Risk Screening in a Medicaid-Managed Pregnancy Medical Home: The Need to Center Maternal Health Outcomes in Public Health Programming

想象一下，医疗保健系统就像一座巨大的、高科技的灯塔。它的职责是在船只撞向岩石之前发现处于困境中的船只。几十年来，这座灯塔在发现一种特定类型的危险方面表现得非常出色：那就是“婴儿船”。如果一个婴儿即将早产或出生体重过轻，灯塔就会闪烁明亮的警告信号，然后一支助手团队会迅速出动，引导船只驶向安全地带。这个系统被称为“风险筛查”，它是包括北卡罗来纳州 Medicaid 项目在内的许多地方的标准工具。

但转折在于：那么“母船”呢？承载婴儿的人本身也是一艘船，有时她们也会面临自己的风暴——比如严重的出血、感染，或需要比预期住院更长时间。这些被称为“不良孕产妇结局”。长期以来，这座灯塔一直致力于观察婴儿的航线，假设如果婴儿是安全的，母亲也一定平安无事。科学家们开始怀疑：这座灯塔观察到的真的是正确的风暴吗？同样的预警系统在发现婴儿遇到危险的同时，也能发现母亲遇到危险吗？这篇论文深入探讨了这个问题，利用海量数据来观察现有的“安全网”究竟是捕捉到了两名乘客，还是只捕捉到了其中之一。

大测试：婴儿雷达能捕捉到母亲吗？

北卡罗来纳州有一个运行已久的程序，叫做“怀孕医疗之家”（Pregnancy Medical Home）。你可以把它想象成一个针对 Medicaid 孕妇的高度组织化的护理团队。当一个人加入该计划时，她需要填写一份“风险筛查表”——基本上是一份关于她的健康、病史和生活情况的长清单。这位母亲患有糖尿病吗？她是否在为住房问题感到压力？她以前生过孩子吗？她在吸烟吗？

这份清单最初的目标是找出具有“早产”或“低出生体重”高风险的怀孕情况。如果清单将某人标记为“高风险”，她就会获得额外的帮助，例如一名护理经理，以确保她能按时参加医生预约并获得所需的支持。猜猜看，它奏效了！该计划成功帮助减少了早产和低出生体重儿的数量。

但这项研究背后的研究人员提出了一个好奇的问题：这份同样的清单是否也能识别出那些自身面临严重疾病风险的母亲？

为了找出答案，团队化身为数字侦探。他们将 2014 年至 2019 年间的三堆庞大数据进行了关联：

1. 风险筛查清单（母亲回答的问题）。
2. 医院记录（分娩时实际发生的情况）。
3. Medicaid 理赔数据（显示谁获得了什么报销的文书工作）。

他们研究了 205,916 例分娩案例。那是很多艘船！他们想看看那些在表格中勾选了“是”的风险项的人，是否就是那些在医院经历过“糟糕的一天”的人。在这项研究中，“糟糕的一天”意味着严重的事件，例如：

• 严重孕产妇发病率 (SMM)：一个险些丧命的事件（如心脏病发作或严重出血）。
• 进入重症监护室 (ICU)：母亲必须进入重症监护室治疗。
• 住院时间过长或需要再次入院。

结果：一片迷雾中的预报

故事在这里变得有趣了。研究人员通过一个高级计算机模型（称为“随机森林”，就像是一个决策树团队）来测试清单是否可以预测这些可怕的事件。

结果令系统的设计者有些失望。虽然该清单非常擅长发现针对婴儿的风险，但它在预测母亲风险方面的表现却很差。

• 评分： 模型区分“安全母亲”和“患病母亲”的能力是通过一个名为“曲线下面积”（AUC）的分数来衡量的。完美的得分为 1.0，而抛硬币的结果为 0.5。该模型的得分仅为 0.63。这仅仅比瞎猜好一点点。
• 漏报率： 当模型试图尽可能准确时，它仅捕捉到了实际出现不良结局的母亲中的 56%。这意味着它漏掉了近一半的母亲！它也错误地将许多健康的母亲标记为“有风险”（特异性仅为 63%）。

清单抓住了什么（又错过了什么）？

研究确实发现某些因素与母亲生病有关。如果一位母亲年龄超过 25 岁、是黑人、超重或肥胖、吸烟，或者患有糖尿病或高血压等慢性疾病，她确实面临更高的风险。清单也捕捉到了诸如既往早产史或既往妊娠高血压史等信息。

然而，当研究人员将所有这些线索整合进一个单一的预测工具时，这个工具在对母亲进行预测时表现得并不理想。这就像拥有一个天气应用，它能完美预测你花园里的降雨，但在预测你的汽车是否会抛锚方面却表现得很糟糕。

为什么灯塔错过了母亲？

作者提出了几个原因，解释了为什么“婴儿雷达”未能捕捉到“母亲的风暴”：

1. 问题不对： 该清单是为发现婴儿问题而设计的。它可能缺少了能够预示母亲即将生病的特定线索。例如，它可能没有询问关于心理健康或导致进入 ICU 的特定疼痛等问题。
2. 时间偏差问题： 某些问题，如严重的妊娠高血压（先兆子痫），可能直到清单填写完毕之后才会显现。如果你在第一次就诊时填写表格，你就无法预测三个月后才开始出现的问题。
3. “补救措施”可能起到了作用： 被标记为“高风险”的母亲得到了额外的护理。有可能这种额外的帮助实际上预防了一些不良结局，这使得看起来像是清单不起作用，因为那些被标记的人并没有像原本可能那样频繁地生病。

底线结论

论文得出结论，虽然北卡罗来纳州的计划是保持婴儿安全的绝佳模型，但它目前还不是一个识别处于危险中母亲的良好工具。该系统是为了优化新生儿（婴儿）结局而构建的，它很好地完成了这项工作。但为了保护母亲，我们需要一张新的地图。

作者并不是说该计划出了问题，而是说它需要重新平衡。他们认为，公共卫生计划不应再将婴儿和母亲视为两艘独立的船。相反，他们需要设计能够同时关注两者的风险筛查。如果我们想要挽救生命，我们需要确保我们的灯塔足够明亮，不仅能看到货物面临的风暴，还能看到整个船员面临的风暴。