊 棟2 李系仁1，3* 周士金3

1 中國醫科大學人文社科學院 遼寧 沈陽 110001

2 中國醫科大學基礎醫學院 遼寧 沈陽 110001

3 中國醫科大學附屬第一醫院 遼寧 沈陽 110001

近年來，患者再入院率逐年增長，由此引發各國對醫療質量的普遍關注和討論［1］。再入院是導致患者負擔加重和衛生資源浪費的重要原因。有研究表明，美國1984 年居民的醫療消費高達80 億美元，其中50%用在住院治療上，且有13% 的再入院患者占用了超過50% 的醫療資源［2］。因此，國際上把再入院作為評價醫療質量和醫療效率的重要指標［3－6］。本研究通過對沈陽市某三甲醫院再入院患者進行現狀分析，探討患者出院31 天內再入院的主要影響因素，為醫療質量的科學管理提供依據。

1 資料與方法

1.1 資料來源

數據來自醫院信息系統(HIS) ，提取2009 年1 月1 日～12 月31 日出院患者數據，包括年齡、性別、患者居住地、醫保類型、入院日期、出院日期、住院天數、出院診斷等。病歷首頁信息包括病史、入院狀況、出院轉歸、是否院內感染、是否手術、合并癥個數等。

國際上對再入院的定義沒有統一的標準，一般以1 周或1 個月內因同樣疾病或手術再次入院為較常用的測量方法［7］。本文參照國外標準，并結合國內有關三級綜合醫院醫療質量管理與控制指標，篩選出有效的信息［8－9］。篩 選 條 件: (1) 身 份 證號、醫保號、住院登記號等與住院信息相匹配; (2) 患者出院—再入院間隔天數≤31 天; (3) 剔除惡性腫瘤手術、放化療及精神疾病的病例; (4)剔除與前次入院疾病不同的新發疾病的再入院病歷。

1.2 分析方法

將所有數據建立數據庫，應用SPSS16.0 統計軟件進行分析。應用描述性統計方法對再入院的患者信息進行描述; 應用t 檢驗和χ2檢驗對影響再入院的因素進行單因素分析; 應用Logistic 回歸對單因素分析后有統計學意義的危險因素進行影響程度和顯著性分析。

為了消除因疾病嚴重程度不同(以合并癥個數的多少來反映) 可能造成的分析偏誤，引入Charlson Comorbidity Index Score［10－11］; 為 了捕捉年齡的非線性影響，引入年齡的平 方［12－13］。Logistic 回 歸 模 型 如下(因變量為患者“是否”31 天內再入院，若31 天內再入院為1，否則為0) : LogisticP = β0+ β1Age +

β2Age2+ β3Gender + β4Style +β5History + β6Time + β7LOS +β8Interval+ β9Cscore + β10Condition+β11Outcome + β12Surgical + β13Infect 。

其中，Age 表示年齡; Age2表示年齡的平方; Gender 表示性別(男性=1，女性=0) ; Style 表示醫保類型(1 = 醫 保，0 = 非 醫 保) ; History表示病史(1 年以上=1，1 年以內=0) ; Time 表示住院次數; LOS 表示住院天數; Interval 表示住院間隔;Cscore 代表Charlson Comorbidity Index Score; Condition 表示入院狀況(1 = 急或危，0 = 一 般) ; Outcome 表示出院轉歸(1 = 未治愈，0 = 治愈) ; Surgical 表示是否手術(1 = 是，0 = 否) ; Infect 表示是否院內感染(1 = 是，0 = 否) 。

2 結果

2.1 性別與年齡分布

醫院2009 年全年出院患者67 993人次，31 天內再入院1 938人次，約占出院總人次的2. 85%。再入院次數最多的是16 次，2 次住院占絕大多數，有1 507 人，占再入院總人數的77.8%。

從性別與年齡分布的結果看，31 天內再入院患者男性多于女性，分別為1 113 人和825 人，男女比例為1.3:1。男性再入院患者年齡主要集中在50 ～79 歲，占所有男性再入院患者的52. 8%; 女性主要集中在40 ～59 歲，占所有女性再入院患者的45.2%，見表1。

