机器人辅助的单髁膝关节置换术与住院时间延长的风险降低相关，并且在住院期间发生高费用入院的情况没有增加

《Archives of Orthopaedic and Trauma Surgery》：Robotic-assisted unicompartmental knee arthroplasty is associated with lower odds of prolonged hospitalization and no higher odds of high-charge admission during the index hospitalization

　　**摘要**

**背景**
机器人辅助的单间室膝关节置换术（RA-UKA）可能改善植入物的定位，但其对常规实践中的住院时间（LOS）、账单费用和早期住院结果的影响仍不明确。

**方法**
利用2016至2022年的全国住院样本（National Inpatient Sample, NIS），我们识别了因骨关节炎进行的主要内侧单间室膝关节置换术（UKA）病例。RA-UKA通过ICD-10-PCS机器人辅助下肢手术代码进行定义。主要研究结局包括住院时间延长（LOS≥第75百分位数，≥2天）、高费用入院（总住院费用[TOTCHG]≥第75百分位数，≥72,321美元）以及住院期间死亡率。我们使用未加权NIS出院样本进行了单变量比较，并通过调整人口统计学特征、支付方、入院类型、医院教学地位、共病情况以及日历年份（2016–2022年）进行了多变量逻辑回归分析。

**结果**
在7,154例UKA病例中，1,297例（18.1%）为RA-UKA，5,857例（81.9%）为C-UKA。两组的住院时间中位数均为1天（IQR 1–2天）；然而，RA-UKA组的住院时间延长情况较少（RA-UKA组412例/1,297 [30.7%] vs. C-UKA组2,162例/5,857 [37.2%]；P < 0.001）。在包括日历年份固定效应的调整分析中，RA-UKA与住院时间延长的风险降低相关（aOR 0.750，95% CI 0.647–0.870；P < 0.001），并且与高费用入院无关（TOTCHG ≥ 72,321美元；aOR 1.007，95% CI 0.855–1.186；P = 0.993）。住院期间死亡和其他住院并发症较为罕见。

**结论**
RA-UKA与住院时间延长（LOS≥2天）的风险降低相关，在住院期间并未增加高费用入院的风险。这些发现仅适用于首次住院情况。

**引言**
单间室膝关节置换术（UKA）是一种比全膝关节置换术（TKA）侵入性更小的手术选择，适用于单间室膝关节骨关节炎的治疗[1]。该手术保留了原始骨骼和十字韧带，与TKA相比，有助于更快康复并降低围手术期并发症[2, 3]。然而，在当前实践中，UKA仍然是较少采用的手术方式[4]。关于UKA的翻修风险和技术要求的担忧促使人们关注使用机器人辅助等技术来提高手术的可重复性和减少技术变异性[5, 6]。
在过去十年中，机器人辅助系统的引入是一项关键技术进步，旨在提高UKA的可重复性和准确性，从而潜在地减少故障模式。包括MAKO和NAVIO在内的机器人辅助UKA平台，相比手动方法，能够更好地定位假体并平衡软组织[7, 8]。初步的临床评估表明，RA-UKA可能改善放射学上的植入物对齐情况并减少定位异常[9, 10]。然而，这些技术优势是否能在常规实践中转化为更好的住院结果仍不确定[11, 12]。尽管有这些前景，但证明这些优势的可靠证据仍然不足。现有的关于RA-UKA的文献主要包括来自专业机构的小型单中心系列研究或队列研究[7, 8]，且报告的临床结果并不一致[13]。
相反，RA-UKA的实施涉及额外的机器人技术成本，并可能增加手术时间[14, 15]。虽然成本效益讨论经常强调长期翻修风险和功能结果[16]，但住院期间的终点指标（如LOS和账单费用）反映了围手术期的效率和资源使用情况，需要单独评估。值得注意的是，在NIS数据集中，总住院费用（TOTCHG）代表的是账单费用而非实际成本或报销金额。
本研究旨在通过利用全面的美国住院数据库，比较RA-UKA和C-UKA的住院结果，以填补这些证据空白。像NIS这样的国家级数据集对于评估罕见并发症和捕捉三级转诊中心之外的全国性使用模式非常有价值[17]。住院结果（如住院时间和账单费用）反映了围手术期的效率和资源使用情况，因此需要独立于长期翻修风险或患者报告的结果进行评估。由于LOS和费用反映的是不同的指标，我们预期LOS与住院时间延长的关联会更直接，而不是与账单费用的相关性，因为账单费用可能会受到技术相关因素的影响。我们假设RA-UKA与住院时间延长的风险降低以及住院期间高费用入院的风险相似，而不是更高。

