STREAM-SMR: Sequential Bayesian state-space monitoring of standardized mortality ratios - a simulation comparison with risk-adjusted CUSUM and EWMA

在重症监护这一高风险领域，医院不断通过计算实际死亡人数与基于患者入院时病情严重程度所预期的死亡人数之比来衡量自身的表现。这一比例被称为标准化死亡率（standardized mortality ratio），是衡量医疗机构质量的重要生命体征。几十年来，监测这一数值的标准方式是等待报告期结束，计算出平均值，然后查看图表，以观察医院的表现是否低于预期。然而，这种方法存在令人沮丧的延迟：当问题被发现时，可能已经有数月的护理质量受到了影响。为了解决这个问题，统计学家开发了能够随数据逐月到达而进行监测的工具，一旦趋势变得危险，便会发出警报。这些工具非常擅长大声疾呼“出问题了”，但却很不擅长解释“错得有多离谱”或“我们有多确定”。它们只提供一个警告信号，却缺乏理解情况严重程度所需的上下文背景。

一种在最近的模拟研究中经过测试的新方法，试图通过将早期预警系统与持续、实时的医院表现评估相结合，来弥补这一差距。由 Kunihisa Ohno 领导的研究小组开发了一种名为 STREAM-SMR 的方法。该方法不再仅仅是等待某个阈值被突破，而是将医院的表现视为一种随时间变化的、活生生的状态。它使用一种数学框架，每隔一个月就根据新输入的患者数据更新其理解，同时记住过去，但又不会过度依赖过去。其核心思想是产生一个不断更新的死亡率图像，并附带一个确定性度量，同时密切关注危险的变化。这项研究并未声称这种新方法是解决所有问题的“灵丹妙药”，而是指出它提供了一个务实的权衡：以极小的报警延迟为代价，换取一个清晰、可解释的现状视图。

研究人员将这种新方法与目前医院中最常用的两种工具进行了对比测试：风险调整后的 CUSUM 和风险调整后的 EWMA。这些成熟的工具就像敏感的绊线；它们旨在尽可能快地检测出患者预后情况的突然且持续的恶化。研究通过模拟了成千上万种场景，涵盖了不同规模的医院，从年收治 50 名患者的小型单元到年收治 800 名患者的大型设施。他们创建了各种情况，包括死亡率的突然跳升、长期的缓慢漂移以及最终恢复正常的暂时性激增。为了确保公平竞争，所有方法的校准都使它们在五年内的误报概率大致相同，约为 5%。这意味着任何性能上的差异都是由于方法本身的运作机制导致的，而不是因为其中一个设置得更敏感。

结果显示，新方法 STREAM-SMR 在实现其首要目标——提供清晰、持续的医院表现评估方面，表现得非常出色。当研究人员观察该方法的置信区间与模拟中的真实情况是否匹配时，他们发现这些估计值是非常可靠的。在所有测试的场景中，该方法所给出的不确定性范围至少有 91% 的时间包含了真实值。这对于医院管理者和临床医生来说是一个至关重要的特征，因为他们不仅需要知道是否存在问题，还需要知道问题的规模以及他们对这一评估的信心程度。与传统工具仅在突破阈值时闪烁红灯不同，STREAM-SMR 提供了一条平滑、经过过滤的死亡率轨迹，展示了每一步的变化方向和幅度。

在检测速度方面，研究发现，在检测持续性问题时，新方法的表现几乎与现有的最佳工具一样快。在大型医院中，当死亡率上升到危险水平时，传统的 CUSUM 工具在其中位数为 5 个月时检测到了这种转变，而新的 STREAM-SMR 方法则在 6 个月时检测到了。在规模中等的医院中，两种方法大约都需要 14 个月才会发出警报。在数据稀缺、趋势难以捕捉的小型医院中，新方法实际上检测得更快，用时 20 个月，而 CUSUM 则需 22 个月。研究人员指出，对于大型设施而言，检测时间仅有 1 到 2 个月的差异，这对于能够实时看到实际表现数值及其不确定性的能力来说，是一个微小的代价。研究强调，这种轻微的延迟并非缺陷，而是该方法设计的特性，因为它优先考虑的是稳定、准确的估计，而非绝对最快的触发。

研究还探讨了该方法如何处理临时性问题，例如持续三个月的死亡率激增，随后又恢复正常。在此情况下，各方法的行为出现了显著分歧。传统的 CUSUM 工具由于会累积证据，即使问题已经解决，仍会保持警报激活状态，实际上是在“记住”过去的激增。而新的 STREAM-SMR 方法通过使用“折扣因子”（discount factor）来赋予近期数据更高的权重，从而使评估在激增结束后能迅速回归正常。对于临时性的波动，如果波动发生，新方法能更快地检测到恶化，但在大型设施中，它检测到的此类事件总数比 CUSUM 少。研究人员认为，在登记制度的背景下，这通常是理想的行为，因为目标是了解当前的护理状态，而不是永久性地因过去的已解决事件而标记一家医院。然而，他们也承认，如果某个项目的特定目标是捕获并审查每一次恶化事件（无论多么短暂），那么传统的累积型工具可能仍然更具优势。

该研究的一个关键发现是关于一个被称为“折扣因子”的单一调节参数的作用。这个设置就像一个旋钮，控制着方法在近期数据与历史数据之间分配多少权重。将旋钮调向对近期变化更敏感的方向，会使方法更快地检测到新问题，但也会导致评估值的波动变大。将旋钮调向更稳定的方向，则会让评估更加平滑可靠，但会减慢对新转变的检测速度。研究人员证明，通过调整这一个设置，医院管理者可以根据自身需求选择最合适的平衡点。对于那些需要立即知道是否出问题的用户，更敏感的设置效果很好；对于那些需要长期稳定的表现视图用于报告的用户，更保守的设置则能提供更清晰的图景。

研究结论指出，新方法成功地将“监测危险”与“评估表现”统一了起来。它将这一过程从一个简单的报警系统转变为一个经过校准的、序列化的估计工具。这种清晰度的提升所付出的代价是微乎其微的，在大型设施中检测持续恶化的延迟最多仅为一两个月，而在小型设施中则没有任何延迟。研究人员强调，这是一项模拟研究，意味着结果是基于计算机模型模拟医院行为得出的，而非基于新的临床试验。然而，该方法已在某国家级重症监护登记系统中使用了约七年，这表明其理论优势在实践中也是成立的。该研究并不声称解决了医院质量监测的所有问题，但它为那些不仅想知道何时该担心，还想知道究竟在担心什么的人们，提供了一个极具吸引力的替代方案。