王 娜,胡秀萍,尚 偉,沈陳軍,閔芳芳,徐禮君,張婷婷

0 引言

隨著抗菌藥物的廣泛應用以及超級細菌的涌現(xiàn),抗菌藥物耐藥性(Antibiotic resistance,ABR)成為公共衛(wèi)生危機[1],其主要原因是過度或濫用抗菌藥物,導致某些疾病的治療步履維艱,病死率增加,經濟負擔增加[1-3]。因此,抗菌藥物科學化管理(Antimicrobial stewardship,AMS)勢在必行,各國均制定了遏制細菌耐藥行動計劃[4]。我國為管控抗菌藥物合理使用,將抗菌藥物使用強度(Antibiotics use density,AUD)納入“國考”指標[5]。數據的預測與分析在醫(yī)院管理中發(fā)揮重要作用[6]。抗菌藥物使用使用的管理在醫(yī)院服務提升中具有重要的作用。本研究收集2012年1月至2022年12月的抗菌藥物使用強度的數據,通過專家建模器篩選出簡單季節(jié)模型,并將基礎數據回代模型中比較預測效果,為醫(yī)院合理用藥管控提供決策性支持。

1 資料與方法

1.1 資料來源 采用美康臨床藥學管理系統(tǒng)(PASS PharmAssist),統(tǒng)計滁州市第一人民醫(yī)院2012年1月至2022年12月的抗菌藥物使用的月度數據,包括藥品名稱、規(guī)格、廠家、數量等?？咕幬锸褂脧姸?AUD)=住院患者抗菌藥物消耗量(累計DDDs)÷同期收治患者人天數×100,反映每100人每天消耗的抗菌藥物DDDs。

1.2 方法 以該院2012年1月至2019年12月、2012年1月至2022年4月的抗菌藥物使用強度為建模數據,采用SPSS 25.0統(tǒng)計軟件,選擇時間預測模塊中專家建模器,篩選最優(yōu)模型進行數據預測,再將基礎數據回代所建立的模型。采取相關措施后,采用配對t檢驗比較2020年及2022年5-12月的實際值和預測值。

1.3 統(tǒng)計學方法 采用Excel 2017軟件建立抗菌藥物使用強度的數據庫,采用SPSS 25.0軟件中的時間序列對數據進行統(tǒng)計分析。P<0.05為差異有統(tǒng)計學意義。

2 結果

2.1 各年度抗菌藥物使用強度 近11年,住院患者共計528 236例,其中使用抗菌藥物272 744例次。雖然近11年抗菌藥物使用率低于60%,但是抗菌藥物使用強度均超過“國考”規(guī)定[5]。由表1可見,2012-2022年該院抗菌藥物使用強度逐年降低。

表1 某院2012-2022年抗菌藥物使用強度情況

2.2 2012年1月至2019年12月抗菌藥物使用強度情況

2.2.1 2012年1月至2019年12月抗菌藥物使用強度時間趨勢 根據醫(yī)院2012年1月至2019年12月累計96個月抗菌藥物使用強度數據繪制時間序列圖,可見抗菌藥物使用強度每年都有高峰月份,大約集中在10月份至次年2月,具有明顯的季節(jié)性。見圖1。

圖1 某院2012年1月至2019年12月抗菌藥物使用強度時間趨勢圖

2.2.2 簡單季節(jié)模型的構建 采用時間序列預測模塊專家建模器,將抗菌藥物使用強度作為因變量,自動篩選最優(yōu)模型,結果篩選出模型為簡單季節(jié)模型。該模型的評價指標顯示平穩(wěn)R2、RMSE、MAPE、MAE及正態(tài)化BIC分別為0.648、5.369、7.968、3.902、3.457。模型殘差序列的Ljung-Box統(tǒng)計量(Q=17.410,P=0.360)差異無統(tǒng)計學意義,提示為白噪聲序列,具有平穩(wěn)性,見圖2。

圖2 某院2012年1月至2019年12月抗菌藥物使用強度簡單季節(jié)型模型的殘差序列相關系數圖

此外,該模型的MAPE<20%,預測準確性較高[7]。將2012年1月至2019年12月的抗菌藥物使用強度數據回代到該模型中,結果顯示,90個月(除了2013年12月、2014年1月、2016年1-3月、2016年12月,共6個月)的抗菌藥物使用強度的實測值均在95%置信區(qū)間之內,可見模擬效果良好,見圖3。

圖3 某院2012年1月至2019年12月抗菌藥物使用強度

2.2.3 模型外推預測 利用該模型對2020年1-12月的抗菌藥物使用強度進行預測,并與實際抗菌藥物使用強度比較,結果顯示,除了2020年3月,其他月份實際值均在預測值的95%置信區(qū)間內,相對誤差最大為2020年3月,為28.27%,相對誤差最小為2020年1月,為0.59%,見表2。對實際值和預測值進行配對設計t檢驗(t=-6.798,P<0.001),差異有統(tǒng)計學意義,可認為干預后抗菌藥物使用強度低于預測值,干預有效果。

