Construction and Validation of Risk Factors Prediction Model for Unplanned Readmission to the Surgical Intensive Care Unit: A Retrospective Study

एक सर्जिकल इंटेंसिव केयर यूनिट (SICU) के उच्च-जोखिम वाले वातावरण में, जिस क्षण एक मरीज को पर्याप्त रूप से स्थिर माना जाता है कि वह जा सकता है, वह सर्जरी जितना ही महत्वपूर्ण होता है। ये विशेष वार्ड ऑपरेशन के बाद शरीर के सबसे संवेदनशील घंटों के दौरान सहायता प्रदान करने के लिए डिज़ाइन किए गए हैं, जो गहन निगरानी के साथ महत्वपूर्ण संकेतों और अंगों के कार्यों की जांच करते हैं। हालांकि, एक मरीज की यात्रा हमेशा नियमित अस्पताल कक्ष में स्थानांतरण के साथ समाप्त नहीं होती है। कभी-कभी, इंटेंसिव केयर यूनिट छोड़ने के कुछ दिनों के भीतर ही, मरीज की स्थिति बिगड़ जाती है, जिससे अनियोजित वापसी करनी पड़ती है। यह घटना केवल एक लॉजिस्टिक असुविधा नहीं है; यह एक गंभीर चेतावनी संकेत है कि मरीज की रिकवरी उतनी सुरक्षित नहीं थी जितनी उम्मीद थी। दुनिया भर की चिकित्सा प्रणालियाँ इन रिटर्नों को बारीकी से ट्रैक करती हैं क्योंकि वे मृत्यु के उच्च जोखिम, लंबे अस्पताल प्रवास और चिकित्सा संसाधनों पर अधिक दबाव से जुड़े होते हैं। डॉक्टरों के लिए चुनौती लंबे समय से यह रही है कि मरीज के बाहर निकलने से पहले ही यह पहचान लिया जाए कि किसकी स्थिति बिगड़ने की संभावना है और किसे वापस आने की आवश्यकता पड़ सकती है।

शंघाई के एक प्रमुख अस्पताल के शोधकर्ताओं की एक टीम ने उन मरीजों के लिए इस विशिष्ट पहेली को हल करने का प्रयास किया जिन्होंने गैर-हृदय (non-cardiac) सर्जरी करवाई थी। उन्होंने उन लगभग 3,000 वयस्कों के रिकॉर्ड की समीक्षा की जिन्होंने लीवर, पेट, आंतों या अन्य अंगों की सर्जरी के बाद अपने सर्जिकल इंटेंसिव केयर यूनिट में समय बिताया था, लेकिन हृदय की नहीं। इन मरीजों के डेटा की सावधानीपूर्वक समीक्षा करके, शोधकर्ताओं ने उन विशिष्ट सुरागों को खोजने का प्रयास किया जो उन लोगों के मेडिकल रिकॉर्ड में दिखाई दिए जिन्हें पुनः भर्ती किया गया था बनाम वे जो सुचारू रूप से ठीक हुए थे। उन्होंने डिस्चार्ज होने से ठीक पहले की अवधि पर ध्यान केंद्रित किया, रक्त परीक्षण, महत्वपूर्ण संकेतों और उन स्कोरिंग सिस्टमों में पैटर्न की तलाश की जो यह मापते हैं कि कोई व्यक्ति कितना बीमार है। लक्ष्य एक ऐसा उपकरण बनाना था जो इस बिखरी हुई जानकारी को ले सके और इसे एक एकल, स्पष्ट जोखिम भविष्यवाणी में संयोजित कर सके।

अध्ययन से पता चला कि इंटेंसिव केयर यूनिट में अनियोजित वापसी अपेक्षाकृत दुर्लभ थी, जो उनके अध्ययन किए गए मरीजों में लगभग 2.4 प्रतिशत मामलों में हुई। जब ये रिटर्न हुए, तो सबसे आम कारण श्वसन विफलता (respiratory failure) था, जिसका अर्थ है कि नियमित वार्ड में जाने के बाद मरीजों को प्रभावी ढंग से सांस लेने में संघर्ष करना पड़ा। यह समझने के लिए कि यह क्यों हुआ, शोधकर्ताओं ने लौटने वाले मरीजों के मेडिकल डेटा की तुलना उन मरीजों से की जो नहीं लौटे थे। उन्होंने पाया कि जो मरीज वापस आए, उनके समूह में कई विशिष्ट कारक लगातार भिन्न थे। इनमें यूनिट में प्रवेश करते समय मरीज का समग्र गंभीरता स्कोर, शुरुआती चेतावनी संकेतों का एक त्वरित मूल्यांकन, और इंटेंसिव केयर यूनिट छोड़ने से ठीक पहले लिए गए विशिष्ट माप शामिल थे।

