我國醫院抗菌藥物使用政策干預效果分析*

◆董四平 李 萌 吳金虎 何 柳 孫 靜*

董四平1，2 李 萌1 吳金虎3 何 柳2 孫 靜1*

1 衛生部醫院管理研究所 北京 100191

2 武漢大學政治與公共管理學院 湖北 武漢 430072

3 武漢市第三醫院 湖北 武漢 430024

廣泛使用抗菌藥物導致全球細菌耐藥逐漸上升，已成為威脅人類健康的公共衛生問題。研究證 實［1－2］，細菌耐藥的增加很大程度上源于抗菌藥物的不合理使用。我國不合理使用抗菌藥物現象廣泛存在，同樣面臨日益嚴峻的細菌耐藥問題［3］。抗菌藥物不合理使用包括過度使用、使用不足與錯誤使用，我國臨床抗菌藥物不合理使用主要表現為過度使用。我國2004年頒布《抗菌藥物臨床應用指導原則》，2005年建立全國細菌耐藥監測網與臨床抗菌藥物應用監測網，2011年～2013年原衛生部在全國范圍內開展抗菌藥物臨床應用專項整治活動。本研究利用國際通用計量單位和指標定量分析我國醫院抗菌藥物使用情況，評估2011年以來全國抗菌藥物專項整治活動效果。

1 資料來源與方法

1.1 資料來源

本文研究對象為來自全國7個地區12個省市的15家已參加抗菌藥物臨床應用監測網的三級甲等公立醫院。選擇方法是將全國7大片區(東北、華北、華東、華中、華南、西南、西北)所屬省份按人均 GDP排序，根據人均GDP居中、2005年參加監測網、三級醫院的原則，選擇樣本省份(遼寧、吉林、北京、河北、山東、安徽、江蘇、湖北、廣東、四川、陜西、寧夏)和樣本醫院。數據來源于現場調研，研究時間為2005年～2012年。課題組在文獻綜述和專家咨詢的基礎上設計數據需求表，調研人員依據需求表在現場提取樣本醫院信息系統相關數據，確保數據真實、可靠。

1.2 方法

將15家醫院2005年～2012年的季度門診處方及住院病例樣本數據建立數據庫，應用SPSS17.0統計軟件進行分析。應用描述性統計方法對醫院抗菌藥物使用情況進行描述，利用 Stata12.0軟件對15家醫院2005年～2012年的門診處方及住院病例樣本抗菌藥物使用情況的季度序列數據進行分段線性回歸分析。

分段線性回歸分析是評估間斷時間序列(Interrupted Time Series)資料中干預效應的有效統計方法。間斷時間序列設計是評估干預措施縱向效應最強的準實驗方法。分段線性回歸分析回歸方程為:Yt= β0+ β1× timet+ β2×interventiont+ β3× postslopet +εt。其中，Yt是在時間 t的結果變量;time是一個連續變量，代表從研究開始到觀察期結束的時間;intervention在干預前的時間點為0，在干預后的時間點為1;postslope在干預前的任何時間均為0，在干預后是從1依次增加的數字。在這個模型中，β0代表結果在時間0(周期開始)的基線水平;β1估計的是與干預無關的結構趨勢或增長速度;β2估計的是干預的即時影響或干預后相關結果的變化水平;β3反映的是干預后趨勢變化或結果增長速度;εt是誤差項［4］。

2 結果與分析

2.1 門診住院抗菌藥物使用整體趨勢

2005年～2012年15家醫院門診和住院(手術/非手術病例)抗菌藥物與抗菌藥物輸液使用比例的整體變化趨勢顯示，除門診抗菌藥物輸液的處方比例趨勢較平穩外，其它指標均呈下降趨勢，且自2011年起下降趨勢更明顯。

手術前0.5h～2h預防性使用抗菌藥物比例隨時間變化整體有所上升，2011年9月起上升趨勢更明顯。手術后預防性使用抗菌藥物比例則隨時間變化逐漸下降，2011年9月后降幅更明顯。