**材料与方法**
**数据库来源**
这项回顾性分析使用了2016至2022年的全国住院样本（National Inpatient Sample, NIS），该数据由医疗成本和利用项目（Healthcare Cost and Utilization Project, HCUP）维护。自2012年起，NIS涵盖了大约20%的美国社区医院出院样本，并包含可用于生成全国估计值的出院权重[18]。数据包括患者人口统计信息、医院特征以及最多40个诊断和手术代码（ICD-10-CM/PCS）。使用这个去标识化的、公开可用的数据集无需机构审查委员会的监督。

** cohort识别与排除**
初始研究人群通过从2016至2022年的NIS中提取所有包含相关UKA手术代码的出院记录来确定。内侧UKA手术的识别依赖于特定的ICD-10-PCS代码，包括0SRC0L9、0SRC0LA、0SRC0LZ、0SRD0L9、0SRD0LA和0SRD0LZ[19]。如果记录中还包括指定机器人辅助下肢手术的代码（特别是8E0Y0CZ和8E0YXCZ[20]，则将住院手术归类为RA-UKA。所有缺乏这些特定机器人修饰符的UKA病例被定义为C-UKA。机器人辅助通过ICD-10手术代码进行识别；由于编码不准确，可能存在分类错误。
为了建立同质的研究组，我们纳入了因骨关节炎诊断而进行的主要内侧UKA手术。排除标准包括外侧间室UKA病例、翻修手术病例以及18岁以下的患者。为了保持数据完整性，我们还移除了年龄、性别、住院时间和总住院费用等关键字段信息不完整的记录。
应用这些标准后，最终的分析数据集包括7,154例UKA病例，来自最初的9,373例住院记录。其中1,297例（18.1%）为RA-UKA，5,857例（81.9%）为C-UKA。

**变量与结果**
收集的每个患者的数据包括人口统计信息（年龄、性别、种族[白人、黑人、西班牙裔、其他]）和主要保险支付方（Medicare、Medicaid、私人保险或其他）。医院级别的信息包括教学地位。我们从ICD-10诊断代码中确定了共病情况，包括：艾滋病/HIV、酒精滥用、慢性失血性贫血、凝血障碍、痴呆、高血压、自身免疫性疾病、缺铁性贫血、抑郁症、药物滥用、肥胖、瘫痪、外周血管疾病、体重减轻、血脂异常、阻塞性睡眠呼吸暂停、骨质疏松症、精神健康问题、帕金森病、2型糖尿病、慢性肺病和慢性肾病。入院类型也被划分为选择性或非选择性。
主要研究结局包括住院时间（LOS）、总住院费用（TOTCHG）、术后并发症的发生以及住院期间的死亡率。LOS以天为单位进行量化，医院费用数据直接来自NIS。总住院费用（TOTCHG）反映了账单费用，不代表实际成本或报销金额。住院时间延长定义为分析队列中LOS≥第75百分位数（≥2天）。高费用入院定义为TOTCHG≥第75百分位数（≥72,321美元）。费用以NIS报告的名义美元进行分析，未进行通胀调整；所有模型都包括了日历年份固定效应，以考虑长期趋势。我们选择第75百分位数来识别资源密集型使用情况，同时保持足够的事件计数以进行稳定的建模，考虑到LOS和医院费用的右偏分布。
评估的具体术后并发症包括急性肾损伤（AKI）、急性冠状动脉综合征、脑血管意外（中风）、肺炎、肺栓塞（PE）、深静脉血栓形成（DVT）、失血性贫血、急性心力衰竭和充血性心力衰竭。每种并发症以及住院期间死亡率都被评估为二元（是/否）结果。由于NIS是一个住院数据库，它不提供关于长期结果（如再住院或后续翻修手术）的信息。

