要約
背景。 心不全(HF)は、病院の再入院に関連する最も一般的な診断の一つです。 我々は、カンザスシティ心筋症アンケート(KCCQ)スコアが代償不全HFで入院患者の30日間の再入院に関連付けられているかどうかを評価するために、この前向き 方法および結果。 私たちは、研究基準を満たした240人の患者を登録しました。 四〇から八(20%)の患者は、病院の退院の三十日以内に代償不全HFのために再入院し、192(80%)の患者は再入院しませんでした。 再入院患者と比較して、非入院患者は退院前に平均KCCQスコアが高かった(40.8対32.6、P=0.019)。 多変量解析は、高いKCCQスコアが低いHF再入院率(調整OR=0.566、P=0.022)と関連していたことを示した。 基本モデル(年齢+性別)のc統計量は0.617でした。 ベースモデル上の家庭薬とラボテストの組み合わせは、3.9%の統合差別改善(IDI)の増加をもたらしました。 これに基づいて、KCQQはさらに2.7%のIDIを増加させました。 結論。 退院前に決定されたKCCQスコアは、HF患者の30日間の再入院率と有意に関連しており、臨床的に有用な尺度を提供し、他の臨床成分と組み合わせると再入院予測の信頼性を有意に向上させる可能性がある。
1. はじめに
心不全(HF)は5以上に影響すると推定されている。毎年7万人のアメリカ人が870,000人の新しい症例を診断した。 予測された有病率は46%から2012年に2030年に増加すると推定され、8万人以上がHFに罹患している。 HF患者のケアのコストは約$30.7億2012年であり、127%増加すると推定されています$69.7億2030年までに。 理解と治療の進歩にもかかわらず、HFの死亡率は非常に高く、初期診断から5年以内に死亡する患者の50%が非常に高いままである。
入院後のHFの再入院は一般的であり、残念ながらこれらの再入院の多くは予測可能であり、おそらく予防可能である。 新しいデータは、メディケア病院の再入院率の減少を示したが、HFはまだ30日間の再入院に関連付けられている最も一般的な診断の一つであり、2007年から2009年のメディケア請求ベースのデータの分析は、HFで入院受益者の24.8パーセントが30日以内に再入院し、それらの再入院の35.2パーセントがHFのためであったことを示した。 これらの統計に関することは、そのような再不作為を予測し、防止するためのツールに強く焦点を当てる道を開いた。
カンザスシティ心筋症アンケート(KCCQ)は、HF患者の健康関連の生活の質のより良い説明を提供するために最初に設計されたツールでした。 このアンケートでは、物理的限界(質問1)、症状(頻度、重症度、および時間の経過とともに変化)、自己効力と知識(質問11、12)、社会的干渉(質問16)、および健康関連の生活の質(質問13-15)という臨床的に関連する領域が特定された。 以前の研究では、KCCQスコアはHF患者の生存および入院と相関し、この患者集団における予後不良の独立した予測因子であることが示されている。 さらに、退院後1週間を測定したKCCQスコアは、心血管再入院のない一年間の生存を独立して予測した。 さらに最近では、KCCQは急性HF入院中にも研究され、急性変化に対する感受性を示しているが、入院中のスコア変化は短期再入院を予測しなかったが、比較的小規模な研究であり、わずか52人の患者のサンプルサイズであり、KCCQスコアとHF再入院との関係を調査しなかった。 したがって、KCCQスコアが短期再入院を予測するために使用できるかどうかは、まだ完全に評価されていない。
これらの知識のギャップに対処し、KCCQスコアを使用して短期HF再入院を予測する可能性を探るために、この前向き研究を設計し、実施しました。
2. 方法
この研究はフロリダ病院機関審査委員会によって承認され、ヘルシンキ宣言に従って実施された。 研究はフロリダ病院、オーランドキャンパスで行われました。 HFユニットに入院した患者はスクリーニングされ、研究のために登録された。 包含の規準は駆出率(EF)が40%以下および20と89年の間の年齢の代償不全HFと是認された患者だった。 除外基準は,平均余命が一年未満の非心臓病,修正されていない弁膜性心疾患によるH f,適切なフォローアップを妨げる精神疾患,研究手順を理解できないこと,インフォームドコンセントを提供できないことであった。 主なエンドポイントは、30日間の再入院率とKCCQスコアでした。 入院併存状態、人口統計、検査室、心エコーデータ、および退院時の投薬は二次エンドポイントであった。
