简介:摘要目的评价双向转诊服务在冠心病患者转诊及救治中的应用效果。方法采用非随机对照研究,连续入选2021年1月至2022年1月新疆地区通过远程医疗服务模式下的绿色转诊通道(green referral channel,GRC)转诊至新疆医科大学第一附属医院接受救治的80例冠心病患者作为GRC转诊组;并采用倾向性评分匹配同期年龄、性别、所属地区、医保类型等基本情况相近且通过常规就诊渠道转诊至该院的冠心病患者110例作为常规转诊组。采用t检验、χ²检验及非参数检验比较两组患者的疾病严重程度、转诊时间、住院费用等指标的差异,并获得GRC转诊组的满意度情况。结果GRC转诊组心功能Ⅲ级(纽约心脏病协会心功能分级)、合并心力衰竭、合并心房颤动以及介入治疗的比例均显著大于常规转诊组(均P<0.05),转诊总时间、等床时间均显著低于常规转诊组[14.16(9.62,25.61)比34.39(28.51,49.68)h、2.13(0.83,6.64)比24.58(20.27,27.68)h](Z=8.465、9.172,均P<0.001),住院费用、手术治疗费及材料费均显著高于常规转诊组[24 755(11 559,56 521)比14 700(9 375,29 534)元、6 013(2 096,8 256)比2 562(2 044,6 154)元及12 093(1 267,35 689)比1 329(826,16 125)元](Z=2.814、2.917、3.353,均P<0.05),诊断费显著低于常规转诊组[4 878(3 628,6 847)比5 719(4 228,7 639)元](Z=2.323,P<0.05)。GRC转诊组患者对于转诊流程、就诊时间、就诊体验的满意率均超过90%。结论基于远程医疗的双向转诊服务在冠心病患者的转诊及救治中具有较好的应用效果。
简介:摘要目的建立新型冠状病毒肺炎(COVID-19)患者转归为重症的预测模型,为早期、动态地监测患者转归提供更加全面、准确、及时的指标。方法基于患者的入院检测指标和轻、重症分型,以及检测指标的动态改变(即入院后两次检测指标测量值差)等输入变量,使用XGBoost方法建立预测模型,评估患者在入院之后转归为重症的风险。然后将入选的患者从入院随访至出院,观察其病情转归情况,对模型预测结果进行验证。结果在100例COVID-19患者的训练集中,筛选出具有较高评分的预测变量并建立模型,计算出预测变量取值的高风险范围:血氧饱和度<94%、外周血白细胞计数>8.0×109个、SBP变化<-2.5 mmHg(1 mmHg=0.133 kPa)、心率>90次/min、有多发小斑片影、年龄>30岁、心率变化<12.5次/min。训练集的模型预测结果的敏感率为61.7%,漏诊率为38.3%;使用模型对测试集进行预测的敏感性为75.0%,漏诊率为25.0%。结论与传统的预测判断方法(即采用入院时第一次检测的指标和重症入选条件进行评估患者是否为轻、重症)相比,模型的预测考虑到了COVID-19患者的基线生理指标与病情变化指标,因此能够全面、准确地预测患者重症转归的风险,减少重症患者的漏诊率。