慢性阻塞性肺疾病加重期病人30 d非计划再入院研究进展

贾方容，袁平乔，姚 丽，赵 雪，明泽艳，李 雪，蔡 鹏*

1.贵州医科大学护理学院，贵州 550000；2.贵州医科大学附属医院

慢性阻塞性肺疾病(COPD)是一种以持续呼吸症状和气流受限为特征的肺部疾病[1-2]，是世界上仅次于脑卒中和心血管疾病的第三大死因[3-4]。2018 年的一项研究显示，我国40 岁以上的COPD 病人接近1 亿例[5]。慢性阻塞性肺疾病加重期（AECOPD）是指COPD 病人的呼吸道症状急剧恶化，需要额外治疗的疾病状态[6]。研究显示，AECOPD 病人治疗出院后30 d 非计划再入院率高达20%[3,7-8]。AECOPD 再入院不仅影响病人身体健康及肺功能，还会引起疾病加重、死亡风险增加，导致医疗费用增加和资源紧张等[9-10]。降低非计划再入院率已成为发达国家衡量卫生系统提供护理过程和质量结果的标准[7]。了解AECOPD 病人非计划再入院的危险因素和风险评估工具，有利于临床医务工作者准确、高效地评估病人病情、实施干预措施、合理整合资源、优化护理管理及降低AECOPD 病人再入院率[11-12]。现从30 d 非计划再入院相关概念及AECOPD 病人30 d 非计划再入院现状、影响因素、风险预测模型、干预策略进行综述，旨在为临床一线工作者及时评估病人病情、尽早制定护理决策提供依据。

1 30 d 非计划再入院相关概念

非计划是指某事件突然发生，而非在之前做好的计划之内，由此给生活及工作带来了不必要的麻烦和困扰[13]。非计划再入院是根据病人是否在出院后较短时间内，由同一疾病或相关疾病而再次入院进行判断，通常给病人带来经济负担，可以通过预防降低[14]。疾病模型构建是指通过遵循确保临床有效性和合理性，从系统工程角度验证其全面性，保证所选特性为结构化这3 个原则选择合适的变量，构建相关模型用于预测疾病发展[8]。

2 AECOPD 病人30 d 非计划再入院现状

2.1 我国AECOPD 病人30 d 非计划再入院现状

Lin 等[14]于2011 年1 月—2012 年11 月选取温州医科大学台州医院的692 例AECOPD 病人作为研究对象进行分析，得出其医院AECOPD 病人再入院率为6.8%，与陈虎等[15]在北京5 所大型综合医院的研究结果相似（30 d 再入院率为2.67%～6.30%），低于Chan等[16]的研究结果（30 d 再入院率24.2%）。已有研究表明，病人30 d 再入院主要与疾病第1 次发作时间长短、病人前1 年入院次数、第1 秒用力呼气容积占预计值百分比（FEV1%）、体质指数、入住重症监护室（ICU）进行治疗的次数、脓性痰的出现、心房颤动及心力衰竭等因素有关[15-16]。且研究发现，联合抗生素治疗能降低病人30 d COPD 再次发作风险[15]。

2.2 国外AECOPD 病人30 d 非计划再入院现状 美国学者基于全美再入院数据库分析了2013 年—2014年全美1 055 830 例AECOPD 病人数据，结果显示，19.2%的病人在30 d 会非计划再次入院[17]。Buhr 等[18]对1 622 983 例COPD 住院病人进行分析得出病人在30 d 再入院率为17.25%。Bashir 等[19]的研究显示COPD 病人再入院率为16.5%。

可见，国内外病人30 d 再入院率存在差异，可能与样本量、社会经济地位、研究时间、医疗服务体系、前瞻性诊断及地区的医疗费用支付政策有关。我国在此方面还缺乏大样本、多中心研究，且我国属于发展中国家，医疗服务体系也不如发达国家完善，估计我国病人总体再入院率可能比发达国家更高[20]。