表1 31 天內再入院患者性別和年齡分布［單位:人次(%)］

2.2 疾病史和病種分布

從病史分布結果看，31 天內再入院患者病史 1 年以上的占66.09%，說明患者所患疾病多為慢性疾病; 病史不足1 年的占33.91%(見表2) 。

表2 31 天內再入院患者病史分布［單位: 人次(%) ］

從再入院率居前10 的病種看，強直性脊柱炎的31 天內再入院率最高，為27.18%; 系統性紅斑狼瘡次之，為19.00%，且內科病種遠遠多于外科病種; 其他病種31 天內再入院率的具體情況見表3。

表3 31 天內再入院率居前10 的病種［單位:人次(%)］

2.3 平均住院天數和出院－ 再入院間隔天數分布

患者出院后再入院的平均住院天數為12. 31 天(標 準 差 為13. 16天) ，平均 間 隔 天 數 為13. 6 天(標準差為10.6 天) 。當天再入院患者有407 人次，占再入院間隔天數的21.00%;1 ～7 天的有381 人次，占19.7%;8 ～14 天的有360 人次，占18.6%; 14 ～21 天的有392 人次，占20. 2%; 22 ～31 天 的 有398 人次，占20.5%(見圖1) 。一項歐洲和美國的比較研究認為［6］，7 天內再入院主要反映住院服務質量，如因過早出院而再入院; 8 ～30 天再入院主要反映患者疾病的嚴重程度或慢性病情況。

2.4 31 天內再入院影響因素

通過單因素分析的結果發現，年齡、年齡2、性別、醫保類型、病史、住院次數、前次入院天數、再入院間隔天數、前次合并癥個數、前次入院狀況、前次出院轉歸、前次是否手術、前次是否院內感染這13 個變量會影響到31 天內再入院，且有顯著統計學意義。進行非條件Logistic回歸分析，發現影響31 天內再入院的主要危險因素是: 年齡、年齡2、性別、病史、前次入院天數、再入院間隔天數、前次合并癥個數、前次住院狀況、前次出院轉歸，見表4。

2.5 各因素對31 天內再入院的影響程度

優勢比(OR) 含義是指暴露組某事件發生的概率是非暴露組的倍數。本研究是指31 天內再入院的暴露(年齡、性別、醫保類型、病史、前次入院天數、前次出院轉歸等影響因素) 的概率是31 天內無再入院的倍數。若某因素的OR 大于1，說明該因素是某事件發生的危險因素; 若小于1，說明該因素是某事件發生的保護因素。如果自變量是2項分類變量，OR 就是該變量為1 時的危險比; 如果自變量是數值變量，OR 就是該變量取一個增量時的危險比［14］。

圖1 出院－再入院的間隔天數分布

表4 31 天內再入院影響因素的Logistic 回歸分析

在其他條件均衡的情況下，以下為危險因素: 患者年齡每增加1 歲其31 天內再入院的危險度就擴大1.197 ～1.219 倍; 男性患者31 天內再入院的危險度是女性患者的1.337倍; 病史1 年以上的患者31 天內再入院的危險度是病史不足1 年的患者的3.348 倍; 患者前次住院合并癥個數每增加1 個其31 天內再入院的危險度為2.677; 前次入院狀況嚴重的患者其31 天內再入院的危險度是普通患者的1.409 倍; 前次出院時未治愈的患者其31 天內再入院的危險度是治愈患者的3. 098 倍。以下為保護因素: 患者前次入院天數每增加1 天其31 天內再入院的危險度為0.349，即前次住院天數越長，31 天內再入院的機率越小，反之亦然; 患者兩次住院間隔天數每增加1 天其31天內再入院的危險度為0.635，即兩次住院間隔越長，其31 天內再入院的機率越小，反之亦然。

3 討論

3.1 疾病嚴重程度是最重要的影響因素

從多因素 Logistic 回歸結果看，反映疾病嚴重程度的指標與患者出院后再入院有直接的聯系。病史1 年以上、前次合并癥個數越多、前次入院狀況越危重和前次出院轉歸未愈的患者，出院后31 天內再入院的機率顯著增大，且在眾多影響因素中反映疾病嚴重程度的指標是最多的，由此可以看出疾病嚴重程度是影響31 天內再入院的最重要的影響因素。因此，醫院應結合患者病情給予合理的治療方案，使每位出院患者都符合出院標準，降低患者因不充分的治療服務而再次入院的機率。

