Do established comorbidity scores predict in-hospital mortality equally well in women and men? A nationwide validation in 166.7 million German inpatient cases, 2010-2024
在一项针对 1.667 亿例德国住院病例的全 nationwide 验证中，研究发现三种既定的共病评分在区分能力上表现相当，但在女性和男性之间存在系统性的校准偏差，这支持了进行性别特异性重新校准的必要性，以确保公平的医院基准评估。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
医院经常进行绩效比较，提出了一个根本性的问题：他们是否比其他医院更能让患者存活下来？为了公平地回答这个问题，他们必须考虑到患者在入院前的病情严重程度。一个带着骨折且心脏健康的患者，与一个带着骨折且心脏衰竭的患者相比，面临的风险是不同的。为了进行这种比较，医生使用“共病评分”（comorbidity scores）。这些是根据患者的既往病史计算出的简单数字，将他们现有的所有疾病合并为一个单一的风险评估值。几十年来，这些评分一直以完全相同的公式应用于所有人，无论患者是男性还是女性。其假设是，这套数学逻辑对男女两性都同样适用。但在医学领域，生物学特征往往存在性别差异，而这一假设却极少在规模宏大的研究中得到验证。如果公式对某一群体略有偏差，就可能扭曲数千项研究的结果，并误导医院的排名，使某些医院看起来比实际情况更差或更好。
一个研究小组决定利用一组规模空前的数据库来测试这一假设。他们研究了德国在2010年至2024年十五年间，近1.67亿次的成年人住院记录。这并非一个小样本；它是该国在此期间几乎所有急性住院病例的完整记录。研究人员重点关注了三种在全球范围内被用于预测住院死亡风险的特定评分系统。他们想看看这些评分是否能同样有效地预测男性和女性的死亡风险。具体而言，他们检查了两件事：首先，预测风险是否与实际死亡人数相匹配（校准度），其次，这些评分是否能成功区分哪些患者会死亡以及哪些患者会存活（区分度）。
结果显示出一个清晰且一致的模式。虽然这些评分在对患者进行排序方面表现良好——这意味着它们仍能区分高风险患者和低风险患者——但它们预测的实际死亡人数在男女之间并不相等。当研究人员观察具有相同评分的患者组时，发现男性的死亡率高于女性。例如，在其中一种评分系统中，具有特定风险水平的男性在医院中的死亡可能性比女性高出约21%。这种差异并非偶然现象；它在十五年的数据以及几乎所有的年龄组中都表现得非常一致。评分往往会低估男性的风险，或者高估女性的风险（取决于具体的评分系统），从而产生了一种系统性的差距。
有趣的是，评分在正确排列患者顺序的能力上，对男女两性的表现非常相似。这种在区分幸存者与非幸存者方面的能力差异微乎其微，几乎可以忽略不计。真正的核心问题不在于评分无法识别谁更重症，而在于它们误算了每个性别的实际死亡概率。研究人员指出，对于个体患者而言，这种差异小到不足以改变医生的即时治疗决策。然而，由于这些评分被用于比较整家医院并指导国家卫生政策，这种误差并不会消失。相反，它会不断累积。如果一家医院收治的男性多于女性，或反之亦然，标准的公式可能会使这家医院看起来表现得比实际情况更差或更好，仅仅是因为数学模型并不符合特定的患者构成。
研究还探讨了这种情况发生的原因。数据显示，在住院人群中，男性携带了更多与死亡相关的严重疾病负担，如肝脏疾病和心律失常，而女性则有更高的抑郁症发病率。评分统计了这些疾病，但并未考虑到同样的疾病在不同性别患者身上可能具有不同的权重或严重程度。研究人员发现，这种模式不受年份或患者年龄的影响，这表明问题在于这些评分最初是如何创建的，以及目前是如何被使用的。
这项大规模分析表明，在预测医院死亡率时，长期以来对所有人使用统一公式的做法存在缺陷。作者得出结论，这些既定的评分在针对男性和女性时的校准程度不同。虽然这些评分在对患者进行排序方面仍然有效，但预测实际死亡率时的系统性差异意味着它们会在医院比较和研究中引入偏差。该研究并未声称已经解决了这个问题，但它提供了强有力的证据，证明现有的工具需要重新审视。为了确保医院之间的公平比较和研究的准确性，作者建议这些评分可能需要针对男性和女性进行专门的重新校准，或者应将性别作为一个因素加入计算之中。在此之前，用于评判医院绩效的数字，可能会因其试图描述的患者性别而产生隐性的偏差。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。