探索家庭医疗保健中延迟开始护理访问的原因:算法开发和数据科学研究

介绍

在过去的几十年里，在美国，人们越来越认识到急症后护理环境的重要性，包括长期护理医院、住院康复设施和专业护理设施[1，2]。一种特殊类型的急性后护理环境，家庭保健(HHC)，一直在迅速增长;根据医疗保险和医疗补助服务中心(CMS)的数据，2018年HHC的支出超过1020亿美元，与5年前相比增长了30%以上。3.目前，美国12000多家HHC机构每年为600多万患者提供服务[4]。此外，美国和全球人口正在变老，健康状况更加复杂，需要社区护理[5，6];因此，预计今后几十年对卫生保健服务的需求将逐步增加。

健康保健包括由熟练的卫生保健提供者(如注册护士、物理治疗师、社会工作者)进行的间歇性家访。目前，美国每年有超过600万患者被12000多家HHC机构收治[7-9]。尽管国家和地方努力提高质量，但大约五分之一的HHC患者在HHC发作期间住院或就诊急诊[7，10]。其中多达三分之二的住院发生在卫生保健服务的头两周内[11-15]。通过及时和有针对性的家庭护理服务，可以预防很大一部分HHC住院和急诊就诊[13，15-17]。

开始护理访问是HHC发作的最关键步骤之一[18，19]。这次访问包括药物和解，病人自我照顾能力评估，家庭环境检查，以及关于护理人员的可用性和帮助能力的讨论。基于这个评估，一个独特的护理计划被创建[20.]。因此，首次访问的适当时机至关重要。

医疗服务管理制度要求医疗机构在HHC转介后48小时内或病人返回家后48小时内进行首次诊访。[21]。然而，在我们正在进行的研究中，我们发现约有三分之一入住大型HHC机构的患者在出院后48小时后才被发现，该研究的重点是确定在医院向HHC过渡期间存在不良预后风险的患者(R01-NR018831)。延迟启动HHC服务可能对患者的预后产生深远的负面影响。大多数入住HHC的患者是患有慢性和急性疾病(如晚期心力衰竭、急性冠状动脉综合征和糖尿病)的出院的脆弱老年人[4]。其中许多患者需要立即获得护理，以避免不良后果;研究表明，避免HHC患者延迟开始治疗可以改善功能和生理结果[22]并将住院和急诊就诊的风险降低50% [23]。

以前没有研究调查为什么开始护理HHC护理访问被推迟。一种解释可能是，大多数延迟就诊的原因都记录在免费文本的HHC护理笔记中。鉴于大量的临床记录(约10万)，人工审查是不可行的，需要使用数据科学方法。

幸运的是，最近的数据科学分析技术可以从自由文本文档中提取见解。具体而言，自然语言处理(NLP)算法可以应用于大量临床文档，以识别各种概念并从文档中提取意义[24]。通常，NLP算法依赖于由主题专家生成的手动策划的、基于规则的词汇表[24]。

使用NLP算法的一个例子是使用出院摘要识别出院患者的社会风险因素[24]。研究人员(包括医生、护士和药理学家)首先开发了描述几个关键社会风险因素类别的综合词汇和表达，包括烟草使用、药物滥用、抑郁和住房不稳定。代表药物滥用概念的词汇和表达包括安非他明滥用、可卡因滥用和静脉注射吸毒。NLP用于搜索出院摘要(n=~100,000)，以找到与1个或多个社会风险因素类别相关的人工整理的、基于规则的术语。

在HHC环境中，以前的NLP应用主要集中在识别经历跌倒的患者[25]、痴呆症状[26]和住院危险因素[27]。本研究运用NLP分析HHC护理访视延迟的原因。具体来说，我们的目标是(1)开发和测试一种NLP算法，该算法可以自动(无需人工参与)识别自由文本临床记录中HHC护理开始时间延迟的潜在原因;(2)使用描述性统计来描述大型患者样本中HHC护理开始时间延迟的确定原因。

方法

研究背景

这项研究是在纽约探访护士服务机构(VNSNY)进行的，该机构是美国最大的非营利性城市家庭护理机构。该研究方案已于2019年10月获得VNSNY机构审查委员会的批准。

研究样本

研究样本包括2019年所有住院后入院的HHC患者。患者在HHC之前的住院状况是从结果和评估信息集(OASIS)的M1000_3变量中提取的，OASIS是医疗保险HHC规则要求的针对患者的标准化评估[28]。研究样本包括45390例入院患者，其中一些患者入院多次，导致48497例HHC发作。2019年HHC发作的CMS报销为60天的护理。由于我们有兴趣了解延迟开始护理访问的所有原因，我们在HHC发作水平上进行了这项分析。