研究基準を満たしたすべての患者について、訓練を受けた研究助手が患者に研究を説明し、書面によるインフォームドコンセントを得た後にKCCQを投与した。 評価は、一般的に放電前に1-3日以内に完了しました。 フォローアップの会話は、再入院が発生したかどうかを判断するために、退院後30日の電話で行われました。 退院後の再入院情報は、患者とのフォローアップインタビューを通じて収集された。
退院後30日以内にKCCQスコアと再入院の間の関連性を評価するために、我々は最初にKCCQスコア、人口学的特性、併存疾患、薬、および一変量分析を用いて検査 単変量解析では、連続変数にt検定を使用し、カウント数解析にFisherの正確検定を使用しました。 次に、各臨床因子が他の因子を制御した後、HF再入院とどのように関連していたかを調べるために多変量解析を行った。 多変量解析では、ロジスティック回帰モデルを使用し、HF再入院を予測するために仮定された各因子について調整オッズ比(OR)を推定した。 一変量解析において再入院群と非入院群の間に有意な差を示したかどうかにかかわらず,ロジスティック回帰における従属変数としてH f再入院を含み,すべての潜在的因子を独立予測子として含めた。
多変量解析の後、さらに五つの簡易予測モデルを構築し、各モデルの受信機動作特性曲線(ROC)下の面積を比較することにより、最終モデルにおけるKCCQスコアの重要性を評価した。 この分析では、Pencina et al.によって記述された統合識別改善(IDI)も使用しました。 モデル感度の平均的な増加を測定するために、新しい変数の追加による特異性の平均的な減少について罰せられた。 予測モデルでは、年齢は10年ごとに、駆出率は10%ごとに、KCCQスコアは25ポイントごとに、ナトリウムレベルはバイナリ変数(<135または≤135)に変換されました。
二百二十八(228、または95%)の患者は、すべての変数のための完全なデータを持っていました。 しかし、12(5%)の患者は、年齢や人種のいずれかでデータが欠落していました。 入れ子になった欠損パターンが検出されなかったため,データ代入には複数の代入モデルを使用した。 年齢は連続変数であり、人種はバイナリ変数であったため、年齢には通常の線形回帰が使用され、人種代入にはロジスティック回帰が使用されました。 全ての分析は、Stataバージョン1 4(Statacorp., 2015). すべての値は両側であり、すべての検定の統計的有意性のレベルとして設定された。
3. 結果
合計で、240人の患者がこの研究に登録された。 四〇から八(20%)の患者は、HFのための退院後30日以内に再入院したが、192(80%)の患者は、HF以外の理由で再入院または再入院しなかった(表1)。 非入院患者と再入院患者の間には、平均年齢(63.0対59.9歳)、入院初期の長さ(11.2対9.7日)、または白人患者の割合(59.9%対56.3%)の点で有意差はなかった。 しかし、性別を比較すると、これら二つのグループの間に有意な差が認められ、男性患者は女性よりも再入院する傾向が高い(男性で85.4%対68.8%、女性で14.6%対31.3%)。 併存疾患のいずれも、再入院群と非入院群の間の相対的な頻度に有意な差を示さなかった(表1)。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
メモ。 括弧内の数字は、示されている以外の割合です。 |
KCCQスコア、入院時のラボテスト結果、および退院薬を、非入院患者と再入院患者の間で比較した(表2)。 平均KCCQスコアは、再入院患者よりも非入院患者で有意に高かった(40.8対32.6、)。 再入院患者と比較して、非入院患者は入院時に高い駆出率を有していた(24.7%対21.8%)。 しかし、単変量解析において、退院薬、血中ナトリウムレベル、またはHGBを比較した場合、両群の患者間で有意差は検出されなかった(表2)。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Note. Numbers in the parenthesis are percentage except indicated. |
他の共変量を制御しながら各独立変数の効果をさらに調査するために、多変量解析を実施した(表3および図1)。 結果は、KCCQスコアおよびEFが再入院率と負に関連していることを示した(調整されたOR=0.566および1.903およびおよび0.021、resp。 男性は女性よりも再入院する可能性が高かった(調整されたOR=5.589、)。 興味深いことに、MIの患者は、他の併存疾患の患者と比較して、miの患者はより多くの可能性があり(調整OR=2.849、)、CADの患者は再入院する可能性が低い(調整OR=0.231、)。 一つの可能な解釈は、心筋梗塞を有する患者は、壁運動異常および固定された心筋欠損を有する可能性が高く、したがって、MIのない非構造性冠動脈疾患を有する患者よりも駆出率が低く、HF再入院への反対の寄与につながるということである。