**统计分析**
比较了RA-UKA组和C-UKA组的基线人口统计和临床特征。分类变量使用卡方检验进行分析，当预期细胞计数<5时使用Fisher精确检验。连续变量分布不规则，因此使用Wilcoxon秩和检验进行比较。这些单变量分析用于描述手术方法之间的粗略差异。双侧P值<0.05被认为具有统计显著性。
多变量逻辑回归是主要的调整方法。为每个结局构建了单独的模型，以手术技术（RA-UKA vs. C-UKA）作为主要暴露因素。回归模型调整了预先选定的临床相关协变量，包括年龄、性别、种族、主要支付方、入院类型（选择性 vs. 非选择性）、医院教学地位、表1中列出的共病情况以及日历年份固定效应（2016–2022年），以考虑研究期间的潜在长期趋势。
通过共线性诊断（容忍度和方差膨胀因子）评估了协变量之间的多重共线性，未发现显著的多重共线性（所有VIF<2）。由于模型的主要目的是协变量调整而非预测，因此没有强调模型区分度指标（例如C统计量）。在9,373例出院记录中，有314例（3.4%）的种族数据缺失，这些病例被排除在多变量分析之外（完整病例分析）。共病情况作为单独的协变量输入，而不是复合指数，以保持临床可解释性，并考虑到特定情况与LOS和住院结果之间可能的差异关联。
结果以调整后的比值比（aOR）和95%置信区间（CI）报告。对于极稀有的结局，传统的逻辑回归可能因分离而无法收敛；在这种情况下，调整后的估计值被认为是不可估计的，并以描述性方式解释，而不是作为等价的证据。由于事件计数太低，无法在这个行政数据集中支持稳定的协变量调整推断，因此没有进行惩罚（Firth）或精确逻辑回归，我们的主要推断集中在LOS和费用相关的终点上。所有分析都在未加权的出院级别样本上进行（未应用NIS抽样权重），因为我们的主要目的是在分析队列内估计调整后的关联，而不是生成全国性加权发病率估计。所有分析均使用SPSS（版本25；IBM Corp., Armonk, NY）进行。

**结果**
**患者队列和手术方法分布**
共有7,154例UKA手术被纳入分析。RA-UKA占所有病例的18.1%，而C-UKA占81.9%（表1）。两组患者的年龄相似（RA-UKA组66.0 [IQR 60.0–73.0] vs. C-UKA组66.0 [IQR 60.0–72.0]；P = 0.124），女性患者比例无显著差异（51.3% vs. 50.6%，P = 0.644）。在9,373例出院记录中，有314例（3.4%）的种族数据缺失；这些病例被排除在多变量分析之外。
两组之间的种族分布存在显著差异（P < 0.001）。接受RA-UKA的患者中白人比例较低（82.2% vs. 84.2%），黑人比例较低（4.8% vs. 5.6%），而西班牙裔患者比例较高（9.0% vs. 5.7%），与接受C-UKA的患者相比（表1）。主要预期支付方在RA-UKA组和C-UKA组之间相似（Medicare 42.2% vs. 42.0%，Medicaid 5.1% vs. 5.3%，私人保险46.9% vs. 47.2%，其他5.9% vs. 5.5%；总体P = 0.955）。两组中的大多数手术都是选择性的（94.7% vs. 94.6%，P = 0.875）。
关于医院特征，教学地位在两组之间存在显著差异：RA-UKA在教学医院中的比例为54.8%，而C-UKA为61.8%（P < 0.001），表明C-UKA更频繁地在教学机构中进行。这些差异可能反映了获取机器人技术的机会差异以及机构实践模式的差异。

**合并症**
总体而言，两组患者的合并症特征相似，只有少数具有统计学意义的差异（表1）。与C-UKA相比，RA-UKA组中缺铁性贫血（2.9% vs. 4.4%，P = 0.016）、凝血功能障碍（1.4% vs. 2.3%，P = 0.042）、精神障碍（25.1% vs. 28.7%，P = 0.009）和药物滥用（0.2% vs. 0.6%，P = 0.035）的发生率较低，而痴呆症的患病率略高（0.9% vs. 0.5%，P = 0.040）。所有其他评估的合并症在两组之间没有显著差异（所有P > 0.05）。

**表1** 接受UKA手术患者的基线人口统计学和临床特征

**主要结果：住院时间、总费用和院内死亡率**
两组的平均住院时间（LOS）均为1天（IQR 1–2天）。由于分析队列中LOS的第75百分位数为2天，因此住院时间较长（LOS ≥ 2天）的情况较少见，RA-UKA组为412例（1,297例中的30.7%），C-UKA组为2,162例（5,857例中的37.2%；P < 0.001）。两组的总费用（TOTCHG）中位数相似（RA-UKA：49,368美元 [IQR 36,186–71,616美元] vs. C-UKA：47,756美元 [IQR 34,495–70,394美元；P = 0.083）。