出院日期和护理开始时HHC护理访问从OASIS中提取。我们计算了以下OASIS项目之间的天数差异:M1005:住院出院日期和M0090:评估完成日期。本研究将延迟HHC护理访问定义为出院后2天以上进行的访问。大约三分之一(16,244/48,497,33.5%)的发作符合这一标准。

记录延迟开始护理的文件类别

电子健康记录(EHR)有一个标准化的选项，允许HHC工作人员记录延迟就诊的原因。标准化类别包括无人接听电话、行政或日程安排问题、患者/家属要求推迟或拒绝某些HHC服务。

延迟开始治疗的临床记录结构

我们提取了118,767份HHC延迟就诊的临床记录。一个情节可以记录一个以上的音符。有22种笔记类型，最常见的是叙述性笔记，包括护理和其他HHC入院工作人员的评论(23,753/118,767,20%)，最初的欢迎电话笔记，描述了最初的欢迎电话，向患者介绍HHC服务(n=20,190, 17%)，入院临床评论笔记，提供入院患者的临床细节(n=14,252, 12%)，保险和其他附加信息说明，包括患者保险信息和附加临床因素(如药物清单);n= 95501, 8%)，描述HHC工作人员与患者或家属之间任何电话联系的电话通信记录(n=4750, 4%)，以及其他17种较不常见的记录类别(n<3563，各<3%)。

自然语言处理对延迟开始治疗的临床记录分析

我们开发了一个使用正则表达式技术的NLP算法[24在那里，算法规则被精心设计，以匹配描述延迟访问原因的特定语言模式。正则表达式是一种强大的文本搜索技术，它使用字母字符、数字表达式和非字母数字表达式。正则表达式方法可以帮助在文本中找到某些预定义的关键字列表[29]。目标是使用关键字和语言模式捕获尽可能多的词汇变化。

作为开发NLP算法的第一步，数据预处理步骤包括小写、剥离(删除额外的空格)和删除特殊字符(例如，[，\，^，$，|，?，*，+，(，)，])。我们没有删除停止词，因为它们对于确定延迟开始护理的原因很重要。例如，阴性指标(如no和not)或辅助词(如do、have和has)对于确定患者是否要求推迟HHC服务很重要。我们也没有进行词源化或词干化，因为保持单词的原始形式，特别是动词，对于识别晚访问的模式很重要。

作为开发NLP算法的第二步，我们创建了正则表达式规则来捕获描述患者或家属延迟HHC或拒绝某些HHC服务请求的语言。其中包括以下语句:“pt拒绝了今天的VNS访问”，“患者拒绝了访问并要求明天访问”，“女儿要求将SOC重新安排在周五”。这些短语有一些单词模式，例如“病人/病人/家属拒绝”，“要求明天访问”和“将SOC重新安排到周五”，这些模式用于开发正则表达式规则。表1提供了更多正则表达式的例子，用于确定临床记录中延迟开始护理的HHC护理访问的原因。多媒体附录1提供用于标识指定类别的延迟开始照顾模式的正则表达式语法示例。

NLP算法的评价

为了评估我们的NLP算法的准确性，我们从22种笔记类型中提取了100个临床笔记，得到2200个临床笔记。每个记录由3名HHC专家独立审查，他们在适用的情况下将记录标记为3种延迟护理开始HHC护理访问类别中的1种或更多。这些专家包括一名攻读博士学位的注册护士、一名社会工作者和一名经验丰富的研究分析师。专家之间的初始互译一致性很高(κ>0.8) [30.]。分歧通过专家小组讨论解决。

我们将我们的NLP算法应用于测试集，并计算了NLP识别延迟访问原因的准确性。对于每一类延迟访问原因，我们计算了精度(定义为NLP算法返回的预测阳性总数中真阳性的数量)、召回率(实际阳性数量中真阳性的数量)和f分数(精度和召回率的加权调和平均值)。这些指标在0到100%之间变化，数值越高表明NLP算法概念识别性能越好;值大于75%表示NLP算法性能较高。

结果

队列人口

表2提供了VNSNY住院患者的人口统计摘要。

大多数入住VNSNY的患者年龄超过65岁(29,985/48,497,61.8%)。与男性相比，女性占患者总数的比例更大。非西班牙裔白人患者的比例明显高于其他种族。高血压(28,804/48,497,59.4%)是最常见的疾病，其次是糖尿病(15,204,31.4%)和癌症(7591,15.7%)。大多数患者(36,106/48,497,74.5%)可以得到家人或照顾者的支持。

