Vorhersage der Patientenergebnisse bei Entlassung nach einem Schlaganfall

Jedes Jahr haben weltweit etwa 15 Millionen Menschen einen Schlaganfall. Diese ernste Erkrankung führt zu etwa fünf Millionen Todesfällen und weiteren fünf Millionen Menschen, die mit Schlaganfall-bedingten Behinderungen leben. Rehabilitationsdienste sind super wichtig, um Schlaganfallpatienten bei der Genesung und der Rückkehr zur Selbstständigkeit zu helfen.

Bevor Schlaganfallpatienten aus dem Krankenhaus entlassen werden, sollten sie eine formelle Beurteilung durchlaufen, um ihre alltäglichen Aktivitäten, Kommunikationsfähigkeiten und Bewegungsfähigkeit zu überprüfen. Die Ergebnisse dieser Beurteilungen müssen genutzt werden, um die Pflege und den Entlassungsprozess zu planen. Bei der Entscheidung, wo ein Patient nach seinem Aufenthalt hingehen wird, berücksichtigen die Ärzte, wie gut er sich wahrscheinlich erholen wird, als einen wichtigen Faktor. Das bedeutet, dass die Vorhersage des Zustands eines Patienten zum Zeitpunkt der Entlassung basierend auf seiner anfänglichen Beurteilung sehr helfen kann, personalisierte Rehabilitationspläne zu erstellen.

#Vorhersagewerkzeuge

Neueste Berichte haben gezeigt, dass verschiedene Werkzeuge entwickelt wurden, um unterschiedliche Ergebnisse für Schlaganfallpatienten vorherzusagen, einschliesslich ihrer Unabhängigkeit, der Fähigkeit, ihre Arme zu benutzen, zu gehen und zu schlucken. Viele frühere Studien haben sich jedoch darauf konzentriert, nur ein Ergebnis gleichzeitig vorherzusagen. In einer klinischen Umgebung ist es wichtig, den Gesamtzustand eines Patienten vorherzusagen, der mehrere Ergebnisse bei der Entlassung umfassen sollte, nicht nur eines. Zum Beispiel könnte ein Patient in der Lage sein, unabhängig zu gehen, benötigt aber trotzdem Hilfe bei Kommunikations- oder Denkfähigkeiten. Leider haben frühere Studien kein umfassendes Modell zur Vorhersage dieser Gesamteigenschaften von Patienten bereitgestellt. Daher besteht Bedarf an einem neuen Vorhersagemodell, das die Gesamtsituation von Schlaganfallpatienten bei der Entlassung aus dem Krankenhaus bewerten kann.

#Verwendung der latenten Klassenanalyse

Um diese Probleme anzugehen, haben wir eine Methode namens Latente Klassenanalyse (LCA) verwendet. Diese Methode hilft dabei, Patienten in verschiedene Gruppen basierend auf Eigenschaften zu sortieren, die schwer direkt zu messen sind. LCA ist nützlich, wenn die Unterschiede zwischen den Patienten durch verschiedene zugrunde liegende Faktoren beeinflusst werden. Mit dieser Analyse können wir Klassen von Gesamteigenschaften der Patienten identifizieren, wie zum Beispiel, wo sie nach der Entlassung hingehen, wie gut sie sich bewegen können und wie lange sie im Krankenhaus waren. Dann können wir ein Modell erstellen, um vorherzusagen, zu welcher Klasse ein Patient basierend auf seiner anfänglichen Beurteilung gehört.

#Hintergrund der Studie

Unsere Studie hat Daten von der Japan Association of Rehabilitation Database untersucht. Wir haben Informationen von Patienten gesammelt, die zwischen Januar 2005 und März 2016 in Krankenhäuser aufgenommen wurden. Da alle Daten anonymisiert waren, mussten wir keine individuelle Zustimmung einholen. Die Forschung wurde von der Ethikkommission der Kanagawa University of Human Services genehmigt.

