基于医疗健康数据构建的电子衰弱指数范围综述

郑佳映,杨闽木,陆思雯,余 萍

1.杭州师范大学,浙江杭州 310018;2.浙江省中医院,浙江杭州 310018;3.湖州市南浔区人民医院,浙江湖州 313009 ;4.澳大利亚卧龙岗大学,澳大利亚 NSW2522

衰弱(Frailty)是指机体生理储备下降导致机体易损性增加、抗应激能力减退的非特异性状态,与跌倒、失能等临床负性事件的发生密切相关[1]。衰弱是动态发展且潜在可逆,早期识别是开展衰弱管理的基础[2]。国际衰弱和肌肉减少症研究会议(International Conference of Frailty and Sarcopenia Research,ICFSR)2019年实践指南[3]指出,应对65岁以上的人群进行常规衰弱筛查,且筛查工具应快速、有效。目前应用较多的衰弱筛查评估工具需由专业人员实施且耗时。医疗健康领域信息化的发展使利用电子健康档案(Electronic Health Record,EHR)中的信息开展衰弱评估成为可能。2016年Clegg等[4]基于健康缺陷积累理论,运用英国初级医疗保健系统的EHR构建了电子衰弱指数(electronic Frailty Index,eFI),并证实eFI能够预测住院、死亡。eFI是基于ehr,如电子病例系统、电子保险数据等构建的衰弱指数(Frailty Index,FI)[5]。eFI通过计算个体现有健康缺陷指标与健康缺陷指标总数来判断个体的衰弱状态,评估数据获取便捷、评估快速等优势使之成为国际研究热点,ICFSR2020年实践指南也将其纳入推荐的衰弱评估工具中。但eFI的相关研究在国内仍处于萌芽阶段。因此,本研究基于Arksey等[6]的范围综述方法学框架,对eFI相关研究进行系统的范围审查,为构建本土化的eFI、进行衰弱评估提供参考。

1 资料与方法

1.1 确定研究问题

具体审查问题包括:eFI相关文献涉及的国家、年份和研究类型;eFI指标涵盖的内容及数据来源;eFI的效度;eFI的应用情况。

1.2 文献纳入与排除标准

纳入标准:研究主题围绕着医疗健康领域eFI的构建、验证和应用;语种为中文或英文。排除标准:研究主题聚焦于电子信息技术;无法获取全文的文献;原始数据模糊或不完整的文献;会议论文、综述、研究方案、个人评论和意见。

1.3 检索策略

系统检索PubMed、Web of Science、Cochrane Library、Scopus、中国知网、万方数据知识服务平台、维普资讯中文期刊服务平台,检索时间为2016年3月1日至2022年11月22日。英文检索词为“electronic frailty index/frailty instrument/frailty identification/frailty index/frailty assessment*/frailty screening*/frailty measuring*”“electronic health record/routine hospital data/medical record/administrative records/administrative data/administrative health databases/claim data”。中文检索词为“电子衰弱指数/衰弱评估/衰弱筛查”“电子病历/体检/护理记录”。采用主题词和自由词相结合的方式进行检索,并追踪纳入文献的参考文献。

1.4 文献筛选

将检索到的文献题录导入EndNote X9软件中去重,2名研究者根据纳入标准和排除标准,通过阅读文献题目和摘要独立开展文献初筛,初筛后下载全文并精读文献进行复筛。当存在研究分歧时,2名研究者进行商讨或咨询第3名研究者,最终确定纳入文献。

1.5 数据提取与分析

根据研究问题,研究者精读纳入的文献并提取关键信息,录入Excel中进行整理。资料提取内容包括作者、发表时间、国家/地区、研究对象、研究方法;eFI的指标内容;eFI的效度验证;eFI的应用领域。

2 结果

2.1 文献筛选结果

初步检索获得324篇文献,查重及阅读文献题目和摘要、全文后剩余51篇,通过引文追溯法获得6篇文献,最终纳入57篇文献[4,7-62]。文献筛选流程见图1。

图1 文献筛选流程图

2.2 纳入文献的基本特征

纳入文献基本特征见表1。自2016年提出eFI以来,相关研究发文量增长;英国作为最早开展eFI研究的国家,发文量居首位,其次为美国、中国。

表1 纳入文献的基本特征(n=57)