शोधकर्ताओं ने सात प्रमुख चरों (variables) की पहचान की जो रिटर्न के स्वतंत्र भविष्यवक्ता के रूप में कार्य करते हैं। इनमें तीव्र फिजियोलॉजी और क्रोनिक स्वास्थ्य का मूल्यांकन करने वाली प्रणाली पर मरीज का स्कोर, एक स्कोर जो सांस लेने की दर और चेतना जैसे शुरुआती चेतावनी संकेतों को ट्रैक करता है, और रक्त के जमने (clotting) में लगने वाला समय शामिल था। उन्होंने रक्त में क्रिएटिनिन के स्तर को भी देखा, जो यह दर्शाता है कि गुर्दे कितनी अच्छी तरह काम कर रहे हैं, मरीज की हृदय गति, और ऑक्सीजन के फेफड़ों से रक्त में जाने की दक्षता का एक माप, और हीमोग्लोबिन का स्तर, जो शरीर में ऑक्सीजन ले जाता है। विश्लेषण ने दिखाया कि बीमारी की गंभीरता और शुरुआती चेतावनी संकेतों के उच्च स्कोर, साथ ही धीमी रक्त जमने की प्रक्रिया, उच्च हृदय गति, या ऑक्सीजन दक्षता या हीमोग्लोबिन के निम्न स्तर, इंटेंसिव केयर में वापस आने की संभावना को बढ़ा देते हैं।

इन सात कारकों का उपयोग करके, टीम ने एक विजुअल टूल बनाया जिसे 'नोमोग्राम' (nomogram) कहा जाता है। यह उपकरण डॉक्टरों के लिए एक व्यक्तिगत कैलकुलेटर की तरह कार्य करता है। इसका उपयोग करने के लिए, एक क्लिनिशियन चार्ट पर प्रत्येक के सात कारकों के लिए मरीज के विशिष्ट मूल्यों को खोजेगा, एक पॉइंट्स स्केल की ओर एक रेखा खींचेगा, और कुल अंकों को जोड़ेगा। अंतिम कुल अंक सीधे एक प्रतिशत की ओर संकेत करते हैं जो मरीज के पुन: भर्ती होने की संभावना को दर्शाता है। शोधकर्ताओं ने इस उपकरण का परीक्षण अपने पास मौजूद डेटा पर किया, और इसने उच्च सटीकता के साथ प्रदर्शन किया, अधिकांश मामलों में उन मरीजों के बीच सफलतापूर्वक अंतर किया जो वापस आएंगे और जो नहीं आएंगे। जब उन्होंने इस उपकरण को मरीजों के एक अलग समूह पर लागू किया ताकि यह देखा जा सके कि यह कितना टिकाऊ है, तो इसने 85 प्रतिशत से अधिक मामलों में परिणामों की सही भविष्यवाणी करते हुए मजबूत विश्वसनीयता दिखाई।

अध्ययन सुझाव देता है कि यह उपकरण चिकित्सा टीमों को यह निर्णय लेने में मदद कर सकता है कि कब मरीज को डिस्चार्ज करना सुरक्षित है। ठोस डेटा के आधार पर जोखिम को मात्रात्मक रूप देने से, डॉक्टर मरीज के बाहर जाने से पहले ही उच्च-जोखिम वाले व्यक्तियों की पहचान कर सकते हैं। उन मरीजों के लिए, यह उपकरण उन्हें कुछ समय के लिए और अधिक निगरानी में रखने या नियमित वार्ड में जाने के बाद अधिक गहन निगरानी की व्यवस्था करने का निर्णय लेने के लिए प्रेरित कर सकता है। शोधकर्ताओं ने उल्लेख किया कि उनका कार्य एक एकल अस्पताल तक सीमित था और केवल गैर-हृदय सर्जरी पर केंद्रित था, इसलिए इस उपकरण की उपयोगिता की पुष्टि करने के लिए अन्य सेटिंग्स में और अधिक परीक्षण की आवश्यकता है। हालांकि, यह मॉडल उन जटिल कारकों के मिश्रण को देखने का एक सरल, व्यक्तिगत तरीका प्रदान करता है जो मरीज की रिकवरी को निर्धारित करते हैं, जो इंटेंसिव केयर यूनिट में एक खतरनाक और महंगी वापसी को रोकने के लिए एक स्पष्ट मार्ग प्रदान करता है।