在包含年份固定效应（2016–2022年）的调整分析中，RA-UKA与住院时间较长的几率较低相关（aOR 0.750，95% CI 0.647–0.870；P < 0.001）。高费用入院（TOTCHG ≥ 72,321美元）在RA-UKA组中有323例（1,297例中的24.9%），而在C-UKA组中有1,467例（5,857例中的25.0%），调整后的分析显示RA-UKA与高费用入院无关（aOR 1.007，95% CI 0.855–1.186；P = 0.993）。院内死亡和其他住院并发症很少见。

**表2** UKA手术后的主要结果的单变量和多变量分析

**医疗并发症**
在单变量分析中，包括急性肾损伤（AKI）、中风、肺炎、充血性心力衰竭和急性心力衰竭在内的医疗并发症的发生率在RA-UKA组和C-UKA组之间没有显著差异（所有P > 0.05；表3）。手术方式与主要医疗并发症之间的调整关联在表3中总结。与C-UKA相比，RA-UKA与AKI（aOR 0.743，95% CI 0.389–1.419；P = 0.369）、充血性心力衰竭（aOR 1.287，95% CI 0.657–2.523；P = 0.462）或急性心力衰竭（aOR 1.244，95% CI 0.791–1.955；P = 0.344）没有显著关联。对于中风和肺炎，由于事件发生频率极低，逻辑回归模型未能收敛，因此无法估计调整后的aOR和95%置信区间。Score测试的P值分别为0.996（中风）和0.988（肺炎），表明在现有数据的限制下，RA-UKA组和C-UKA组之间没有统计学上的显著差异。与死亡率类似，这些发现主要反映了事件数量不足，而不是两种方法等效的证据。

**表3** UKA手术后的医疗并发症的单变量和多变量分析

**外科和血栓栓塞性并发症**
单变量比较显示，RA-UKA组和C-UKA组在肺栓塞（P = 0.593）、深静脉血栓形成（P = 0.999）或失血性贫血（P = 0.178）方面没有显著差异（表4）。

**表4** 表示血栓栓塞性事件和失血性贫血的调整后比值比。对于肺栓塞和深静脉血栓形成，由于事件计数极低，回归模型再次未能收敛，导致无法估计调整后的比值比和95%置信区间。Score测试的P值分别为0.983（肺栓塞）和0.993（深静脉血栓形成），因此无法证明RA-UKA组和C-UKA组之间在这些并发症上有显著差异。失血性贫血的发生频率高于其他分析的外科并发症，允许估计调整后的比值比。与C-UKA相比，RA-UKA组的失血性贫血的调整后比值比为1.222（95% CI 0.974–1.533；P = 0.083）。尽管点估计值超过1.0，但其置信区间包括1.0，且P值未达到常规的统计显著性水平，表明两种方法在失血性贫血的发病率上没有显著差异。

**讨论**
这项全国性的住院患者研究表明，在一个大型美国住院患者数据集中，RA-UKA占UKA手术的少数但仍然占相当大的比例。在我们的队列中，大约18%的手术是在机器人辅助下进行的，这一比例与其他研究的结果大致一致[2]。两组医院的教学地位不同，这表明在使用机器人辅助进行UKA手术方面存在机构间的实践模式差异。因此，评估RA-UKA对临床结果和账单费用的影响仍然是一个重要的优先事项。由于NIS中的总医院费用（TOTCHG）代表出院年份记录的名义美元费用，因此在2016–2022年研究期间应谨慎解读绝对费用值。虽然回归模型中包含了日历年份作为固定效应以部分解释长期趋势，但没有进行通胀调整至恒定美元。

鉴于观察性设计，这些发现表明的是关联而非因果关系；机构路径、出院实践和病例选择可能影响了观察到的住院时间模式。在这项全国性的住院分析中，RA-UKA与住院时间较长的几率较低（LOS ≥ 2天，对应第75百分位数）相关。这一发现可能反映了采用机器人的机构在术前路径、出院实践和患者选择方面的差异，而非机器人辅助对恢复的直接因果效应。我们的发现与先前的临床报告大致一致。例如，香港的一项全地域分析表明，Mako机器人辅助的UKA手术平均住院时间较短（2.9 ± 1.6天 vs. 3.6 ± 2.6天），而整个机器人辅助组的住院时间与传统UKA组相似，这表明绝对住院时间效应可能因平台和医疗系统而异[2]。文献中提出的潜在解释包括更可重复的骨骼准备和软组织处理，这可能有助于更早的康复；然而，这些机制假设在NIS中无法评估。相应地，多项研究报告称RA-UKA术后早期功能恢复更快[21, 22]。住院时间缩短可能与关节置换术的康复目标一致，尽管对患者报告的结果和更广泛的系统效率的影响需要进一步的前瞻性评估。

