这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR医学信息学上的原创作品。必须包括完整的书目信息,http://medinform.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
远程监测对于慢性病患者的管理正变得越来越重要,特别是在澳大利亚等距离较远的国家。然而,尽管澳大利亚在卫生信息技术方面进行了大量的国家投资,但在将远程保健部署到家庭以解决日益增长的慢性病管理需求和成本方面,澳大利亚几乎没有开展政策工作。
本试验的目的是评估对慢性疾病患者引入家庭远程监护对医疗保健支出、住院人数和住院时间(LOS)的影响。
采用了前后对照干预分析模型,其中每个地点的患者都是从患有一系列慢性疾病的合格患者名单中挑选出来的。每个测试患者与至少一名对照患者进行病例匹配。测试患者配备了远程健康生命体征监测器,并由训练有素的临床护理协调员远程管理,而对照组患者继续接受常规护理。共对100例试验患者和137例对照患者进行分析。为试验队列调查了向澳大利亚患者提供的初级卫生保健福利。采用线性回归和协方差分析对干预前3年和干预后1年的时间序列数据进行分析。
在基线时,试验组和对照组患者之间没有显著差异。测试患者平均监测276天,其中75%的患者监测超过6个月。在干预开始1年后,测试患者的预测医疗支出率降低了46.3%,预测药物支出率降低了25.5%,预测非计划住院率降低了53.2%,预测住院时的LOS率降低了67.9%,与对照组患者相比,死亡率降低了41.3%至44.5%。对照组患者对上述任何变量的预测轨迹均未显示出任何显著变化。
对慢性病患者的家庭远程监测显示,随着时间的推移,对医疗保健支出、住院人数和LOS以及死亡率的降低具有统计上强有力的积极影响。
回顾性注册澳大利亚和新西兰临床试验注册中心ACTRN12613000635763;https://www.anzctr.org.au/Trial/Registration/TrialReview.aspx?id=364030 (WebCite存档http://www.webcitation.org/6sxqjkJHW)
在工业化国家,大约70%至78%的卫生保健预算用于慢性疾病的管理或其恶化[
评估远程医疗结果的最大试验之一是英国的整个系统验证试验[
尽管国家在卫生信息技术方面进行了大量投资,但澳大利亚在部署家庭远程监测以解决日益增长的管理慢性疾病的需求和成本方面进行的政策工作很少。
该试验旨在为一些关键因素建立一个强有力的证据基础,并为澳大利亚的互联网支持的家庭远程监护服务展示一个有效和可扩展的模型。有了这一证据基础提供的见解,政策制定者可能拥有实施资助模式和在澳大利亚创建可持续的远程医疗服务部门所需的大量数据。
这项研究的临床试验方案由联邦科学和工业研究组织(CSIRO)人类研究伦理委员会(HREC)批准(批准号13/04,2013年3月25日)以及其他5个本地HRECs批准。一篇关于临床试验设计的期刊文章先前已发表[
采用前后对照干预(BACI)设计,其中对照患者与每个测试患者相匹配。此设计[
申请人如符合早前发表的刊物所全面描述的纳入标准,即有资格参与研究[
对于每个测试参与者,多达4个对照候选人被自动匹配[
排除后,形成了114名测试患者和173名对照患者的总名单,所有患者均具有药物福利计划(PBS)和医疗福利计划(MBS)数据。仔细分析澳大利亚政府公共服务部(DHS)提供的这些数据后,发现一些患者的数据缺失。结果,许多测试患者和对照组患者的数据被拒绝进行进一步分析。这导致了100名测试患者和137名对照患者的最终匹配队列。
医院数据旨在从5个试验点的医院名单中选择的所有测试和对照患者。但是,由于一些测试和对照患者没有从医院名单中选择,因此无法使用其医院数据进行分析。在100名测试患者和137名匹配的对照患者中,分别有86名和107名匹配的患者用于分析住院和住院时间(LOS)。