2.3 eFI研究内容汇总

目前eFI研究领域主要涵盖指标构建、验证及应用。

2.3.1eFI构建的数据来源及内容

在纳入的文献中,18篇文献[4,7-19,38,60-62]研究内容涉及eFI的构建且均为队列研究。构建eFI的数据来自:电子病历系统(n=14)、电子健康保险数据(n=2)、卫生行政数据(n=2)。在电子病历系统中,10篇来自医院[10,12,14,16-19,38,60,62],2篇来自初级卫生服务系统[4,7],1篇来自美国退伍军人事务医疗系统[8],1篇来自美国责任医疗组织[9]。9篇文献涉及特定人群,分别为手术患者[10-12]、肿瘤患者[13-15]、急诊患者[16]、肺动脉高压患者[17]、心力衰竭患者[18]。18篇文献中,每篇构建的eFI指标数量为16～92个,除4篇文献[7,11,17,19]未罗列、2篇[8,15]指标内容相同外,共构建13个eFI,包含534个指标变量。结合Searle等[63]提出的FI构建标准,534个指标变量主要可以分为以下4类:疾病(n=260)、功能状态(n=113)、症状/体征(n=41)、实验室检查/测量(n=89);另外还包括治疗(n=29)和人口学资料(n=2)。在疾病中指标频率较高的是肿瘤(n=12)、高血压(n=10)、糖尿病(n=10)、甲状腺疾病(n=8)、周围血管疾病(n=8)、骨质疏松(n=8)、骨折(n=6)、泌尿系统疾病(n=6)、贫血(n=7)、抑郁(n=7)、消化性溃疡(n=6);功能状态中指标频率较高的是视觉障碍(n=7)、跌倒(n=7)、听力受损(n=7)、大/小便失禁(n=7)、皮肤溃疡(n=5);症状/体征中指标频率较高的为呼吸困难(n=4)、慢性疼痛(n=3);实验室检查/测量中指标频率较高的为体重(n=9)、血红蛋白(n=4)、血钠(n=4)、血压(n=4)、心率/脉搏(n=3)。

2.3.2eFI的验证

18篇文献[20-37]研究内容主要涉及eFI的验证,具体包括eFI的效度验证和可行性验证。其中10篇为队列研究[26,31-39],5篇为横断面研究[20,25-28],2篇为混合研究[21-22],1篇为病例对照研究[30]。在效度验证中,以预测效度[29-34]和聚敛效度[25-28,32,35-37]为主。预测效度常将对死亡率[29-34]、再入院率[29,31,33]、住院时间[29,34]、入住护理院[31,34]作为健康结局进行分析;聚敛效度分析采用传统的相关系数法,应用较多的评估工具为医院衰弱风险评分(Hospital Frailty Risk Score,HFRS)[33,36-37]、Fried衰弱表型(Fried's Frailty Phenotype,FP)[26,29]、临床衰弱量表(Clinical Frailty Scale,CFS)[26-27]、老年综合评估(Comprehensive Geriatric Assessment,CGA)[27]。

2.3.3eFI应用领域及人群

21篇文献涉及eFI的应用[41-61],具体内容包括分析衰弱对健康结局的影响[39-53]、衰弱的患病率研究[52,54-55]、分析衰弱的发展轨迹[55-56]、分析衰弱人群医疗资源利用情况[57-58]、分析衰弱与其他健康问题的相关性[59]。除了1篇为横断面研究[54],其余均为队列研究。应用人群以接受初级卫生保健服务的老年人为主(n=15),另外有3篇[43-44,56]涉及退伍军人,3篇[40-41,53]涉及手术患者。