|
KCCQスコアがHF再入院を予測する際にどのくらいの貢献をしたかを評価するために、多変量回帰結果、出版された文献、モデルに基づいてKCCQスコア(モデル5)以外の七つの要因を含めることによってモデルを開発した。 C統計量は、KCCQスコアと他のすべての潜在的予測変数を含むモデル5が、KCCQスコアのない他の縮小モデルの中で最も高いc統計値(0.710)を有することを示 表4に示すように、IDI分析は、モデル5の識別性能が、年齢と性別のみを含むベースモデル(モデル1)から6.6%、KCCQスコアを除くすべての要因を含む減少モデル(モデル4)から2.7%改善したことを示した(これは絶対増分であり、モデル4と比較すると、KCCQ、モデル5を有するフルモデルのIDIは増加した)。 一方、HF再入院に関連する確立された独立した要因として、EFはIDIを1.3%(モデル3)から3.9%(モデル4)に増加させた。 これらの結果は、KCCQスコアは、単一の独立した変数として、潜在的に退院後30日以内にHF患者の再入院率を予測するために使用することができる重要な要因の一つであり、これらすべての重要な要因の組み合わせは、最大の増分ゲインを提供することを示唆した。
|
4. ディスカッション
この前向き研究では、KCCQスコアは短期HF再入院率と有意に関連していたことがわかりました。 それは0.670から0.710に排出で利用できる年齢、性、薬物、実験室データおよびLVEFに基づいてモデルのc統計量の改善に貢献し、IDIを2.7%上げました、それは30日の再入院を予測するのに有用であり、従ってかなり他の重大な部品と結合されたとき予測の信頼性を改善するかもしれないことを提案しました。 これらの知見は、KCCQが低い患者に早期のフォローアップを促すなど、最適なケアを提供するためのフォローアップ戦略を導くためのいくつかの助けとな
再入院のリスクが高いことに関連する予測可能な要因を特定するために多くの努力がなされており、これまで非常に困難であった。 本研究では、退院時にKCCQスコアが低く、EFが低く、男性の性別が低いHF患者は、30日以内に再入院する傾向があるように見えたことがわかった。 これらの結果と似たいくつかの研究がない。 実際のところ、特定の患者または病院の要因は、HFの入院後30日間の再入院を一貫して予測することが示されていない。 HFのための入院の後の従来の忍耐強い特徴と再入院間の連合を記述する112の調査の系統検討では、左心室EF、また人口統計学の特徴、comorbid条件、およびニューヨークの中心連合のクラスのような他の要因は、少数のケースだけの再入院と関連付けられた。 短期再入院のための69の調査そして144の要因の別のメタ分析では、noncardiovascular comorbidities、悪い物理的条件、入場の歴史、および証拠基づかせていた薬物を、よりもむしろ心血管のcomorbidities、年齢、または性使用する失敗は短期再入院と、より強く関連付けられた。
KCCQスコアは、ニューヨーク心臓協会(NYHA)機能分類、ミネソタ心不全アンケート(LiHFe)、およびShort Form-36(SF-36)よりもHF患者の臨床変化に対する感度がはるかに高いことが実証されている。 エベレスト試験では,KCCQは退院後一年以内の再入院の重要な予後指標であることが示唆された。 彼らの研究では、KCCQスコア<25(健康状態が悪い)の患者は、最高の健康状態層(KCCQスコア>75)の患者よりも再入院と死亡の複合エンドポイントのリスク 最近では、KCCQスコアは、入院中の急性HFの変化を反映し、30日間の再入院を予測する可能性を評価するために使用されました。 著者らは、急性HF入院中にKCCQを使用することは可能であり、臨床的改善に敏感であるが、入院中のスコアの変化は30日間の再入院を予測しなかったこと しかし、この研究は54人の患者のみを含む比較的小さな研究であり、非入院群と入院群の間の入院中のKCCQスコアの差に焦点を当てていた。 対照的に、240人以上の患者が私たちの研究に登録され、KCCQスコアは非承認HF患者で高く、独立して低い30日間の再入院と関連していた。