在对现有患者医院数据进行详细分析后发现,一些患者曾在当地医院的急诊科就诊,在某些情况下,同一天不止一次,但没有入院。因此,我们决定将一次入院计算为至少有一次过夜,这导致33名测试患者和43名对照患者进一步被拒绝,根据这些标准,他们没有入院。
这导致了53名测试患者和64名对照组患者的最终队列,这些患者可获得完整的医院历史数据。
招聘流程图。
每个试验点的项目官员(PO)负责管理研究的操作和研究活动,从而将患者护理与研究操作分开。医务主任为测试病人提供远程医疗远程监护装置(TMU),并就该装置的使用对他们进行培训[
临床护理协调员(CCC)每天在工作时间通过远程护理TMU监测患者的生命体征和临床问卷回答。CCCs是经验丰富的护理人员,从每个试验地点的卫生服务提供者借调来的兼职人员。他们的作用是,当生命体征数据的远程监测和与患者的后续接触表明他们的病情正在恶化时,协调护理的提供。大多数试验患者的正常护理是由他们当地的PCP进行的。
试验组的参与者提供了远程护理TMU,该TMU由现场PO或CCCs配置,以反映患者临床状况的临床最佳实践。医生会提醒患者记录他们的生命体征测量(如血压、氧饱和度、心电图、肺活量、体温、体重和血糖),并安排在一个方便的时间,通常是在服药前的早上。
对照组按照各自试验点的服务模式照常接受护理。在同意程序之后,他们没有与PO进一步联系。
为了比较测试和对照患者在远程监测开始时的医疗和药物支出的统计匹配性,将干预开始前100天和干预结束前最后100天的个人费用进行了汇总。的配对
医疗、制药和医院数据都同步到远程监测开始平均季节性影响的日期。在试验开始前的36个30天期间和试验开始后的12个30天期间,汇总了每位患者的医疗和药物成本数据。这近似于分析远程监测开始前3年和开始后1年的数据。
除了选择的时间间隔为100天之外,对住院和LOS数据进行了类似的处理。这是一个首选的间隔,因为住院的频率要低得多,否则会生成大量零条目的数据。
由于所有患者都是慢性疾病和衰老,因此所有结局变量都有望随着时间的推移而增加。我们拟合了包括解释变量30天或100天时间段数、前后指标变量以及这两个变量之间相互作用的线性模型。
为了实现这一点,在每个时间段内,对所有测试和对照患者的结果变量进行平均。在每个结果中测试数据的正态性,必要时应用平方根(sqrt)或LogNormal变换。
数据分析前后,分别作为斜率不同的单独时间段数,或作为斜率相同的1个时间段进行分析。该分析应用于(1)测试患者数据,(2)对照患者数据,(3)差异(对照-测试)数据。
这些时间序列分析允许确定测试患者和对照组患者的匹配程度,通过分析差异(对照-试验)控制干预对对照组患者的可能影响,并减少可能的季节性和其他时间变化的影响。
对医疗和医药福利数据进行根号变换,然后进行线性回归分析。试验患者数据和对照患者数据都重复了这一过程。从每个数据点的对照测试值计算出的差异数据被发现是正态分布的,不需要应用任何变换。
采用线性回归和坡度协方差分析(ANCOVA)对前后数据的时间过程进行建模,以确定前后坡度有统计学意义的差异,并利用差异(对照检验)对结果进行检验和验证。
为了估计干预开始后一年内的支出节省,将根号(30天成本)通过每个30天数据点乘以365/30和每个100天数据点乘以365/100转换为年度成本。
由于平方根归一化,干预前后的医疗和药品成本函数变成了二次函数,节省的估计需要在干预开始后1年,即干预开始后1年,根据3年历史轨迹的预测计算干预开始后1年的预测成本。干预后一年的预测医疗福利支出总额是根据干预开始后1年预测的年度支出曲线下的面积估计的。
在干预之后,我们预计回归线的斜率会发生变化,而实际支出曲线下方的曲线面积则提供了当年实际支出的估计值。这两个领域的差额是对全年节省开支的估计。
线性回归使用MATLAB (the MathWorks Inc)统计工具箱中的fit命令进行。线性回归剔除异常值。使用predObs命令绘制95%预测区间。预测区间表示未来在x处的观测落在其边界内的概率为95%。