3.2 病種特征是再入院可預防的因素

31 天內再入院率高的疾病多為內科慢性病，難以根治，且由于病人經濟問題等因素，造成了一些病人未完全治愈而出院，這些病人的病情易復發。內科系統疾病應嚴格掌握治愈標準，未完全治愈出院者應介紹到相關醫療機構跟蹤治療。有研究指出，有12% ～75% 的再入院可通過對病人的教育、出院前評估以及良好的照護而避免［15］。

3.3 年齡特征誘發再入院

年齡是多數疾病高發的人口學因素。再入院的主要人群是中老年人，這與其機體抵抗力下降、易患病有關。如心血管疾病、慢性肺部組織疾患(COPD) 、支氣管哮喘、心肌梗死、糖尿病、高血壓等。從多因素Logistic 回歸結果看，患者的年齡越大，出院后31 天內再入院的機率顯著性越高。因此，做好中老年人的醫療保健，及時發現，及早治療，這將有利于提高疾病的治愈率，減少再入院率。

3.4 其他可能的影響因素

由于本研究只是對某院的再入院情況進行分析研究，因此會忽視一些可能的影響因素。如等級越高的醫院，再入院情況越嚴重。有報道稱，病床數越多的醫院，患者出院后1 個月內再入院的機率越大［12］; 或者等級越高的醫院患者的疾病嚴重程度越高，易受院內交叉感染。此外，還有其他一些因素是導致再入院率高的原因。

［1]Rick McLean，Kumara Mendis，Joe Canalize. A ten－year retrospective study of unplanned hospital readmissions to a regional Australian hospital［J］. Australian Health Review，2008，32(3) :537 －547.

［2]Anderson GF，Steinberg EP. Hospital Readmissions in Medicare Populations［J］.North England Journal Medical，1984(311) :1349 －1353.

［3]Thomas J W，Holloway J J. Investi gating early readmission as an indicator for quality of care studies［J］. Med Care，1991(29) :377 －394.

［4]Milne R，Clarke A. Can readmission rates be used as an outcome indicator［J］.BMJ，1990(301) : 1139 －1140.

［5]Chambers M A，Clarke A. Measuring readmission rates［J］. BMJ，1990(301) :1134 －1136.

［6]Gert PW，Ronald JL，Ilmo Keskimaki，et al. An international study of hospital readmissions and related utilization in Europe and the USA［J］.Health Policy，2002(61): 269－279.

［7]楊 輝，Shane T.再入院:概念、測量和政策意義［J］.中國衛生質量管理，2009，16(5) :113 －115.

［8]Laurie Landrum M，Weinrich S.Readmission data for outcomes measurement: identifying and strengthening the empirical base［J］. Quality Management in Health Care，2006(15) : 83 －95.

［9]周念松，張 俊，馬謝民，等.北京市某三甲醫院31 天內非計劃性再入院研究［J］.中國醫院管理，2010，30(4) :18 －20.

［10]Charlson ME，Pompei P，Ales KL，et al. A New Method of Classifying Prognostic Comorbidity in Longitudinal Studies: Development and Validation［J］. Journal Chronic Disease，1987(40) : 373 －383.

［11]Deyo RA，Cherkin DC，Ciol MA.Adapting a Clinical Comorbidity Index for Use with ICD－9－CM Administrative Databases［J］. Journal Clinical Epidemiologic，1992(45) : 613 －619.

［12]羅紀瓊，尤素絹.醫療總額支付制度對住院醫療品質的初步影響［J］.臺灣公共衛生雜志，2010，29(4) :360 －368.

［13]馮國雙，陳景武，周春蓮. Logistic回歸應用中容易忽視的幾個問題［J］.中華流行病學雜志，2004，25(6) :544 －545.

［14]胡良平. 現代統計學與SAS 應用［M］.北京: 軍事醫學科學出版社，1996.199－214.

［15]Soeken KL，Prescott PA，Herron DG，et al. Predictors of hospital readmission: a meta－analysis［J］. Eval Health Professions，1991(14) : 262 －281.