测量NLP算法的性能

NLP检测延迟就诊原因相关语言的整体准确率较高，f总分为0.77 (表3）.当应用于研究中的所有临床记录(n=118,767)时，NLP算法确定了20,536个临床记录中记录的10,644次独特HHC发作的21,433个延迟就诊原因。

尽管NLP算法在识别延迟开始治疗原因方面的总f分是有希望的，但这也意味着该算法不能捕获临床记录中延迟开始治疗的所有变化。例如，它没有识别出以下表明患者推迟开始护理的笔记:(1)“患者将回复[护士]的电话，他更喜欢在下午3点(下午3点)之后进行soc”(2)“与患者的护理人员交谈，表示他们正在搬到新公寓，患者希望在其他时间进行soc。”

标准化文件中HHC就诊延迟的患病率

总共有16244例HHC患者就诊延迟。在所有16244例延迟开始护理访问的病例中，3097例(19.1%)使用标准化文件记录了延迟开始护理的原因。在3097例有记录的病例中，发现了5484例延迟HHC护理就诊的独特原因(单个HHC发作可能有1个以上记录的原因)。

临床记录中延迟开始治疗的原因

总体而言，72.2%的延迟访问原因(8051/ 11129;图1)记录在临床记录中。当NLP算法结果和标准化文档类别相结合时，在16,244例HHC发作中，确定了11148例(68.6%)延迟就诊的原因。我们发现23.1%(2572/11,129)的延迟访问原因被记录在两个文件来源(图1)，而只有4.5% (n=506)的原因仅记录在标准化文档中。其余31.4% HHC病例(5096/16,244)未发现延迟就诊原因。

‎ 查看此图

NLP算法确定的延迟HHC护理访问的最常见原因类别是“门或电话无人接听”(3728/8051,46.3%)，其次是“患者/家属要求推迟或拒绝某些HHC服务”(n=2858, 35.5%)和“行政或调度问题”(n=1465, 18.2%)。

进一步的分析表明，在超过40%的HHC护理就诊延迟事件中，记录了2个或更多的原因。图217.5%(1409/8051)的HHC发作有2个原因延迟开始护理，9.9%(794/8051)的HHC发作有3个原因，5.7%(459/8051)的HHC发作有4个原因。

HHC护理访视延迟的共同原因分析(图3)表明，19%(1529/8051)记录的HHC延迟就诊原因是“门或电话无人接听”和“患者/家属要求推迟或拒绝某些HHC服务”;8%(644/8051)的HHC发作既有“门或电话无人接听”，也有“行政或日程安排问题”。7%(563/8051)的HHC发作记录了这3种原因。

‎ 查看此图

‎ 查看此图

讨论

主要研究结果

这是我们所知的第一项研究，探讨了在大量HHC患者中延迟开始护理的原因。由于延迟护理与负面结果之间存在关联，确定延迟开始护理的原因至关重要。大多数需要HHC的患者是临床复杂和脆弱的老年人，他们从医院出院后需要立即进行急性后护理[31]。延迟开始治疗可能会增加并发症、急诊就诊、住院甚至死亡的风险[32]。

本研究的结果表明，当提供原因时，大多数延迟开始护理的HHC护理访问的原因(8051/ 11129,72.2%)完全记录在叙述性临床记录中。现在可以通过创新的数据科学方法(包括NLP)来完成对数千份临床记录的大规模分析。

我们开发并测试了一种NLP算法，以识别临床记录中记录的延迟开始护理的HHC护理访问原因的模式。当在专家审查的临床笔记样本上进行测试时，NLP算法在识别记录原因方面取得了很高的准确性。NLP算法在从电子病历临床记录中提取有意义的模式方面具有广泛的潜在应用[33]。我们相信，NLP算法将在未来整合到HHC电子病历中，以处理正在进行的临床文件。这种整合可以帮助HHC管理人员和执业护士识别和解决HHC护理就诊延迟的原因，从而有可能减少HHC服务的延误并改善患者的治疗效果。

我们的研究结果表明，最普遍的延迟HHC护理就诊类别是“门或电话无人接听”。可能的解释包括向HHC组织传递了错误的电话或地址信息，患者在最后一刻决定在自己家以外的地方康复，以及HHC组织与患者之间缺乏关于患者可用性的沟通。为了解决这个问题，转诊医院的临床医生可能需要与患者和家属讨论首次就诊的时间和重要性，并获得准确的联系信息。此外，在将患者从医院转移到HHC机构的过程中，可能有必要与HHC机构制定明确的沟通计划。

