Measuring and reducing intervention misalignment in next best action selection for care management: a within-patient natural experiment

想象一下你是一名护理经理，一位穿着洗手衣的超级英雄，你的任务是帮助那些同时面临多种问题的患者：高血压、焦虑、缺乏食物以及无法就医。你每位患者只有 15 分钟的时间。你无法一次性解决所有问题。你必须选择一个最先着手处理的事情。这就是“下一个最佳行动”（Next Best Action）问题。

多年来，这个系统就像一台自动贩卖机，只向每个人提供相同的零食。如果一个患者走进来，电脑会说：“嘿，拿一个行为健康转诊单！”或者“拿一张护理接入协调票！”它并没有真正观察到对于那个特定的患者来说，哪种零食才是他最需要的。

本文的作者 Sanjay Basu、Parth Sheth 和 Sadiq Patel 决定衡量这个“自动贩卖机”出错的频率。他们将这种错误称为干预错位（intervention misalignment）。即：所提供的干预措施并非预期中能带来最大健康收益的措施的患者比例。

重大揭示：自动贩卖机坏了

团队研究了 2023 年至 2025 年间分布在三个州的 34,971 名 高风险 Medicaid 患者。他们使用了一种巧妙的技巧，称为“患者内自然实验”。你可以这样理解：由于物流原因（而非因为患者更重病或更健康），该护理计划在不同时间点向不同人群展开，因此研究人员可以将同一个人在接受帮助前后的健康状况进行比较。这让他们能够在不依赖猜测的情况下，弄清楚患者真正需要什么。

令人震惊的部分在于：在现行系统下，27.0% 的患者（即超过四分之一）得到了错误的“下一个最佳行动”。

但真正的故事在于哪里错了。目前的系统过度痴迷于两件事：“护理接入协调”和“行为健康转诊”。这两者构成了所有采取行动的 80.3%。

与此同时，患者的实际需求却在渴求着别的东西。数据表明，患者最能从中受益的是社会需求，如交通、粮食安全、住房和经济福利。

• 现行系统仅在 1.9% 的情况下将交通作为首要任务，尽管患者自身的数据表明它应该是首选目标的概率为 5.1%。这是一个 25.5 倍 的差距。
• 对于粮食安全，系统选择了 1.9%，但患者的需求却是 5.2%。这是一个 17.3 倍 的差距。
• 对于住房，差距为 12.5 倍。

论文明确反对这样一种观点，即这仅仅是一个简单的“穷人需要更多帮助”的梯度问题。错位现象在高收入水平和种族群体中普遍存在，这表明系统性地忽略了所有人的社会需求，而不仅仅是针对最贫困的人群。

解决方案：PEARL

研究人员不仅指出了问题，还构建了一个新的“自动贩卖机”，名为 PEARL（通过对齐回顾性学习实现的政策演进）。

PEARL 就像一位超级聪明的教练，它能从过去的“自然实验”中学习。它有三个秘密成分：

1. 患者内信号（The Within-Patient Signal）： 它从每个患者的具体历史中学习（过去什么样的做法对他们有效）。
2. 群体分层公平性（Group-Stratified Fairness）： 它确保不会在无意中偏袒某一群体或忽视另一群体。
3. 十四专家路由（A Fourteen-Expert Router）： 它拥有一个由 14 个不同“专家”组成的团队（对应 14 种不同的帮助类型，如高血压或住房），由这些专家投票决定最佳行动方案。

当他们测试 PEARL 时，结果具有变革意义。

• 它将干预错位从 27.0% 降低到了仅为 2.0%。
• 这意味着向完美得分迈进了一步，实现了 92.6% 的降幅。
• 论文指出，“患者内信号”本身承担了大部分重任，将错位降至 4.4%。然而，如果去掉“公平性”部分，系统实际上会变得比以前更糟（跳升至 38.7–42.4%）。这证明了公平性不仅仅是一个“锦上添花”的功能，它是系统运作的核心。

他们排除了什么

论文非常谨慎地说明了其结论的局限性。

• 它不是针对所有人的灵丹妙药： 他们测试了 13 种不同的政策。有些政策，比如“保守 Q 学习”（一种 AI 类型），虽然改善了整体住院次数，但并未解决“错误行动”的问题。它降低了事件发生率，但保持了较高的错位率（32.0%）。
• 它不仅仅是关于“善良”： 如果没有加入公平性调整，简单的模仿过去决策（行为克隆）会让情况变得更糟。
• Camden Coalition 试验： 作者重新分析了著名的 Camden Coalition 试验，在该试验中，每个人都得到了完全相同的密集帮助。他们发现，在该试验中，90.9% 的患者得到了“错误的”行动，因为他们都得到了同样的东西。在模拟中，他们展示了如果使用 PEARL 代替，再入院率可能会降低 15.1 个百分点。但作者明确表示：这是基于其模型的模拟，并非证明 Camden 试验一定会成功。

我们有多确定？

作者对他们的数字非常有信心，但也诚实地说明了局限性。

• 他们使用了一种称为“双重稳健反事实建模”的稳健方法来衡量错位。
• 他们运行了 20 种不同的敏感性分析（通过微调规则来观察结果是否成立），在几乎所有分析中，PEARL 都保持在 2.0%。
• 他们计算出了一个 E 值 = 11.92。这是一个专业术语，意思是：“如果要我们的结果出错，那么必然存在一个隐藏因素，其预测行动和结果的能力要比我们实际测量的任何因素还要强 11.92 倍。” 这意味着结果非常可靠，他们很确定结果是真实的。
• 然而，他们承认，“患者内自然实验”衡量的是“获得护理”与“不获得护理”之间的效应，而不是在完美实验室环境下“住房 vs 食物”的直接对决。他们衡量的是选择的质量，而不是正在进行一项新的临床试验来证明该选择在实时环境下的有效性（尽管他们正计划进行一项全新的试验来实现这一点）。

底线结论

论文得出结论，“干预错位”是一个真实存在的、可衡量的现象，而且是可以修复的。目前的系统在面对患者最迫切需要的食物和住房等社会需求时，表现出了巨大的忽视。通过使用一种能够倾听患者自身历史并公平对待每个人的新方法（PEARL），我们可以修复这种错位。

作者现在正准备在 24 个护理团队 中进行一项大规模的新实验，以观察这种新的行动选择方式是否能在现实世界中减少住院次数。在此之前，数据表明，如果我们想要真正帮助患者，我们需要停止猜测，开始倾听那些告诉我们他们首先需要什么的信号。