Wir haben Informationen über Patienten mit Schlaganfällen gesammelt, einschliesslich ihres Alters, der Art des Schlaganfalls, wie schwer ihre Erkrankung war und welche Art und Dauer der Rehabilitation sie während ihres Aufenthalts erhalten haben. Insgesamt wurden 33.657 Patientendaten im Jahr 2016 aus 80 Krankenhäusern gesammelt. Insbesondere konzentrierten wir uns auf Daten von 10.270 Schlaganfallpatienten, die in Akutkrankenhäuser aufgenommen wurden.

#Einschluss- und Ausschlusskriterien

Um in diese Studie einbezogen zu werden, mussten Patienten bestimmte Kriterien erfüllen:

1. Sie mussten einen akuten Schlaganfall gehabt haben und zwischen 2005 und 2015 in eines der Krankenhäuser in der Datenbank aufgenommen worden sein.
2. Sie mussten mindestens 18 Jahre alt sein.
3. Sie mussten während ihres Krankenhausaufenthalts irgendeine Form von Rehabilitation erhalten haben.

Patienten mit den folgenden Bedingungen wurden ausgeschlossen:

1. Die ohne Altersdaten bei der Aufnahme.
2. Die ohne Informationen über ihr Entlassungsziel.
3. Die jünger als 18 Jahre.
4. Patienten, die während ihres Aufenthalts keine Rehabilitation erhalten haben.
5. Personen, die mehr als sieben Tage nach ihrem Schlaganfall aufgenommen wurden.
6. Patienten, die mehr als neun Einheiten (oder 180 Minuten) Rehabilitation pro Tag erhalten haben.
7. Personen, die weniger als einen Tag oder mehr als 179 Tage im Krankenhaus waren.
8. Patienten, die Daten zu spezifischen Beurteilungen bei der Aufnahme oder Entlassung vermissten.
9. Patienten, die Daten zu allen FIM-Elementen sowohl bei der Aufnahme als auch bei der Entlassung vermissten.

#Ergebnisvariablen bei der Entlassung

Nach der Überprüfung früherer Studien wählten wir spezifische Ergebnisvariablen aus, die bei der Entlassung mittels LCA bewertet werden sollten. Dazu gehörten:

• Funktionale Fähigkeiten (alltägliche Aktivitäten)
• Kognitive Funktionen (Denken und Verstehen)
• Funktion der oberen Extremitäten (Fähigkeit, die Arme zu benutzen)
• Aufenthaltsdauer im Krankenhaus
• Entlassungsziel (wo der Patient nach der Entlassung hingeht)

Das Functional Independence Measure (FIM) wurde verwendet, um die funktionalen Fähigkeiten bei der Entlassung zu bewerten, das umfasst 18 Elemente, die zeigen, wie viel Hilfe eine Person benötigt, um alltägliche Aktivitäten auszuführen.

Kognitive Funktionen wurden ebenfalls unter Verwendung der kognitiven Unterskala des FIM bewertet, wobei der Fokus auf Verständnis, Ausdruck und sozialer Interaktion lag. Diese Faktoren sind entscheidend, da Schwierigkeiten beim Verstehen oder Kommunizieren die Genesung eines Patienten erheblich beeinträchtigen können.

Die Funktion der oberen Extremitäten wurde anhand von Punkten der National Institutes of Health Stroke Scale (NIHSS) gemessen, die die Schwere des Zustands eines Patienten bewertet. Die Aufenthaltsdauer variierte je nach Schwere des Schlaganfalls und den Bedürfnissen des Patienten. Die Entlassungsziele wurden definiert als Zuhause, andere Krankenhäuser, Rehabilitationseinrichtungen, Tod oder andere Ergebnisse.