表2 某院2020年1-12月抗菌藥物使用強度簡單季節(jié)型模型的實際值與預測值比較

2.3 2012年1月至2022年4月抗菌藥物使用強度情況

2.3.1 2012年1月至2022年4月抗菌藥物使用強度時間趨勢 為了解2022年4月以后抗菌藥物使用強度趨勢走向,采用2012年1月至2022年4月累計124個月數據繪制時間序列圖,其特點與第1次時間序列圖類似,見圖4。

圖4 某院2012年1月至2022年4月抗菌藥物使用

2.3.2 簡單季節(jié)模型的構建 再次利用時間序列中專家建模器,篩選出最優(yōu)模型為簡單季節(jié)模型,該模型的評價指標分別為平穩(wěn)R20.599、RMSE 5.153、MAPE 7.619、MAE 3.655、正態(tài)化BIC 3.357。模型殘差序列的 Ljung-Box統(tǒng)計量(Q=19.388,P=0.249)無統(tǒng)計學意義,提示為白噪聲序列,具有平穩(wěn)性,見圖5。該模型的MAPE 7.619%(<20%),預測精確性較高[7]。將2012年1月至2022年4月的抗菌藥物使用強度數據回代到該模型中,結果顯示,117個月(除了2012年12月、2013年12月、2014年1月、2016年1-3月、2016年12月,共7個月)的抗菌藥物使用強度的實測值均在95%置信區(qū)間之內,可見模擬效果良好,見圖6。

圖5 某院2012年1月至2022年4月抗菌藥物使用強度

圖6 某院2012年1月至2022年4月簡單季節(jié)型的模型

2.3.3 模型外推預測 采用該模型對2022年5-12月的抗菌藥物使用強度進行預測,并與實際抗菌藥物使用強度比較,結果顯示,所有月份實際值均在預測值的95%置信區(qū)間內,相對誤差最大為43.26%(2022年11月),相對誤差最小為0.07%(2022年5月),見表3。對實際值和預測值進行配對設計t檢驗(t=-3.237,P<0.05),差異有統(tǒng)計學意義,可認為干預后抗菌藥物使用強度低于預測值,干預效果顯著。

表3 某院2022年5-12月簡單季節(jié)型模型對抗菌藥物使用強度的實際值與預測值比較

2.4 干預措施前后抗菌藥物使用強度變化 干預后第1階段的抗菌藥物使用強度低于干預前(P<0.05),干預后第2階段的抗菌藥物使用強度低于干預后第1階段(P<0.05)。見表4。

表4 某院干預前后抗菌藥物使用強度比較

3 討論

3.1 抗菌藥物使用強度較高的原因 ①外科圍手術期無指征預防性使用抗菌藥物、停用不及時等;②在抗感染治療過程中,抗菌藥物劑量未個體化、過度聯(lián)合、停藥不及時等;③信息系統(tǒng)不夠完善,送檢意識不高;④處方審核系統(tǒng)不夠全面;⑤臨床忽視點評結果;⑥藥師自身技能不足;⑦臨床耐藥率上升,導致抗菌藥物增大劑量或頻次、聯(lián)合使用,致抗菌藥物使用強度居高不下。

3.2 抗菌藥物使用強度較高的處理措施 采用時間序列預測2020年度抗菌藥物使用強度,發(fā)現(xiàn)其呈上升趨勢,遠高于“國考”目標范圍,我院于2020年開始采取干預措施:①與各科室簽訂目標責任書;②核定各科室抗菌藥物使用強度;③納入績效考核(全院公布抗菌藥物使用強度,且每季度以感控簡訊形式全院公布);④加強住院抗菌藥物點評;⑤信息化干預(開具抗菌藥物前必須勾選用途是預防還是治療,是否送檢,使用抗菌藥物前7 d無送檢信息,彈窗提醒);⑥開展全院培訓,定期宣講,提高抗菌藥物合理用藥認識。

第1階段雖然強度降低,但是未達到目標,2022年5月再次應用2012年1月至2022年4月數據進行預測,發(fā)現(xiàn)仍高于目標值,采用如下措施:①再次核定各科室的抗菌藥物使用強度;②強度高于核定值或抗菌藥物點評結果不合理的科室,扣除相應科室或個人的績效;③提高抗菌藥物送檢率;④臨床藥師入外科如骨科、耳鼻喉科等監(jiān)管用藥情況;⑤在審方軟件中將抗菌藥物規(guī)則細化[8]。