3 AECOPD 病人30 d 非计划再入院影响因素

3.1 病人相关因素

3.1.1 年龄 研究表明，AECOPD 病人的年龄影响其再入院率[21-23]，但不同研究所得年龄阶段稍有不同。Lau 等[23]从国家住院病人数据库中提取2006 年—2011年来自纽约和加利福尼亚的339 389 例病人(衍生队列)、来自华盛顿和佛罗里达的258 113 例病人(验证队列)的人口统计学数据和临床数据，用于构建COPD 加重后病人30 d 再入院风险评估工具，其研究结果显示，40～64 岁是病人30 d 再入院的独立危险因素，＞65 岁的病人反而未被纳入风险模型。Jo 等[9]根据全国数据库资料对再入院风险因素进行分析，得出40～64 岁人群因呼吸系统疾病再次入院的比例（59.1%）高于65岁及以上人群(48.3%)。西班牙学者于2017 年招募了253 例AECOPD 病人进行一项前瞻性队列研究，构建了30 d 再入院风险预测模型，结果显示，（68.9±9.8）岁是预测再入院的风险因素[24]。

3.1.2 性别 韩国研究者于2014 年—2016 年通过一项全国数据平台调查16 105 例病人，结果显示，男性为病人30 d 再入院的危险因素[7]。已有研究表明，男性和女性在COPD 疾病认知方面存在差异，女性对COPD 的疾病管理和护理明显优于男性[9]。在放射学检查中，男性和女性表现出了不同的肺部病理表型，男性吸烟者肺气肿发生率高于女性，这可能与男性吸烟者多于女性有关，故男性病人再入院率明显高于女性[25-26]。我国首个肺功能列线图预测模型由Hu 等[27]借助中国上海中山医院和上海市普陀区人民医院AECOPD 住院病人回顾数据库进行研究后提出，用于预测病人30 d 再入院风险评估，研究结果提示，男性再入院风险大于女性，与Dobler 等[21,23,28]研究结果相似。大量研究结果显示，男性病人比女性更容易因疾病加重而入院，但也有研究显示女性再入院病人的预后结局比男性差[29]。

3.1.3 共病指数 韩国一项研究显示，共病指数（除周围血管疾病外）越大病人再入院率越高[7,30]，LACE（L 为住院时长，A 为住院紧急程度，C 为并发症，E 为急诊）评分工具中使用Charlson 共病指数评分测量病人共病情况，结果显示，病人共病指数得分与再入院情况呈正相关[12,31]。西班牙研究团队对30 d 再入院病人的共病情况进行分析，结果显示Charlson 指数为（1.8±0.9）分[19]。Bellou 等[22]的研究表明，病人再入院情况不仅与共病种类有关，还与共病负担有关。病人同时患有多种疾病时身体状况较差，且因共病导致负担加重，病人再入院风险增加。

3.1.4 心理障碍 近年来，心理障碍对COPD 患病率和30 d 再入院的影响被研究者关注。Jo 等[9]研究显示，高达55%的COPD 病人临床诊断为焦虑或抑郁。有研究者于2012 年9 月—2013 年9 月在马来西亚开展多中心前瞻性研究，证实因AECOPD 再入院的病人中34.57% 的病人存在焦虑，38.27% 的病人患有抑郁症[32]。Singh 等[28]进行了回顾性队列研究，结果发现，抑郁、焦虑等心理障碍对老年COPD 病人的20～30 d再入院率有显著影响。Euceda 等[33]于2014 年9 月—2015 年9 月对AECOPD 病人病例进行回顾性研究，证明再入院病人具有焦虑等社会心理风险因素。随着病情发展，COPD 病人会出现呼吸困难等症状，引起恐慌和焦虑，而病人焦虑状态又会使疾病加重。COPD 病人心理状态和疾病加重再入院相互影响。