以往的研究[34-42我们的轶事经验表明，在现实中，HHC护士获得的关于新入院患者的信息很少。通常，从医院或初级保健提供者转介的HHC包括行政信息，如患者的保险状况和账单地址。可能是转诊中显示的患者联系信息并不总是准确的，因此由于拨打不正确或过时的电话号码或访问过时的地址而导致护理延误。最近的一份报告探讨了大型医院系统中地址信息的可用性，发现99%的患者(约210万患者)记录了账单地址[43]。然而，如果患者位于其他地址，则99.7%的患者缺少替代地址的文件。进一步调查转诊地址和电话信息的准确性，可能会揭示一些有助于减少延误护理的干预措施。

第二大常见原因是“患者/家属要求推迟或拒绝某些HHC服务”。虽然一些相关的护理延误可能是不可避免的，但转诊医生和HHC临床医生可能需要花更多的时间来阐明HHC护理开始访问的重要性。最近的几项研究表明，许多患者可能不了解HHC的价值并拒绝治疗。最近的一项全国性研究发现，从医院转介到HHC的患者中有一半以上从未接受过HHC服务[44]。另一项研究发现，约有三分之一的患者被转介到急性后医疗服务机构，包括HHC，拒绝接受治疗[18]。拒绝急症后护理的患者住院或急诊就诊的几率是及时就诊患者的两倍。增加患者对HHC服务重要性的理解可能有助于解决与延迟开始护理HHC护理访问的普遍原因相关的一些问题。

在大约20%的HHC发作中，延迟开始治疗是由于“行政或日程安排问题”。一些具体问题是保险覆盖面不足或不完整，缺乏表格和文件，以及缺乏可用的HHC护士按时完成护理开始访问。为了解决这些问题，HHC组织可能需要制定更好和更精简的患者接收程序，并确定几种方法来调整时间表，当护士打电话请病假或无法处理新病例时。

我们的研究结果表明，在超过40%的HHC发作中，有2个或更多的原因延迟了HHC护理就诊。在约20%的HHC发作中，最常见的共同发生原因是“门或电话无人接听”和“患者/家属要求推迟或拒绝某些HHC服务”。在相对较少的病例(7%)中，患者延迟了HHC开始护理访问的所有3个原因。我们假设，由于在这组患者中解决所有延迟原因的挑战，有共同发生原因的患者可能更有可能延迟开始护理的HHC护理访问。临床医生可能会决定优先考虑有共同原因的患者，进行适当的干预，以减少延迟开始治疗的可能性。患者的人口统计学和临床因素可能会影响他们延迟开始护理HHC的风险。确定这些因素和延迟就诊原因之间的关系可以帮助临床医生针对延迟就诊的高风险患者采取特定的干预措施。这是一个需要进一步调查的领域。

对卫生保健管理人员的启示

本研究的发现为NLP技术的应用提供了见解，以确定HHC机构延迟开始护理的原因和潜在的干预措施，以解决延迟和避免随后的负面结果。HHC管理人员可以开始考虑使用NLP技术来分析出院后48小时后就诊的患者的HHC护理访问，以确定延迟的原因和潜在的干预措施。我们建议通过获取和维护准确的患者联系信息、教育患者及时提供HHC服务的重要性、改进患者就诊程序和预约系统等干预措施，降低因以下原因导致的延迟开始治疗的风险:“门或电话无人接听”、“患者/家属要求推迟或拒绝某些家庭医疗服务”和“行政或预约问题”。

限制

这项研究的结果应该考虑到一些局限性。首先，数据集来自位于美国东北部的一家HHC机构。虽然卫生保健机构规模很大，但其服务仅限于居住在特定集水区的个人。因此，延迟访问的原因可能无法推广到其他地点的卫生保健机构。其次，现有数据没有关于出院时间的信息，因此分析是基于天，而不是CMS规定的小时。第三，本研究开发的NLP算法的总精密度为0.8，召回率为0.75。这些发现表明，由于算法错误，NLP识别的延迟HHC护理访问的一些原因是不正确的。目前尚不清楚，如果提供更多关于这些事件的信息，是否会发现其他原因。

结论

为避免延误关键的护理开始访问，卫生保健机构和医院应考虑检查和改进准确的患者或家属联系信息收集。此外，卫生保健机构应考虑提供有针对性的教育，说明早期开展卫生保健服务的重要性，以减少患者和家庭拒绝和/或要求推迟护理。最后，HHC机构应努力减少行政和日程安排问题，以实现及时有效的护理。