Bewertung der Effektivität des SPARRA-Scores

Das Gesundheitssystem im UK steht vor grossen Herausforderungen. Mehr Patienten, hohe Anforderungen an die Krankenhäuser und begrenzte Ressourcen setzen das System unter Druck. Die COVID-19-Pandemie hat diese Probleme, vor allem in der Primärversorgung, noch verschärft. Um diese Herausforderungen anzugehen, wird immer deutlicher, dass proaktive Schritte nötig sind, um Gesundheitsprobleme zu verhindern, bevor sie ernst werden. Ein wichtiger Fokus liegt auf Notaufnahmen, wo Patienten dringend Hilfe brauchen. Viele dieser Aufnahmen könnten mit der richtigen Pflege und Planung vermieden werden.

#Die Bedeutung der Vorhersage von Notaufnahmen

Da die Ressourcen in der Primärversorgung begrenzt sind, ist es wichtig, das, was da ist, klug zu nutzen. Vorhersagen zu können, wer ein Risiko für Notaufnahmen hat, kann den Gesundheitsdienstleistern helfen, ihre Bemühungen dort zu konzentrieren, wo sie am dringendsten gebraucht werden. Patienten zu identifizieren, die am meisten von frühzeitiger Intervention profitieren würden, kann die Gesundheitsergebnisse insgesamt verbessern und die Belastung der Krankenhäuser reduzieren.

#Der SPARRA-Score

Der Scottish Patients At Risk of Readmission and Admission (SPARRA) ist ein Tool, das in Schottland verwendet wird, um das Risiko eines Individuums einzuschätzen, im nächsten Jahr eine Notfallkrankenhausversorgung zu benötigen. Public Health Scotland berechnet diesen Score anhand von Daten aus den Gesundheitsakten im ganzen Land. Die erste Version von SPARRA wurde 2006 eingeführt, die neueste Version, SPARRAv3, wird seit 2012 verwendet. Eine neue Version, SPARRAv4, soll 2024 eingeführt werden. Die SPARRA-Scores helfen Ärzten, die passende Pflege für ihre Patienten zu planen und können auch verwendet werden, um zukünftige Krankenhausbedarfe auf breiterer Ebene abzuschätzen.

#Verständnis der SPARRA-Leistung in verschiedenen Gruppen

Wir wollten verstehen, wie der SPARRA-Score in verschiedenen Personengruppen funktioniert, zum Beispiel in städtischen versus ländlichen Gebieten und bei Menschen aus unterschiedlichen sozioökonomischen Hintergründen. Wir glauben, dass die Effektivität des Scores aufgrund von Unterschieden in Alter, Geschlecht und Zugang zu Gesundheitsdiensten variieren könnte. Wenn Ärzte sich auf SPARRA-Scores verlassen, ohne diese Unterschiede zu erkennen, könnten sie dieses wertvolle Tool meiden, was die gesundheitlichen Ungleichheiten in Schottland verschärfen könnte.

#Bewertung der SPARRA-Leistung

In unserer Studie haben wir uns genau angeschaut, wie gut SPARRA in verschiedenen Gruppen von Menschen funktioniert. Wir haben Daten aus verschiedenen demografischen Gruppen analysiert, einschliesslich Alter, Geschlecht, sozioökonomischem Status, Ethnie und ob die Personen in städtischen oder ländlichen Gebieten lebten. Unsere Ergebnisse sowie unsere Methoden sind online öffentlich zugänglich.

Unsere Hauptanalyse konzentrierte sich auf SPARRAv3, das seit 2012 weit verbreitet ist. Wir haben ein festes Datum in der Vergangenheit verwendet und verschiedene Gesundheitsakten gesammelt, um zu sehen, wie gut der SPARRA-Score Notaufnahmen vorhersagte. Wir schlossen langfristige Gesundheitszustände, Besuche in der Ambulanz und sogar Informationen über Rezepte ein.

#Gruppen definieren zur Bewertung von SPARRA

Wir haben Personen in verschiedene Gruppen auf der Grundlage ihrer demografischen Merkmale eingeteilt. Zum Beispiel verglichen wir Personen über 65 mit Personen unter 25 und schauten uns die am meisten und am wenigsten benachteiligten sozioökonomischen Gruppen an. Wir untersuchten auch Ethnie, städtisches versus ländliches Leben und ob die Personen auf dem Festland oder auf einer Insel lebten. Für jede Gruppe schlossen wir Fälle aus, in denen Daten fehlten, um die Analyse genau zu halten.

#Methoden zur Bewertung von SPARRA

Um zu bewerten, wie gut der SPARRA-Score funktionierte, verwendeten wir mehrere statistische Methoden, die in der Maschinenlern-Forschung üblich sind. Dazu gehörten Massnahmen, wie gut der Score zwischen denen, die eine Notfallversorgung benötigen, und denen, die es nicht tun, unterscheiden konnte, sowie wie genau der Score Ergebnisse vorhersagte.