3.1.5 吸烟 已有研究显示，病人吸烟状况与再入院密切相关，大量风险模型中变量包含吸烟状况[28,34]；且有研究表明，戒烟能够降低病人再入院率[30,35]。这可能与吸烟会引起气道炎症反应及增加肺功能受损有关。

3.2 非病人因素

3.2.1 住院时长 Liu 等[36]于2013 年11 月—2014 年2月将上海市中山医院呼吸内科病房或ICU 病房连续住院并诊断为AECOPD 的病人作为研究对象开展前瞻性观察研究，其建立的再次急性加重（re-AE）评分指数中病人住院时间与得分情况关系为：≤10 d 对应0分，11～20 d 对应1 分，21～30 d 对应2 分，＞30 d 对应3分。病人住院时间越长再入院率越高[12,21,31]。韩国学者的研究显示，住院时长与病人再入院呈正相关[7,24]。Singh 等[28]的研究表明，ICU 住院时间更有可能预测病人30 d 再入院情况。

3.2.2 过去1 年因AECOPD 住院次数 张瑞等[34]于2019 年对宁夏地区13 所医院的1 120 例老年COPD 病人进行病例对照研究，建立了病人30 d 再入院风险预测模型，研究结果显示,病人因AECOPD 住院次数越多再入院率越高。Damery 等[37]用LACE 评分工具预测2013 年1 月—2014 年12 月出院病人30 d 再入院情况，结果显示，结合病人上1 年住院次数能提高预测效能[38]。

3.2.3 种族 Lau 等[23]通过急性加重后再入院（RACE）评分系统得出非裔美国人是AECOPD 病人再入院的危险因素。Hijjawi 等[39]对2010 年6 月—2011年5 月对其医院出院的COPD 病人进行回顾性图表审查，发现不同人种再入院接受治疗程度不同。

3.2.4 社会因素 当病人返回社区时，社会因素(如贫困)和慢性病(如并存心脏病)的重要性会随时间推移增加。研究显示，贫困状况与较低的早期再入院风险相关，贫困可能成为获得医疗保健的障碍，其中不仅包括自付医疗费用，还包括交通费用[40-41]。Jo 等[9]的研究也提示，病人再入院情况与医疗救助范围有关。贫困病人在疾病早期会由于经济困难、缺乏交通工具等原因不到医院救治，这虽然降低了早期再入院率，但会增加疾病加重后期再入院率。

3.3 其他 COPD 病人长效β2受体激动剂(LABA)的使用频率较高，而皮质类固醇/长效毒蕈碱受体激动剂使用频率和剂量较低会增加再入院风险，可能与气道炎症或气道水肿情况改变有关[42]。相关研究显示，每天接受氧疗≥16 h 的病人与低于此吸氧时间的病人相比，30 d 再入院风险增加了5 倍，这与长期接受氧疗的病人可能患有严重、晚期疾病及气道损害有关[38-39]。Kirenga 等[43]的研究显示，病人婚姻状况是预测病人再入院情况的重要因素。

4 AECOPD 国内外风险预测模型

4.1 我国风险预测模型 张瑞等[34]的预测模型主要包括文化程度、吸烟情况、过去1 年COPD 急性加重住院次数、是否规律用药、是否康复锻炼、营养状况及季节因素。根据模型预测公式，当Z≥-3.371 时认为病人30 d 内会因疾病急性加重再入院。Hu 等[27]构建的模型主要内容包括性别、COPD 评估测试(CAT)评分、前1 年急性加重（AE）合并呼吸衰竭、新增脓痰、新增心血管事件、联合抗生素治疗、AE 的茶碱治疗和ICU入院情况。周寅川等[44]构建的模型内容包括CAT 评分、糖尿病、C 反应蛋白（CRP）、外周血中性粒细胞和淋巴细胞绝对值比值（NLR）、血小板/淋巴细胞比值(PLR)≥146.9、白蛋白与球蛋白比值(AGR)。总之，我国研究者对30 d 再入院病人关注度不够，未开展大样本、多中心及全国性的研究。现有模型的外推性较差，也没有很好地证实各模型实用性。未来研究者应开展相关大样本研究，根据得出的危险因素制定相应处理措施。