标准拟合优度测量,包括由于误差平方和,决定系数(R2), R2值调整的自由度,以及标准误差或均方根误差。对对照-试验差异数据进行相似分析。
通过结合各州和地区每个地方卫生区的医院记录,形成了1429名患者的总登记册(MR档案)。随后将该主档案中的患者死亡情况与各州和地区的出生、死亡和婚姻登记册(BDMR)的记录进行交叉核对。
为了更准确地比较试验组和对照组之间的死亡率,必须考虑人口年龄分布的影响。因此,我们使用特定年龄死亡率(asdr),其定义为特定年龄组的死亡人数与该年龄组人口的比率。对于这两种方法,我们将实际死亡率数据与从合格患者主登记册中计算的asdr进行比较。
比较,使用可用的情况下,两组之间的基线使用卡方检验或Fisher精确检验的分类变量,2样本
分类变量以计数和百分比表示。在匹配组内,从基线到最后一点的差异(匹配对照减去测试数据)使用配对检查
数据集成引擎[
两组患者年龄差异无统计学意义(71.1 [SD 8.7]岁;n=100)和对照(71.7 [SD 9.0]年;N =137)患者或男女患者之间。试验和对照患者在SEIFA状态或原发疾病诊断方面也没有观察到统计学差异。
共有67%(67/100)的测试患者为男性,33%(33/100)为女性。对照患者中女性占43.8%(60/137),男性占56.2%(77/137)。大多数患者有一种以上的疾病被列为主要诊断。为简单起见,原发疾病被归为心血管疾病的大类(N测试=50),呼吸系统疾病(N测试=30)和糖尿病(N测试=20)尽管一些患者有多种合并症。
试验患者平均监测276天,女性患者平均监测266天,男性患者平均监测281天,差异无统计学意义。总共75%(75/100)的试验患者接受了超过6个月的监测。
在干预前100天及干预结束前100天,对测试患者和对照组患者进行基线比较。
变量 |
|
控制 |
测试 |
|
|
|
|||
|
处方药物的总费用 | 975.8 |
919.4 |
点 |
|
医疗和药品项目支出总额 | 1931.7 |
2044 |
点 |
|
|
|||
|
处方药物的总费用 | 859.7 |
505.9 |
<措施 |
|
医疗和药品项目支出总额 | 1941.7 |
1038.2 |
<措施 |
(A)测试患者和(B)对照组患者的MBS医疗支出的平方根。(C)绘制线性差异(对照试验)。(D)显示对照患者合并前后数据时回归线的变化。
以上所示的图与ANCOVA分析结果的线性回归拟合
干预前,测试患者与对照组患者入院率无显著差异(
对于测试患者的医疗支出,干预前的斜率显著减小(
对于药物支出,测试患者的斜率下降非常显著(
对照组无显著性差异(
医疗福利或药物福利支出在干预开始后的一年内支出率和储蓄率的变化,以及入院人数和LOS,均由式中给出的线性回归方程估计
为测试患者、对照患者和差异(对照-试验)开发的根数(30天医疗费用)线性回归提供了干预前后支出的最佳拟合估计。将干预前3年数据的回归方程向前预测1年,以估计干预开始后1年的预测成本。
这在
然而,假设这两条曲线在干预开始时恰好相遇是一种简化,可能高估了节省。如果干预措施的影响确实需要一段时间才能生效,我们预计交叉点将在远程监测开始后的某个时间下降,这取决于支出数据的变化。这实际上是在大多数情况下观察到的,如图所示
文中给出了医疗和药品费用支出率、入院人数、住院人数以及一年平均节省的估计数
基于模型的评估远程监测对医疗支出影响的方法。
在干预前后,测试患者和对照组患者的年度医疗福利支出时间过程的基于回归的估计。根据中提供的数据
测试患者的年龄特异性死亡率。
|
年龄分布 |
|
||||
|
50 - 60 | 60 - 70 | 70 - 80 | 80 - 90 | 90 - 100 | 总计 |
MR的年龄分布一个 | 180 | 310 | 441 | 414 | 84 | 1429 |
