从电子记录中估算出的爽约率与实际未参加内镜检查的比率高度相关

《BMC Gastroenterology》：Estimated no-show rate from the electronic record strongly correlates with endoscopy no-show

　　

摘要

背景

对内镜检查程序的高需求导致了等待时间的延长和医疗资源的不充分，尤其是在安全网医疗系统中。患者未能按时就诊（包括爽约和延迟重新预约）进一步加剧了资源紧张，并推迟了诊断和治疗。Epic Systems 提供了一种专有的患者爽约风险模型，该模型已在初级保健环境中得到验证，但其在内镜检查预约中的预测效果尚未进行评估。

方法

本研究在 2023 年 1 月 1 日至 2024 年 8 月 1 日期间，对一家安全网医院中预约进行门诊内镜检查的成人患者进行了回顾性队列研究。研究对象为年龄≥18岁且电子病历（EMR）中至少有一次就诊记录的患者；住院手术和提前取消的预约（预约前超过 2 天）被排除在外。主要结果是评估患者是否按约就诊。研究提取了 Epic 预测的爽约风险、患者人口统计特征、手术类型以及患者门户的激活状态。通过决定系数（R2）和线性回归分析了预测与实际爽约率之间的关系。次要分析按患者门户激活情况对结果进行了分层。

结果

在 4,658 名独特患者中，中位年龄为 59 岁，52.2% 为男性，患者群体在种族和语言上具有多样性。总体而言，1,493 名患者（32.1%）未能按预约时间进行内镜检查。Epic 预测的爽约风险与实际爽约率之间存在强烈的线性相关性（R2 = 0.87）。观察到的爽约率遵循以下公式：爽约率 = 1.30 × (Epic 风险) + 0.16，表明基线爽约率为 16%。Epic 预测风险每增加一个百分点，实际爽约率相应增加 1.3 个百分点。未激活患者门户（MyChart）的患者在整个风险范围内爽约率大约高出 5 个百分点。

结论

Epic 的患者爽约风险模型与实际内镜检查出席情况之间存在强烈相关性，可能有助于预测性超额预订和有针对性的宣传，从而提高内镜检查部门的效率。鉴于该模型已集成到电子病历系统中，这一工具为运营干预提供了实用的框架，但需要在不同医疗系统中进一步验证其有效性。

背景

对内镜检查程序的高需求导致了等待时间的延长和医疗资源的不充分，尤其是在安全网医疗系统中。患者未能按时就诊（包括爽约和延迟重新预约）进一步加剧了资源紧张，并推迟了诊断和治疗。Epic Systems 提供了一种专有的患者爽约风险模型，该模型已在初级保健环境中得到验证，但其在内镜检查预约中的预测效果尚未进行评估。

方法

本研究在 2023 年 1 月 1 日至 2024 年 8 月 1 日期间，对一家安全网医院中预约进行门诊内镜检查的成人患者进行了回顾性队列研究。研究对象为年龄≥18岁且电子病历（EMR）中至少有一次就诊记录的患者；住院手术和提前取消的预约（预约前超过 2 天）被排除在外。主要结果是评估患者是否按约就诊。研究提取了 Epic 预测的爽约风险、患者人口统计特征、手术类型以及患者门户的激活状态。通过决定系数（R2）和线性回归分析了预测与实际爽约率之间的关系。次要分析按患者门户激活情况对结果进行了分层。

结果

在 4,658 名独特患者中，中位年龄为 59 岁，52.2% 为男性，患者群体在种族和语言上具有多样性。总体而言，1,493 名患者（32.1%）未能按预约时间进行内镜检查。Epic 预测的爽约风险与实际爽约率之间存在强烈的线性相关性（R2 = 0.87）。观察到的爽约率遵循以下公式：爽约率 = 1.30 × (Epic 风险) + 0.16，表明基线爽约率为 16%。Epic 预测风险每增加一个百分点，实际爽约率相应增加 1.3 个百分点。未激活患者门户（MyChart）的患者在整个风险范围内的爽约率大约高出 5 个百分点。

结论

Epic 的患者爽约风险模型与实际内镜检查出席情况之间存在强烈相关性，可能有助于预测性超额预订和有针对性的宣传，从而提高内镜检查部门的效率。鉴于该模型已集成到电子病历系统中，这一工具为运营干预提供了实用的框架，但需要在不同医疗系统中进一步验证其有效性。