需要注意的是,降低抗菌藥物使用強度手段不宜“粗暴”、“一刀切”[9]。除了上述干預手段外,還可以包括如下措施:①目前,抗菌藥物使用強度計算的方法不夠科學,其僅考慮消耗量,未考慮合理性,抗菌藥物使用強度目標設定及考核方法可參考吳廣杰等[10]的研究,其在抗菌藥物合理性基礎上設定,使用設定的方法后,醫(yī)院抗菌藥物使用強度最高降幅達到14.93%。②引入病例組合指數(Case mix index,CMI)調控抗菌藥物使用強度。在國考中,國家利用CMI對抗菌藥物使用強度進行了校正[11],校正后的抗菌藥物使用強度=實際抗菌藥物使用強度/CMI值。CMI越高,校正后的抗菌藥物使用強度越低,其中CMI反映收治疾病難度系數。醫(yī)院管控抗菌藥物使用強度可通過引入CMI進行動態(tài)分區(qū)監(jiān)管,利于精準施策、靶向發(fā)力[12]。由于CMI與學科科技量呈正相關[13],使校正后的抗菌藥物使用強度值具有公正性、科學性,醫(yī)院可通過引進人才、開展新技術等措施,提高醫(yī)療水平和科研能力,拉緊CMI的共同紐帶。

3.3 模型的適用性及推廣性 時間序列在各領域廣泛應用,但其局限于預測短期未來值的變化趨勢[14-16]。采用SPSS軟件中時間序列預測模塊中的專家建模器,自動篩選出最優(yōu)模型,應用最優(yōu)模型進行預測。本研究中專家建模器自動篩選出的最優(yōu)模型系簡單季節(jié)模型,2次預測模型的殘差序列Ljung-Box統(tǒng)計量均無統(tǒng)計學意義,MAPE均<8%,提示擬合良好。采用簡單季節(jié)模型預測抗菌藥物使用強度呈上升趨勢,采取措施后有所降低,并且干預前后抗菌藥物使用強度差異有統(tǒng)計學意義。

由于時間序列考察數據本身隨時間變化的相關性,未考慮外在因素。如:①政策的干預;②公共衛(wèi)生事件;③抗菌藥物集采。集采的目的是降低患者的經濟負擔。但是,集采的抗菌藥物均是仿制藥,而非原研藥,醫(yī)生考慮療效,從而增加劑量,或是換用更高級的抗菌藥物,或是醫(yī)院為完成約定的采購量,采用相關管理手段將抗菌藥物分攤至科室,導致抗菌藥物濫用風險增加[17]。此外,患者因為擔心仿制藥療效,主動要求換用原研藥。本研究中的抗菌藥物使用強度基于既往數據,影響因素較為復雜,在后續(xù)工作中可嘗試將上述影響因素納入預測模型,采用回歸模型或組合模型進行預測[18]。

基于數據的動態(tài)性,模型數據需要不斷更新,才能擬合出最優(yōu)的模型,預測值與實際值更加貼近[19]。本研究采用時間序列預測抗菌藥物使用強度和趨勢走向,具有可推廣性。相關機構可結合實際情況,摸索適合自己醫(yī)院的模型進行預測[20]。即使是同一醫(yī)院,不同的數據得到的模型也不盡相同(本研究中抗菌藥物使用率模型是Holt-Winters加法模型)。

3.4 臨床藥師優(yōu)化抗菌藥物使用 臨床藥師可從以下方面優(yōu)化抗菌藥物使用:病區(qū)醫(yī)囑審核;參與查房(共同討論、制定抗菌藥物使用方案);抗菌藥物點評(圍手術期、特殊級、抗菌藥物增量異常品種點評);參與抗感染臨床路徑制定;院內培訓宣教;院外科普宣教;基于數據信息化,多角度、多層次挖掘并分析預測臨床數據,如細菌耐藥率變遷等。

3.5 抗菌藥物精細化管理 抗菌藥物濫用不僅增加了耐藥菌、患者的經濟負擔,還有可能導致醫(yī)保拒付,給醫(yī)院造成經濟損失[21-22]。藥事精細化管理是醫(yī)院精細化管理之一,不僅可以保證用藥的合理性,控制醫(yī)院成本;還能保障患者的用藥安全、提高患者滿意度。合理用藥的精細化管理是一個持續(xù)性干預的動態(tài)過程[9,23-24]。本文采用簡單季節(jié)模型預測抗菌藥物使用強度,有利于推進醫(yī)院抗菌藥物精細化管理,降低耐藥率及藥占比、減輕患者醫(yī)療負擔、節(jié)約醫(yī)療費用及醫(yī)?；稹ｎA測模型的使用可以為精細化合理用藥管控提供決策支持,提高合理用藥水平,優(yōu)化醫(yī)療資源配置,降低醫(yī)保拒付風險,促進醫(yī)院可持續(xù)發(fā)展,提高綜合競爭力[21]。