3 讨论

3.1 eFI相关文献分布不均衡

本研究纳入文献57篇,41篇文献来自英国和美国,7篇来自中国。2019年以来,eFI的相关文献增多,这可能与对老年衰弱重视度增加、医疗健康领域信息化水平提高有关。在英国,衰弱的识别被列入65岁以上人群全科医疗和初级保健服务必备签约内容[52]。eFI是信息化的产物,由Clegg等[4]构建的eFI包含36个指标、2 171个临床术语编码(Clinical Terms Version 3,CTV3)。在英国,eFI嵌入到患者的EHR,相应评估数据可直接提取以获得评估结果;在美国,得益于发达的信息化水平,eFI相关研究已涉及医院、社区、健康保险等领域。中国、澳大利亚、加拿大等国家虽也将信息技术融入到医疗健康领域,但由于EHR软件系统未形成国内标准[24]、相关数据无法自动提取[22]等,在实践中eFI评估数据的获取和计算仍需依靠人工完成[14,20,22,27];评估的难易程度取决于患者及EHR系统,评估时间约5～20 min[20,22]。可见,eFI虽然为衰弱评估提供了新方法,但在医疗健康领域信息化水平相对不高的国家,通过EHR获取相关信息仍存在一定难度,这给eFI相关研究的开展带来挑战。

3.2 构建eFI的数据来源多元化但指标内容应体现衰弱多维度特征

将衰弱作为老年人日常健康评估内容已成为共识,目前衰弱评估工具正向具有人群、情境针对性的方向发展。本研究结果显示,eFI可根据不同人群特点和不同数据来源构建。健康缺陷积累理论是eFI的理论基础,该理论指出个体健康缺陷积累的越多,则衰弱程度越严重。eFI是在FI基础上发展而来,FI最初包含92个指标,评估内容繁多。FI构建标准的建立[63]使构建个性化eFI成为可能。此外,构建eFI的数据来源多元化,可能与各国医疗卫生体制存在差异有关,如英国卫生服务体系以初级卫生保健为主体,衰弱筛查是初级卫生保健工作者的职责,故eFI研究主要聚焦于初级卫生保健体系;美国商业保险模式发展较为完善,故基于健康保险数据构建的eFI均来自美国;美国退伍军人健康管理局是美国退伍军人事务部重要组成部分,作为美国最大的整合式卫生保健系统,为基于退伍军人群体构建eFI提供坚实的数据支撑;我国医疗机构的主体是公立医院,公立医院的EHR相对规范,故构建eFI的数据大多来源于此。本研究结果显示,虽然eFI评估内容覆盖面广,但疾病占比较高。这可能是由于构建eFI的数据大部分来自医院,医院对疾病的诊断较为准确,且随着疾病分类与编码系统国际标准的建立和普及,疾病命名标准化、相关信息的提取更便捷。但应避免eFI成为多病共存状态的评估工具,评估的内容应体现衰弱多维度特征,尽可能包含认知功能、躯体功能、营养状况和心理状况等。由于上述内容并不一定是患者就诊时的常规评估内容,这使得部分eFI对衰弱多维度特征的体现较为欠缺。