年龄分布,% | 12.60 | 21.69 | 30.86 | 28.97 | 5.88 | 100.0 |
MR死亡人数一个n | 17 | 46 | 60 | 91 | 37 | 251 |
正如b, % | 9.44 | 14.84 | 13.61 | 21.98 | 44.05 | 17.56c |
按年龄测试患者,n | 41 | 31 | 14 | 13 | 1 | One hundred. |
按年龄划分的死亡人数n | 1 | 2 | 4 | 1 | 0 | 8 |
预期死亡人数n | 3.87 | 4.60 | 1.91 | 2.86 | 0.44 | 13.68 |
挽救的死亡人数n | 2.87 | 2.60 | -2.09 | 1.86 | 0.44 | 5.68 |
一个主寄存器。
b按年龄分类的死亡率。
c粗死亡率。
研究中共有57名测试患者和76名对照患者来自1429名患者的MR。试验患者的粗死亡率为8.8%(5/57),匹配对照组的粗死亡率为17.1%(13/76),死亡率降低48.5%。
对于通过BDMR在每个状态下准确获得生存数据的100名测试患者,给出了测试患者相对于MR文件中的患者的ASDR
使用ADSRs
本研究的结果表明,在家远程监护对医疗保健支出、住院人数和LOS以及死亡率的降低具有统计上强有力的积极影响,并随着时间的推移而增加。
有趣的是,干预前,测试患者的医疗支出斜率大于对照组患者,但药物支出斜率小于对照组患者,这表明测试患者比对照组患者更有可能使用医疗服务,但不太可能在药物处方药上花钱。
干预开始一年后的医疗和药品支出预测率估计分别为每年2803美元和每年3176美元(
在远程监测开始时,测试患者的LOS发生率平均为19.8天,1年后预计将增加到每年24.6天(
试验患者的粗死亡率为8.8%,匹配对照组的粗死亡率为15.8%,死亡率降低48.5% (
该项目设计是沿着澳大利亚东海岸进行的多州、多地点试验,由于政府资助的全民医疗保健系统(Medicare),全国城市环境中的医疗服务提供相对统一,我们认为结果可以推广到更广泛的澳大利亚城市人口,但不一定适用于农村和偏远地区或其他卫生系统不同的国家。
这些结果大致一致,但较英国水务署试验报告的结果有利[
水务署的主要调查结果[
本研究报告的结果差异可归因于患者选择的不同方案(全科医生选择vs从医院名单中选择匹配的测试和对照患者)以及可用数据的质量和分析模式的差异。
在2003年7月至2007年12月期间,VHA实施了一项全国家庭远程保健计划(CCHT),该计划支持随着退伍军人年龄的增长在家中照顾患有慢性疾病的退伍军人。
VHA服务中采用的技术与本研究中使用的远程监控技术有很大不同,包括可视电话、消息设备、生物识别设备、数码相机和远程监控设备。更重要的是,年龄分布有很大的不同,包括20岁以下和80岁以上的参与者,他们的疾病范围更广,包括创伤后应激障碍、抑郁症和其他精神健康问题。
CCHT患者卫生保健资源利用绩效测量的常规结果分析包括比较患者入组前一年的住院数据和入组后6个月的数据。在加入CCHT项目后,这组患者的住院率减少了19.74%,住院天数(BDOC)减少了25.31%。在同一时期,在VHA登记的所有患者的BDOC下降了4.6%,在解释这一变化时需要考虑到这一点。考虑到该计划的规模、复杂性和资源,以及构成VHA的CCHT护理模式的临床、教育、技术和业务流程的全面和系统方法,对结果进行正式比较是不可能的。然而,考虑到我们的研究规模小,对资格的严格控制,以及研究队列的较大同质性,我们报告的结果相当好并不令人惊讶。
像所有复杂的临床试验一样,这个项目遭遇了无数挫折。影响试验执行和后续数据分析的一些主要问题如下:
大量符合条件的患者,包括93名测试患者和33名对照患者,拒绝参与,而27名同意参与的患者无法开始,18名测试患者在开始监测后退出。
