Automated, Component-Level Assessment of a National Inpatient Diabetes Guideline: Adherence and Its Association with Hospitalization Complications Across Six Hospitals

技术摘要：国家级住院糖尿病指南的自动化、组件级评估

问题陈述
尽管目前已存在针对住院高血糖症的临床指南，但仍缺乏一种细粒度的、自动化的方法，用于在大型医院网络层面评估单个建议层面的执行情况。传统的评估通常依赖于聚合指标或人工病历审查，这无法捕捉护理的动态时间过程，也无法识别与患者预后相关的具体实施差距。挑战在于如何将复杂的、具有时间依赖性的临床指南转化为可计算的逻辑，从而持续衡量依从性，并将特定的依从模式与随后的住院并发症联系起来。

方法论
本研究采用回顾性、多中心设计，涉及以色列六所综合医院（2022年8月至2025年12月）中 29,577 名患有糖尿病或住院高血糖症的 29,577 名成年患者的 48,354 次入院记录。其核心技术创新是将 14 项特定的指南建议形式化为质量评估时间模式。这些模式被应用于源自电子健康档案（EHR）的基于知识的时间抽象，从而使系统能够在指南适用于患者临床过程的任何环节对依从性进行评分。

分析分为两个阶段：

1. 依从性测量： 使用经错误发现率（FDR）校正的 Welch t 检验，比较指南发布前后的依从性。
2. 结局关联： 研究了依从性与 10 种特定并发症之间的关系。通过在 24、48 和 72 小时窗口内使用偏倚削减逻辑回归来估计关联度。为了处理混杂因素，利用**逆概率加权（IPTW）**来对比依从性高于中位数与处于或低于中位数的患者。

主要贡献

• 细粒度自动化： 本文证明了在国家规模上实现组件级（按每项建议）指南依从性评估自动化的可行性，超越了简单的“符合/不符合”二元分类。
• 时间逻辑： 通过利用时间抽象，该方法捕捉了护理的连续性（例如，重复的胰岛素决策），而不仅仅是离散的入院行为。
• 因果推断框架： 应用 IPTW 和偏倚削减回归，为在观察性研究背景下估计特定依从模式与临床结局之间的关联提供了一个稳健的框架。

结果

• 依从性模式： 依从性因建议类型而异。虽然入院和药物管理行为表现出近乎普遍的依从性，但在持续胰岛素管理方面发现了显著差距，平均依从性得分在 0.15 到 0.28 之间。
• 时间趋势： 指南发布后，整体依从性略有上升（从 0.682 升至 0.703，P < .001），尽管医院之间仍存在显著的异质性。
• 结局关联： 经过加权后，高于中位数的依从性与以下情况相关：
  • 30 天死亡率降低 44%（OR 0.557; 95% CI, 0.514–0.603）。
  • 高血糖症减少 82%（OR 0.175）。
  • 重度高血糖症减少 52%（OR 0.485）。
  • 低血糖症风险增加 20%（OR 1.204）。
• 差距与结局的相关性： 执行率最低的建议主要也是与患者结局关联最强的建议。具体而言，这些是关于在整个住院期间分布式的重复胰岛素决策的建议，而非仅在入院时采取的离散行动。

意义与主张
本文主张，自动化、组件级的评估是一种可行的工具，可以识别出加强哪些方面的指南执行最能切实改善患者护理。研究结果表明，指南执行中的“易实现目标”（离散的入院行为）已基本得到解决，而更复杂的持续性护理环节（持续的胰岛素管理）仍然是实现最佳预后的主要障碍。研究结论认为，此类自动化评估可以有效地精准定位需要开展针对性干预的领域，以减少住院糖尿病护理中的并发症和死亡率。