2.2 抗菌藥物使用干預前后效果分析

表1中，模型1是沒有經過調整的簡單線性回歸結果(Durbin－Watson統計量為 1.41)，模型 2則是使用 Prais－Winsten估計式進行調整后的線性回歸結果［4－5］。模型1的結果顯示，在觀察開始時，門診含抗菌藥物的平均處方比例為22.83%，并顯著下降(P1＜0.01)。2011年 9月是全國干預基本落實后的第一個季度，門診含抗菌藥物的處方比例顯著下降了 4.7%(27% ，P2＜0.05)。2011年9月后，門診含抗菌藥物處方比例繼續下降，且速度加快，但效果不顯著(P3=0.395)。經過分段線性回歸對自相關的調整，模型2的結果顯示，干預效果不顯著，這表明干預對門診含抗菌藥物的處方比例影響不大。與此相反，在觀察開始時，門診抗菌藥物輸液的平均處方比例為2.83%。干預前后，季度與季度之間的處方比例不存在顯著差異(P1＞0.05，P3＞0.05)，且干預后門診抗菌藥物輸液的處方比例的變化也沒有統計學意義(P2＞0.05)。

表2中模型1的結果(Durbin－Watson統計量為1.75)顯示，在觀察開始時，住院含抗菌藥物的平均病例比例為74.72%。干預前，季度與季度之間的病例比例存在顯著差異(P1＜0.01)。2011年9月，住院含抗菌藥物的病例比例從約67%下降到58%(P2＜0.05)。2011年9月后，住院含抗菌藥物的病例比例繼續下降，且下降速度加快，但下降不顯著(P3＞0.05)。經過分段線性回歸對自相關的調整，模型2的結果顯示，干預效果不顯著，這表明干預對住院含抗菌藥物的病例比例影響不大。同樣，在觀察開始時，住院手術含抗菌藥物的平均病例比例為97.57%。干預前，季度與季度之間的病例比例存在顯著差異(P1＜0.01)。2011年9月，住院手術含抗菌藥物的病例比例從約92%下降到85%(P2＜0.01)。2011年 9月后，住院手術含抗菌藥物的病例比例仍然繼續顯著下降(P3＜0.001)。經過分段線性回歸對自相關的調整，干預效果不顯著，這表明干預對住院手術含抗菌藥物的病例比例影響不大。相反，在觀察開始時，住院非手術含抗菌藥物的平均病例比例為51.89%。干預前，季度與季度之間的病例比例存在顯著差異(P1＜0.05);干預后，季度與季度之間的病例比例不存在顯著差異(P3＞0.05)。同時，干預后住院非手術含抗菌藥物的病例比例下降也不存在顯著性(P2＞ 0.05)。

表1 門診含抗菌藥物處方比例的分段線性回歸結果

表3中模型1的結果顯示，在觀察開始時，住院抗菌藥物輸液的平均病例比例為75.17%。干預前，季度與季度之間的病例比例存在顯著差異(P1＜0.001)。2011年9月，住院抗菌藥物輸液的病例比例從約64%下降到54%(P2＜0.05)。2011年9月后，住院抗菌藥物輸液的病例比例繼續下降，且速度加快，但下降不顯著(P3＞0.05)。經過分段線性回歸對自相關的調整，模型2的結果顯示，干預效果具有統計學意義，這表明干預對于住院抗菌藥物輸液的病例比例存在顯著影響。同樣，在觀察開始時，住院手術抗菌藥物輸液的平均病例比例為94.04%。干預前，季度與季度之間的病例比例存在顯著差異(P1＜0.001)。2011年9月，住院手術抗菌藥物輸液的病例比例從約87%下降到78%(P2＜0.05)。2011年 9月后，住院手術抗菌藥物輸液的病例比例仍繼續顯著下降(P3≤0.001)。經過分段線性回歸對自相關的調整，干預效果具有統計學意義，這表明干預對住院手術抗菌藥物輸液的病例比例存在顯著影響。相反，在觀察開始時，住院非手術抗菌藥物輸液的平均病例比例為52.77%。干預前后，季度與季度之間的病例比例不存在顯著差異(P1＞0.05，P3＞0.05)，且干預后住院非手術抗菌藥物輸液的病例比例的變化沒有統計學意義(P2＞0.05)。