Wir berechneten die Verteilung der Scores unter verschiedenen Gruppen und verglichen sie, um zu sehen, ob signifikante Unterschiede existierten. Wir schauten uns auch an, wie viele falsch-positive (wo der Score eine Person als höheres Risiko einschätzte, als sie tatsächlich hatte) und falsch-negative (wo der Score das Risiko unterschätzte) Fälle in jeder Gruppe auftraten.

#Wichtige Ergebnisse zur Verteilung des Scores

Unsere Ergebnisse zeigten Unterschiede in der Verteilung der SPARRA-Scores unter verschiedenen Gruppen. Ältere Personen hatten tendentiell höhere Scores im Vergleich zu jüngeren. Obwohl das Geschlecht ein Faktor bei der Berechnung des Scores war, zeigte es keine grossen Unterschiede in der Verteilung.

Interessanterweise hatten Menschen in den am meisten benachteiligten Gebieten höhere Scores, aber diese Unterschiede waren komplexer als sie auf den ersten Blick schienen. Dies deutet darauf hin, dass auch andere Faktoren, wie Alter und Zugang zu Gesundheitsdiensten, eine Rolle spielten.

#Untersuchung der prädiktiven Leistung

Wir bewerteten, wie genau der SPARRA-Score Menschen nach Risiko einstufte und wie gut er prognostizierte Ergebnisse mit tatsächlichen Ereignissen übereinstimmte. Während der SPARRA-Score im Allgemeinen gut kalibriert war, stellten wir fest, dass bestimmte Gruppen in Bezug auf die Vorhersagegenauigkeit besser abschnitten.

Ältere Personen schnitten beispielsweise besser ab als jüngere, wenn es darum ging, wer dringend Pflege benötigte. Wir fanden auch heraus, dass Personen aus verschiedenen ethnischen Hintergründen unterschiedliche Ebenen der prädiktiven Leistung hatten, was die Bedeutung des Berücksichtigens demografischer Faktoren bei der Anwendung des Scores unterstreicht.

#Falsch-negative und falsch-positive Ergebnisse

Unsere Analyse offenbarte deutliche Unterschiede in den Raten für falsch-positive und falsch-negative Ergebnisse in verschiedenen Gruppen. Im Allgemeinen hatten jüngere Menschen und Personen aus weniger benachteiligten Gebieten höhere Raten für falsch-positive Ergebnisse, was bedeutete, dass sie fälschlicherweise als weniger risikobehaftet identifiziert wurden, als sie tatsächlich waren. Im Gegensatz dazu hatten ältere Personen und Menschen aus städtischen Gebieten höhere Raten für falsch-negative Ergebnisse, was darauf hindeutet, dass diejenigen, die tatsächlich Pflege benötigten, möglicherweise nicht erkannt wurden.

Es ist besonders besorgniserregend, dass falsch-negative Ergebnisse bedeuten könnten, dass gefährdete Personen essentielle Pflege aufgrund der Unterschätzung ihrer Risiken verpassen könnten.

#Verständnis der Aufnahmetypen unter falsch-negativen Ergebnissen

Um besser zu verstehen, warum bestimmte Personen niedrige SPARRA-Scores hatten, aber trotzdem Notaufnahmen oder sogar Todesfälle erlitten, schauten wir uns die Arten von Aufnahmen unter diesen falsch-negativen Ergebnissen an. Bei vielen Gruppen waren häufige Aufnahmegründe externe Ursachen wie Unfälle oder Verletzungen, die möglicherweise nicht vorhersehbar sind.

Im Gegensatz dazu zeigten bestimmte Gesundheitszustände, wie Atemwegserkrankungen, eine niedrigere Häufigkeit bei denen, die von SPARRA als niedrig-riskant eingestuft wurden, was darauf hindeutet, dass das Tool Schwierigkeiten haben könnte, diese Zustände genau zu identifizieren.

#Fazit und Implikationen für die Praxis

Unsere Ergebnisse heben hervor, wie wichtig es ist, verschiedene demografische Faktoren zu berücksichtigen, wenn man den SPARRA-Score in der klinischen Praxis anwendet. Obwohl er im Allgemeinen gut kalibriert ist, zeigen die Unterschiede, die unsere Analyse offenbarte, dass Gesundheitsdienstleister sich bewusst sein sollten, wie der Score in verschiedenen Gruppen unterschiedlich funktionieren könnte.

Wir glauben, dass es entscheidend ist, den SPARRA-Score mit einem Verständnis seiner Einschränkungen und Stärken zu nutzen. Anstatt zu versuchen, den Score zu verändern, um Unterschiede zu beseitigen, könnte es sinnvoller sein, diese Unterschiede zu erkennen und sie in die Entscheidungsfindung einfliessen zu lassen. Letztendlich gewährt unsere Arbeit Einblicke in die Feinheiten der Nutzung prädiktiver Scores im Gesundheitswesen und betont die Notwendigkeit einer kontinuierlichen Evaluation und Verbesserung der Gesundheitsdienste, um Ungleichheiten wirksam zu begegnen.