我们招募并同意了114名测试患者和173名对照患者,但其中只有71名测试患者和110名对照患者来自所提供的医院名单。这对可靠地评估死亡率和分析住院率和LOS造成了相当大的困难。
在114名同意接受测试的患者中,14名患者的DHS记录中缺少数据,必须从进一步分析中移除。同样地,在173名患者中,只有137名患者有完整的DHS数据。美国国土安全部没有解释为什么一些患者的记录中缺少数据。
招募测试患者并在很长一段时间内开始远程监测,因此虽然患者的平均监测天数为276天,但有相当大的分布,从<100天到>500天。因此,远程监测效果的分析周期被限制为12个月,因为患者数量迅速下降,而>12个月期间的数据传播增加。
对于一些在试验早期同意的患者,签署的同意书只提供到2014年6月。当试验持续时间延长到2014年12月底时,没有签署延长期间的新同意书,因此,这些患者的DHS数据仅可用于2014年6月。
CCCs通常是由参与研究的服务提供商雇用的注册护士。大多数患者之前没有任何远程监护的经验,但都通过了为期2天的远程监护设备使用和临床数据解释的强化培训课程。平均而言,CCCs每周花33分钟多一点的时间查看单个患者数据,这表明,由于他们的平均患者负荷为20名患者,他们在一周内全职从事该角色的比例<30%。对于这个关键角色来说,这不是最佳的。
虽然测试和对照患者在主要诊断、住院人数和SEIFA指数方面通常很好地匹配,但后来观察到,在远程监测开始时,医疗和药物支出的历史比率并没有很好地匹配,如图所示
家庭远程监护可显著减少医疗服务支出,减少住院次数,平均每年减少7.5天的住院时间。在试验期间,测试患者相对于对照组患者的死亡率也降低了41.5%至48.5%。
从这项研究中,不可能将CCC的护理协调和指导的效果与家庭远程监护和患者自我管理的直接和独家影响分开。然而,所提供的数据清楚地表明,在干预后的第一年,家庭远程监护的影响几乎呈线性增加。
人们可以设想,这种影响将不可避免地趋于平稳,并可能随着年龄和发病率的增加而开始上升;然而,需要更长期的研究来阐明远程监测在更长的时间框架内的影响。
还需要进一步研究,以了解为什么无法避免记录在案的住院情况。是现有的生命体征没有提供病情恶化的充分警告,还是这些警告信号被护士协调员或患者的PCP忽视或没有及时采取行动?
在提供本研究报告的服务时需要考虑的家庭远程监控以及组织变革管理要求和工作场所文化问题的详细成本效益分析将单独报告。
然而,初步的成本效益分析是基于提供远程监测服务的成本估算——大约每年2760澳元(每天7.40澳元),而根据一张床每天的平均成本2051澳元,每年可能节省超过19,000澳元,投资回报约为6倍。
(1)根号(医疗支出),(2)根号(药品支出),(3)入院人次,(4)住院天数的线性回归及协方差分析
在干预和不干预的情况下,测试患者的医疗和药物支出、住院率和住院时间的估计变化。
协方差分析
按年龄划分的死亡率
对照干预前后
出生,死亡和婚姻登记
卧床护理日
临床护理协调员
护理协调/家庭远程保健
联邦科学和工业研究组织
人类服务部
人类研究伦理委员会
停留时间
医疗福利计划(医疗开支)
符合条件的患者总登记册
药物福利计划(药物开支)
初级保健医生
项目官员
决定系数
地区社会经济指标
平方根
远程控制单元
退伍军人健康管理局
该项目由澳大利亚联邦政府国家宽带网络远程医疗试点计划资助,CSIRO提供了额外的财政支持,5个试验点的卫生服务提供商提供了实物捐助。这些保健服务组织包括澳大利亚首都地区(卫生部)、汤斯维尔-麦凯地方医疗保健、朗塞斯顿医院、尼皮恩蓝山地方保健区和杰里沃赫保健服务机构。行业和研究合作伙伴Telemedcare Pty Ltd, Samsung Australia Pty Ltd和iiNET Pty Ltd也得到了认可。所有作者都对数据分析和手稿起草做出了重大贡献。
在项目的规划和执行过程中没有利益冲突。项目完成六个月后,首席研究员兼项目总监Branko Celler教授被任命为Telemedcare Pty Ltd的兼职职位,担任研究总监。