#Prädiktorvariablen

Die Studie berücksichtigte auch bestimmte Prädiktorvariablen, die die Ergebnisse der Patienten bei der Entlassung beeinflussen könnten. Dazu gehörten:

• Alter
• Funktionale Fähigkeiten
• Verständniskompetenzen
• Funktion der oberen Extremitäten
• Art des Schlaganfalls
• Menge an Rehabilitation, die während des Krankenhausaufenthalts erhalten wurde

Frühere Studien deuteten darauf hin, dass bessere anfängliche funktionale Fähigkeiten und ein niedrigeres Alter die Chancen erhöhten, nach Hause entlassen zu werden. Wir berücksichtigten mehrere Faktoren aus früheren Forschungen, um unser Vorhersagemodell so genau wie möglich zu gestalten.

#Statistische Analysen

Um das Vorhersagemodell mithilfe von LCA zu entwickeln, folgten wir einem zweistufigen Verfahren. In der ersten Phase führten wir LCA mit unseren ausgewählten Ergebnisvariablen durch, um die Patientenbedingungen bei der Entlassung zu identifizieren. Das beste Modell wurde basierend auf bestimmten Kriterien ausgewählt, um sicherzustellen, dass es am effektivsten war.

In der zweiten Phase sagten wir die Zugehörigkeit zu den Klassen der Patienten bei der Entlassung unter Verwendung der im ersten Schritt ausgewählten Prädiktoren voraus. Wir haben auch fehlende Daten während der Analyse berücksichtigt.

#Patientenmerkmale

Nach Anwendung unserer Kriterien schlossen wir 6.881 Patienten in die Studie ein. Das durchschnittliche Alter der Patienten bei der Aufnahme betrug 73,7 Jahre, und die durchschnittliche Aufenthaltsdauer lag bei 29,5 Tagen. Insgesamt gab es Verbesserungen bei den funktionalen Werten von der Aufnahme bis zur Entlassung.

#Latente Klassen der Patientenmerkmale bei der Entlassung

Mithilfe von LCA klassifizierten wir die 6.881 Patienten in verschiedene Klassen basierend auf ihren Entlassungsergebnissen. Wir untersuchten Modelle mit 1 bis 12 Klassen, um die beste Passform zu finden. Die Studie ergab, dass das Neun-Klassen-Modell am verständlichsten und klinisch relevant war.

Jede Klasse spiegelte unterschiedliche Bedingungen der Patienten bei der Entlassung wider, wobei Klasse 1 die mildesten Zustände darstellt und Klasse 2 die schwersten Zustände anzeigt.

#Prädiktoren der Klassenzugehörigkeit

Alle Prädiktoren waren signifikant bei der Vorhersage der Ergebnisse bei der Entlassung. Die höchsten Chancen, bestimmten Klassen anzugehören, waren mit den Punkten der Funktion der oberen Extremitäten verbunden, die bei der Aufnahme gemessen wurden. Die Menge an täglicher Rehabilitation hatte je nach Patientenbedingung unterschiedliche Auswirkungen.

#Modellanwendung

Unser Vorhersagemodell identifizierte erfolgreich die Gesamteigenschaften von Akut-Schlaganfallpatienten bei der Entlassung. Es kann Gesundheitsdienstleistern helfen, die passendsten Interventionen für jeden Einzelnen anzubieten.

Wenn beispielsweise ein Patient 85 Jahre alt ist, eine schwerwiegende Behinderung auf einer Körperseite hat und eine bestimmte Menge Rehabilitation erhält, kann das Modell vorhersagen, dass dieser Patient mit alltäglichen Aktivitäten und Kommunikation bei der Entlassung wahrscheinlich Unterstützung benötigt.

#Fazit

Zusammenfassend hat unsere Studie ein Modell entwickelt, um die Gesamteigenschaften der Patienten bei der Entlassung vorherzusagen, mit dem Fokus auf der angemessenen Intensität der Rehabilitation bei Schlaganfallpatienten. Weitere Validierungen dieses Vorhersagemodells sind jedoch entscheidend, bevor es in klinischen Einrichtungen verwendet werden kann. Zukünftige Forschungen könnten das Verständnis verbessern, wie verschiedene Faktoren die Rehabilitationsergebnisse basierend auf den individuellen Eigenschaften der Patienten beeinflussen.