4.2 国外常用的风险预测模型 LACE 评分工具是一个被研究者推导和验证的、对临床工作有效的病人再入院风险评估工具[21]。其主要内容包括住院时长、疾病紧急情况、病人共病情况及过去6 个月内就诊次数。RACE 是Lau 等[23]从国家住院病人数据库中提取2006 年—2011 年来自纽约和加利福尼亚的339 389 例病人(衍生队列)、来自华盛顿和佛罗里达的258 113 例病人(验证队列)的人口统计学和临床数据构建的COPD 加重后病人30 d 再入院风险评估工具，内容包括年龄、性别、收入、种族、主要支付方式、并发症、抑郁症、药物滥用和充血性心力衰竭9 个方面，满分为79分。西班牙学者构建的模型包括3 个指标，分别为年龄、第1 秒用力呼气容积（FEV1)、Charlson 共病指数评分[24]。模型的构建有利于及早评估病人疾病情况，为病人制定相应的医疗计划及护理措施提供依据，减少病人再入院率。国外研究常针对全国数据进行分析，具有代表性，且其构建的模型有利于制定应对措施。

5 AECOPD 病人30 d 非计划再入院干预策略

Bourbeau 等[45-46]的研究表明，疾病相关知识介绍、COPD 教育和使用吸入器、出院后的延续性护理（家访、电话和病人热线）是减少病人再入院的有效措施，但其研究结果是观察病人在出院1 年后的再入院情况，而非短期再入院情况。Ohar 等[47]的研究证实，在AECOPD 病人入院时给予综合护理计划及相应护理措施干预，能够有效降低病人30 d 再入院率。此外，研究显示，以更好地随访和社区支持监测治疗、进行戒烟咨询、提供行动计划、进行药物吸入培训和药物滥用监测等也能有效降低病人再入院率[26]。Euceda 等[33]的研究得出以下预防措施：①强烈建议在所有AECOPD 病人入院时咨询肺病专家，这有利于识别具有高临床风险的病人，并对病人的护理计划进行早期干预、优化和个性化调整。②在病人住院期间进行良好的医患交流，从而提高病人依从性。③加强电话随访，及早发现病人病情变化。④优化护理早期（1 周内）随访流程。⑤临床药师在病人护理过程中定期提供用药咨询将有利于降低病人再入院率[9]。我国的研究主要集中于个性化延续护理干预，主要内容包括出院前1 d 对病人进行出院健康宣教，了解病人及家属与康复相关的需求和困难，及时解答病人疑惑并制定出院指导计划；病人出院后定时进行电话随访，及时了解病人病情变化并制定相应的处理措施；以病人为中心，尽可能满足病人疾病需求。总之，降低病人再入院率的措施需要多学科团队合作，在入院时给予病人综合护理措施干预，出院前及出院后给予病人个性化延续护理[48-50]。

6 小结

AECOPD 病人30 d 再入院率稍高，不仅给病人及其家庭带来沉重负担，还对整个医疗系统和社会造成巨大影响[9,11]。我国对再入院率及其风险预测模型的构建研究局限于单中心、小样本研究，而国外已通过大样本开发了相关风险预测模型，构建了较好的综合护理模式。由于地理位置、文化特征、疾病特征及医疗资源等的差异，国内外针对AECOPD 病人的30 d 再入院率、危险因素、预测模型和干预措施尚存在差异[20]。未来我国研究者应多关注AECOPD 病人30 d 入院相关研究，利用国外现有的研究工具和预测模型，结合我国实际情况，利用全国性的医疗数据库开展大样本、多中心、高质量研究，分析我国病人再入院率、危险因素，构建预测模型，制定相应的系统化、个性化及专业性强的对策，为临床一线工作者制定科学干预措施提供依据。