《Surgery》：Textbook Outcome as a Hospital Benchmarking Metric in Adult Cardiac Surgery
编辑推荐：
阿琼·维尔玛（Arjun Verma）| 杰弗里·巴利安（Jeffrey Balian）| 萨拉·萨科维茨（Sara Sakowitz）| 雅斯·萨奈哈（Yas Sanaiha）| 佩曼·本哈拉什（Peyman Benharash）
心血管结局研究实验室（CARDIOvascul
阿琼·维尔玛（Arjun Verma）| 杰弗里·巴利安（Jeffrey Balian）| 萨拉·萨科维茨（Sara Sakowitz）| 雅斯·萨奈哈（Yas Sanaiha）| 佩曼·本哈拉什（Peyman Benharash）
心血管结局研究实验室（CARDIOvascular Outcomes Research Laboratories，简称CORELAB），大卫·格芬医学院（David Geffen School of Medicine）心脏外科部门，加州大学洛杉矶分校（UCLA），美国洛杉矶
摘要
背景
教科书式结局（Textbook Outcome，简称TO），定义为出院时无并发症且无需长期住院，正逐渐成为衡量手术质量的一个重要指标。本研究利用国家数据库评估了TO在成人心脏外科手术医院基准评估中的实用性。
方法
从2016年至2022年的全国再住院数据库（Nationwide Readmissions Database）中筛选出所有接受冠状动脉旁路移植术和/或瓣膜手术的择期患者。TO定义为出院时没有发生心脏骤停、中风、长期监护、肾衰竭、败血症、肺栓塞、再次手术或住院时间超过14天的情况。使用Royston-Parmar模型分析TO与180天死亡率及非择期再住院之间的关联，并通过分层逻辑回归分析患者和医院的相关因素。将风险调整后的TO率处于最低十分位的医院认定为“低TO医院”。
结果
在963,775名患者中，86.0%达到了TO标准。长期住院（58.6%）是非TO的最常见原因。经过风险调整后，达到TO标准的患者的180天死亡率和非择期再住院率显著降低（HR 0.37，95% CI 0.33-0.41；HR 0.66，95% CI 0.65-0.68）。约8.5%的TO差异可归因于医院之间的差异。低TO医院的年手术量较低（中位数107例 vs 137例/年，p<0.001），且较少是教学医院（73.6% vs 79.9%，p=0.011）。
结论
本研究表明，TO能够有效反映择期心脏手术后患者的生存率和再住院情况的临床差异。各医院间的TO率存在显著差异，说明其作为医院质量评估指标的可行性。
引言
传统上，成人心脏外科手术的质量改进主要依据死亡率、并发症发生率和再住院率来评估外科医生和医院的绩效。[1] 近几十年来，通过严格使用这些指标进行基准评估，临床结果和资源利用得到了显著改善。[2,3] 从以患者为中心的角度来看，质量改进应朝着反映最佳手术结果的方向发展，而不仅仅是避免个别不良事件。[4]
教科书式结局（TO），定义为无死亡、无并发症且无需长期住院的情况，作为一种反映理想手术结果的质量指标，越来越受到重视。[5] 例如，Lin等人研究了2,700名接受胃癌切除术的患者，发现达到TO标准的患者5年生存率提高了两倍。[6] 此外，van Roessel等人的研究也表明，胰腺癌切除术后各医院的TO率存在显著差异，支持将TO作为质量改进的目标指标。[7] 我们之前的研究已经在心脏移植领域探讨了TO的意义；然而，其在成人心脏外科手术中的适用性尚未得到评估。[8]
因此，本研究利用全国范围内的择期心脏外科手术患者队列，分析了医院间TO率的差异，并探讨了与医院绩效相关的因素。同时，还研究了TO与180天死亡率及再住院率的关联。
章节摘录
研究队列
使用先前发布的《国际疾病分类第10次修订版》（ICD-10）手术代码，从2016年至2022年的全国再住院数据库（NRD）中筛选出所有接受冠状动脉旁路移植术（CABG）和/或瓣膜手术的成人住院记录。[9] NRD是一个规模最大的全支付方再住院数据库，采用经过验证的调查方法，能够准确估计美国约60%的住院情况。[10]
结果
共有963,775名患者符合研究标准，其中86.0%达到了TO标准。未能达到TO标准的最常见原因是长期住院（58.6%），其次是长期机械通气（28.5%）和院内死亡（13.4%，见图1）。在长期住院的患者中，仅有44.7%同时发生了不良临床事件。
达到TO标准的患者年龄更年轻（平均67岁[60-73岁] vs 70岁[62-76岁]，p<0.001），女性比例较低（27.8% vs 36.4%，p<0.001），并且
[21]; [22]; [23]; [21]; [22]; [23]
阿琼·维尔玛（Arjun Verma）：撰写原始稿、数据可视化、方法设计、正式分析、数据整理、概念构思。杰弗里·巴利安（Jeffrey Balian）：撰写原始稿、软件开发、方法设计、正式分析、数据整理。萨拉·萨科维茨（Sara Sakowitz）：审稿与编辑、数据可视化、验证、监督、软件开发、概念构思。雅斯·萨奈哈（Yas Sanaiha）：审稿与编辑、验证、监督、软件开发、方法设计、概念构思。佩曼·本哈拉什（Peyman Benharash）：审稿与编辑、验证。