单变量和多变量分析均未显示RA-UKA组和C-UKA组在住院期间的早期医疗或血栓栓塞性并发症方面有显著差异。急性不良事件（包括静脉血栓栓塞、急性冠状动脉综合征、脑血管意外和肺炎）在两组中都很少见，由于事件发生率低，研究未能检测到显著差异。这种早期的安全状况与先前的文献一致，即UKA手术与TKA手术相比，围手术期发病率较低[10]。这些发现并不表明机器人辅助显著改变了住院期间的医疗不良事件情况。这种解释与先前的文献一致，即尽管机器人系统的技术精度有所提高，但尚未有明确的证据表明早期并发症减少[23]。因此，我们的数据支持这两种方法在短期住院安全方面的相似性。

由于NIS仅记录了住院期间，因此无法评估翻修风险、植入物存活率和患者报告的结果。尽管先前的临床研究表明机器人辅助可能改善组件定位并减少对齐异常，但一些研究报告了功能结果或翻修相关终点的差异[21]，但这些潜在的临床效益超出了住院行政数据的范围，不应从我们的发现中推断出来。因此，当前结果应解释为住院利用模式和围手术期护理路径，而不是长期比较效果。鉴于UKA手术的死亡率较低以及NIS的观察窗口较短，本研究观察到的极低住院死亡率并不令人意外。因此，关于可能的中间期或长期差异的问题需要通过专门的纵向随访来解答。

RA-UKA的经济影响仍有争议。在我们的研究中，RA-UKA与住院期间高费用入院的几率较高无关。重要的是，TOTCHG代表账单费用而非实际成本、报销金额或净财务影响；因此，我们的发现应解释为住院费用模式，而不是确定的成本效益。RA-UKA的更广泛经济价值可能取决于NIS未涵盖的长期结果，包括翻修相关事件、重新手术、康复利用和后续医疗使用。先前的研究报道了不同的短期经济结果，一些研究描述RA-UKA的围手术期费用或住院费用略高[24, 25]。相反，成本效益分析表明，在某些关于翻修负担、质量调整寿命和手术效率的假设下，RA-UKA可能具有长期的经济优势[23]。因此，我们的结果仅反映了住院期间的账单费用模式，并未解决RA-UKA的长期成本效益问题。

总体而言，RA-UKA与住院时间较长的几率较低相关，且住院期间高费用入院的几率也没有增加。早期住院并发症不常见，未检测到组间显著差异。这些发现可能反映了机构路径、出院实践和病例选择的综合影响，不应解释为机器人辅助的因果效应。未来需要包含纵向随访、外科医生和医院层面因素以及患者报告结果的研究，以更好地澄清长期比较效果和经济价值。

**局限性**
本研究有几个局限性。首先，其回顾性观察设计和依赖于行政编码，可能存在残余混杂和编码错误，包括对机器人辅助手术的潜在低估。此外，由于NIS无法完全描述所有住院患者的手术侧别和分期情况，因此无法完全排除无意中包含双侧或分期手术的情况。其次，NIS仅记录住院期间数据，不提供出院后的结果、翻修情况、患者报告的结果、植入物细节、外科医生手术量或特定手术的医院手术量。第三，一些住院并发症较为罕见，这限制了统计功效，导致某些结果的调整模型无法估计。第四，TOTCHG按NIS报告的名义美元进行分析，没有进行通胀调整，且未进行COVID前的敏感性分析；因此，尽管调整了日历年份固定效应，但仍可能存在时间异质性。第五，主要调整分析将LOS和TOTCHG分为第75百分位数，这可能比连续建模提供更少的信息，尽管选择这种方法是为了捕捉上尾利用情况，同时保持足够的事件数量以进行稳定回归。最后，分析是在未加权的出院级别样本上进行的，且缺少种族信息的病例被排除在多变量模型之外；因此，发现反映了分析队列内的关联，而非全国范围内的普遍情况。

**结论**
在这项全国性的住院患者队列中，RA-UKA与住院时间较长的几率较低相关，且住院期间高费用入院的几率也没有增加。早期住院并发症和死亡率不常见，未检测到组间显著差异。这些发现仅适用于住院期间，不应外推到长期结果。