基于医疗大数据的多病共存老年人临床结局的风险预测模型研究

Multimorbidity among older Chinese has been a common problem. Study on the characteristics and evolution of the multimorbidity among elderly is of great significance on the patient's self-management, improvement of treatment, and medical resource allocation. However, clinical studies have largely focused on individual diseases or a few concomitant diseases. Using clinical core information of over tens of millions of inpatients from hundreds of hospitals throughout China and Electronic Medical Records from Peking University affiliated hospitals, we propose to utilize the methodology of medical informatics and epidemiology to study multimorbidity patterns、disease trajectories and clinical outcomes, and finally to develop the risk prediction models by data integration and mining techniques. Our research methods will include discriminant analysis to construct disease classification models, association analysis to explore addictive effects between multiple conditions, shrinkage methods to select multimorbidity patterns, generalized linear models to determine the weights, as well as competing risk models and random effect models to predict the risk of hospital readmission and emergency admission. Studying multimorbidity pattern and optimal risk prediction models of clinical outcomes will be helpful to assist physicians to develop the holistic and individualized treatment plan, and provide evidence for the classification of diagnosis and treatment among older patients.

老年人多病共存非常常见。老年共病特点及衍变的研究对患者自身管理、诊疗质量改善和医疗资源配置有着重大意义。既往临床研究和指南多关注单个疾病或少量伴随疾病。本项目拟通过对国家医疗数据中心的四百多家三甲医院上千万病人诊疗信息及北京大学附属综合医院电子病历信息的有机整合与分析挖掘，结合医学信息学信息采集利用与流行病学建模方法，挖掘中国老年人共病模式，分析共病发展规律及交互作用对临床结局的影响，构建基于疾病交互作用的临床转归预测模型，有重要的理论及应用价值。研究方法包括：判别分析构建疾病分类模型；关联分析等无监督模型探索共存疾病间累加效应；压缩工具模型筛选诊疗模式及广义线性模型确立权重；建立随访队列，利用竞争风险模型和随机效应模型预测重返和急诊入院事件。研究探讨老年人多病共存诊疗模式及临床转归预测模型可辅助医生以病人为中心制定整体性和个性化诊疗方案，为老年病人分级诊疗提供依据。

老年人群多病共存较为常见。当前人口老龄化形势下，深入开展老年人群多病共存研究对慢病防控和诊疗有重要意义。本研究利用北京市医保数据、中国健康与养老追踪调查（China Health and Retirement Longitudinal Study, CHARLS）和中国老年健康影响因素跟踪调查（Chinese Longitudinal Healthy Longevity Survey, CLHLS）等医疗管理型数据和流行病学调研数据，分析中国老年人多病共存患病的流行病学特点，利用多种数据挖掘方法从不同角度探索共病模式，利用重复测量模型研究多病共存模式和身体功能、认知功能和精神健康等老年人群重要健康结局之间的关系，并增加时间维度探索共病发展规律。本研究利用以死亡为后项集的限制性关联规则筛选疾病组合项，探索疾病间累加效应，运用回归模型分别构建基于单个疾病的共病指数和增加疾病组合项的共病指数。本研究还基于疾病数量、多病共存患病模式、多病共存发展轨迹、共病指数、带组合项的共病指数等多病共存模式的不同评估方法，构建死亡风险预测模型并比较预测性能。研究结果显示，基于北京市医保数据、CHARLS和CLHLS得出我国老年人多病共存患病率分别为81.3%、69.0%和65.4%。多病共存患病率随年龄增长而增加，女性高于男性。心血管-代谢类和感知觉类是较稳定的多病共存模式。疾病数量增加与身体功能下降和抑郁风险增加有关，其中感知觉类共病与抑郁风险增加的关系较为显著。心血管-代谢疾病数量的增加与身体功能下降、认知功能下降和抑郁风险有关，其中含卒中的共病模式和老年健康结局的关系较为显著。本研究构建的基于单个疾病的共病指数和带疾病组合项的共病指数，与其他包括疾病数量、多病共存患病模式和发展轨迹在内的多病共存测量方法相比，死亡风险预测性能略优，其中共病指数和带组合项的共病指数在风险预测能力上无显著差异。研究结果为探索适合中国老年人群的基于疾病诊断的风险分级方法提供了证据支持，新共病指数有助于提高老年人临床结局的预测能力，但综合考虑在大规模社区人群中推广的简便性和易理解，疾病数量亦可作为最简单方便使用的风险分级方法。