上記のように、HF再入院には複数の要因があるため、関連するすべての要因を含むリスク予測モデルが開発されました。 これらのモデルでは、レシーバ動作特性(ROC)曲線の下の領域によって定義される差別を使用して、モデルが結果を持つ人と関心のある結果を持たない人 この場合、再入院患者の予測リスクがすべて再入院されていない患者の予測リスクよりも高い場合、モデルはc統計量1で完全に区別されます。 逆に、リスク予測が偶然よりも優れていない場合、c統計量は0.5です。 モデルは、通常、c統計量が0.7より大きい場合は妥当であり、c統計量が0.8より大きい場合はstrongであると見なされます。 HF入院後30日間の再入院のために、いくつかのモデルが開発されている。 導出コホートと検証コホートの両方を研究した後、0.6を超えるc統計を生成したのは二つのモデルだけです。 そのうちの1つはAmarasinghamらによって開発された自動化モデルです。 入院時の電子健康記録からのデータを組み込む。 他のモデルは、バイタルサイン、実験室値、および測定された左心室駆出率を含む臨床データとクレームベースの人口統計学的および併存疾患データを組み合 しかし、2つのモデルのどちらもKCCQスコアを含んでいませんでした。 私たちの研究集団でのみ48の再入院を考えると、我々は完全なモデル(モデル5)にKCCQスコア以外の唯一の7パラメータが含まれていました。 多変量解析における再入院のオッズ比の増加をもたらす低EFおよび性別(男性)が含まれていた;hf死亡率の低下を示していた薬物、β遮断薬およびACE阻害剤/ARB、およびhf再入院および死亡率に影響を与える可能性があり、他のモデル(http://www.readmissionscore.org/heart_failure.php)で使用されているナトリウムおよびHgbに関する情報も含まれていたが、多変量解析では再入院と独立して関連していなかった。 KCCQスコアを含むフルモデル(モデル5)は、年齢と性別に基づいてベースモデル1の0.617のc統計を0に増加させました。710で、IDIは6.6%増加しました。 GFRやBNPなど、他の多くの可能性のある危険因子がこのモデルに含まれていないことを考えると、このモデルは完全ではないかもしれませんが、c統計は0.7を超えており、KCCQスコアの寄与を誇張している可能性があります。 しかし,我々の結果は,短期H f再入院を予測するためのKCCQの寄与がLVEFと同じくらい重要である可能性があることを示唆した。
現在の知見は、研究の限界の中で考慮されるべきである。 この研究は、単一のコミュニティ医療センターで行われた、と他のセンターや複数のセンターでのさらなる研究は、我々の調査結果を検証するために行う必 KCCQは入院中に一度だけ投与したが,入院間,入院中,入院後の変化は反映されなかった。 過去の心不全による入院歴、身体検査所見、GFRやBNPなどのいくつかの他のラボ、または胸部X線所見など、関連する病歴は収集されませんでした。 これらの要因は、リスク予測モデルにおいても重要である可能性があります。
Kccq: | カンザスシティ心筋症アンケート |
心不全 | |
hrql: | 健康関連の生活の質 |
EF: | |
LVEF: | 左心室駆出率 |
または: | オッズ比 |
みぃ: | Myocardial infarction |
DM: | Diabetes mellitus |
COPD: | Chronic obstructive pulmonary disease |
ICD: | Implantable cardioverter-defibrillator |
LVAD: | Left ventricular assist device |
ACE: | Angiotensin converting enzyme |
ARBs: | Angiotensin receptor blockers |
HGB: | Hemoglobin |
IDI: | |
NYHA: | ニューヨーク心臓協会 |
ROC: | レシーバ動作特性 |
GFR: | 糸球体濾過率 |
BNP: | 脳ナトリウム利尿ペプチド。 |
追加ポイント
医学知識の能力。 心不全は、再入院に関連する最も一般的な診断の一つです。 KCCQスコアは、30日間の再入院を予測するための重要な予後情報を提供し、それが大幅に他の重要なコンポーネントと一緒に予測の信頼性を向上させる 翻訳の見通し。 私たちの発見を検証するためには、より大きなサンプルサイズの複数のセンターで追加の臨床研究を行う必要があります。 今後の研究には、関連する身体検査所見および胸部X線所見が含まれるべきであり、これはリスク予測モデルにおいて重要であり得る。
競合する利益
著者らは、競合する利益を持たないと宣言している。
著者の貢献
Shengchuan DaiとJunhong Guiは原稿に均等に貢献しました。
謝辞
著者らは、データ収集を支援したフロリダ州オーランド病院の参加医師、Maria Amin(MD)、Saroj Khadka(MD)、Prabhava Bagla(MD)、Zoltan Varga(MD、Ph.D.)を承認したいと考えています。