3.3 eFI与不良健康结局相关但效度仍有待进一步研究

目前对衰弱识别依旧没有公认的“金标准”,故无法通过标准效度检验eFI。衰弱评估工具为风险预测工具,而非评价性的结局测量工具,因而评价衰弱评估工具的重要指标为预测效度。本研究显示,死亡是eFI预测效度验证中最常用的指标之一。在构建eFI的文献中,仅2项研究[10,19]未将死亡作为结局指标进行效度验证,其余研究均证实eFI与死亡相关。在eFI效度检验的文献中,4项研究分析了Clegg等[4]构建的eFI对死亡的预测效度,仅1项研究显示效度较低[31],该研究采用1∶1病例对照设计,根据年龄、性别配对,分析75岁以上人群死亡前3个月的eFI,研究将病例组和对照组划分为发展队列和验证队列,将在发展队列确定的能够预测死亡的eFI最佳截断值应用于验证队列,结果显示eFI高估了实际死亡风险。该研究指出eFI能够在人群层面有效预测死亡但个体层面预测效度不佳。得出此结果可能与截断值的确定方法有关,该研究将死亡作为诊断标准,以灵敏度75%为划分依据,未考虑特异度。eFI的截断值即使有微小的变动也会对个体层面的评估结果产生影响[43],故重设截断值可能会对研究结果产生影响。衰弱虽与死亡相关,大部分研究也证实了eFI对死亡的预测价值,但应明确死亡不是衰弱的必然结局,衰弱也非老年人群唯一的死因,eFI应与死亡风险预测模型相区别。在聚敛效度检验中,研究表明HFRS较eFI能更准确预测死亡。HFRS基于国际疾病分类(第十版)编码开发[36],旨在识别衰弱的高危人群,但其更侧重于识别医院相关伤害的高危人群和医疗资源使用率高的人群。因此仅凭对死亡的预测效度无法证明HFRS在衰弱识别中优于eFI。在eFI的效度验证中,除了使用死亡、医疗资源利用情况作为预测指标外,也可将与衰弱相关的指标(如日常生活活动能力)纳入,或围绕衰弱目前公认的特征(如衰弱发病率与年龄相关等)进行验证。

3.4 eFI的应用范围广但多聚焦于接受初级卫生保健服务人群

本研究显示,eFI的应用范围广,常用于大规模的人群调查,以分析衰弱的分布特点、发展轨迹和结局等。eFI评估数据获取的便捷性使衰弱相关研究能够在大样本人群中开展。英国国家医疗服务体系推荐在初级卫生保健系统中使用eFI作为人群衰弱风险筛查工具[42],故应用人群多聚焦于接受初级卫生保健服务人群,因此相关研究结果的普遍适用性仍有待进一步探究。此外,由于eFI的评估数据来自EHR,故在应用eFI时应考虑EHR的质量,确保记录的准确性、完整性等,以提高衰弱评估的准确性和客观性。

3.5 基于eFI的衰弱评估具有人群针对性和应用灵活性

eFI评估所得分值范围为0～1分,分值越高表示衰弱越严重。部分eFI根据人群的分值分布特点,在构建时即确定了衰弱程度判断的截断值,如Clegg等[4]在其构建的eFI将老年人的状态划分为健康(0～0.12分)、轻度衰弱(>0.12～0.24分)、中度衰弱(>0.24～0.36分)和重度衰弱(>0.36分);Pajewski等[9]在其构建的eFI将老年人的状态划分为健康(0～0.10分)、衰弱前期(>0.10～0.21分)和衰弱(>0.21分);Orkaby等[8]在其构建的eFI将衰弱状态划分为无衰弱(0～0.10分)、衰弱前期(>0.10～0.20分)、轻度衰弱(>0.20～0.30分)、中度衰弱(>0.30～0.40分)和重度衰弱(>0.40分)。在eFI应用的文献中,大部分研究是对衰弱程度的人群分布、影响因素等进行分析;仅1项研究[50]直接将所得数值用于衰弱发展轨迹的影响因素分析。eFI优势之一是评估结果可以使用连续型数值呈现,连续型数值更能准确评价衰弱相关干预的效果[1]。未来研究可将eFI用于干预效果的分析,并以此进一步验证eFI在个体层面的效度。

3.6 未来研究展望

全球人口老龄化问题突出使得对衰弱的重视度提高,医疗健康领域信息技术的发展为衰弱的筛查评估提供了新方法。本研究对eFI相关文献进行范围综述。研究结果显示,eFI可基于不同的EHR构建,并能有针对性地应用于不同的人群;eFI与不良健康结局相关,虽被推荐用于衰弱的筛查,但是其效度仍有待进一步探究。未来研究在构建和应用eFI时应将EHR质量考虑在其中,同时明确评估工具的使用方法,如评估内容若包含疾病状态、多重用药,应明确评估时间点或评估的周期及相关概念等。在构建本土化的eFI时可充分利用个体的健康体检数据,将eFI融入到健康体检中,也可将eFI与养老机构入院评估结合,作为分级护理依据。