表4中模型1的結果(Durbin－Watson統計量為 1.86)顯示，在觀察開始時，手術后預防性使用抗菌藥物的平均比例為95.63%。干預前，季度與季度之間的藥物比例存在顯著差異(P1＜0.001)。2011年9月，手術后預防性使用抗菌藥物的比例從約75%下降到63%(P2＜0.05)。2011年 9月后，其比例仍繼續顯著下降(P3＜0.01)。經過分段線性回歸對自相關的調整，模型2的結果顯示，干預效果具有統計學意義，這表明干預對手術后預防性使用抗菌的藥物比例存在顯著影響。相反，在觀察開始時，手術前0.5h～2h預防性使用抗菌藥物的平均比例為42.80%。干預前后，季度與季度之間的藥物比例不存在顯著差異(P1＞0.05，P3＞0.05)，且干預后手術前 0.5h～2h預防性使用抗菌藥物比例的下降沒有統計學意義(P2＞0.05)。

表2 住院含抗菌藥物病例比例的分段線性回歸結果

表3 住院抗菌藥物輸液病例比例的分段線性回歸結果

表4 手術后預防性使用抗菌藥物比例的分段線性回歸結果

3 結論

3.1 抗菌藥物整改活動取得了一定效果

除門診抗菌藥物輸液的處方比例趨勢較平穩外，其它指標整體趨勢均下降，且自2011年開始下降趨勢更加明顯。門診抗菌藥物輸液處方比例絕對值始終處于較低水平，但這并不意味著我國醫院門診抗菌藥物使用已規范。通過與15家醫院的座談發現，門診輸液處方都歸在急診，但本研究統計的門診不包括急診。手術前0.5h～2h預防性使用抗菌藥物比例隨時間變化整體上升，2011年9月開始上升趨勢更加明顯;手術后預防性使用抗菌藥物比例則逐漸下降，2011年9月后降幅更加明顯。由此可見，抗菌藥物整改活動取得了一定效果。

3.2 醫院抗菌藥物應用強度顯著下降

從2011年9月起，門診含抗菌藥物的處方比例、住院手術含抗菌藥物的病例比例、住院含抗菌藥物的病例比例、住院手術抗菌藥物輸液的病例比例、住院抗菌藥物輸液的病例比例、手術后預防性使用抗菌藥物的比例等均顯著下降。分段回歸結果顯示，干預對住院手術抗菌藥物輸液的病例比例、住院抗菌藥物輸液的病例比例、手術后預防性使用抗菌藥物的比例存在顯著影響。但干預后抗菌藥物在門診和住院的使用比例與國際認可的標準水平相比仍處于高位，有繼續改進空間。

3.3 分段線性回歸分析方法適用于政策干預效果研究

分段線性回歸分析方法能夠將時間序列數據在某一時間點人為地分為兩部分，分析這一時間點前后數據的變化趨勢，進而將這一時間點上某些干預措施的即時效果分離出來，分析干預前后時間序列數據的發展趨勢。這一方法不僅能夠分析時間的效果，還能分析某一時間點干預措施的效果，從而使結果更準確。

［1］Angunawela I，Diwant V，Tomson G.Experimental evaluation of the effects of drug information on antibiotic prescribing:A study in outpatient care in an area of Sri Lanka［J］.International Journal of Epidemiology，1991，20(2):558－564.

［2］Chukwuani C.O M，Sumonu K.Survey of drug use practices and antibiotic prescribing pattern at a general hospital in Nigeria［J］.Pharmacy World ＆ Science，2002，24(5):188－195.

［3］馬宏宇.細菌耐藥性監測與抗菌藥物的合理應用［J］.臨床合理用藥，2011，4(3):116.

［4］Mylene Lagarde.Assessing the impact of a policy change with routine longitudinal data［J］.Health Policy and Planning，2012，27(1):76－83.

［5］A.K.Wagner，S.B.Soumerai，F.Zhang，et al.Segmented regression analysis of interrupted time series studies in medication use research［J］.Journal of Clinical Pharmacy and Therapeutics，2002，27:299－309.