2 北京大学第三医院临床流行病研究中心,100191
2 Research Center of Clinical Epidemiology, Peking University Third Hospital, Beijing 100191, China
随着社会的城市化和老龄化,急诊科就诊人数逐年增加,急诊科拥挤现象(emergency department overcrowding)日益加剧。急诊科拥挤现象的实质是不断增长的急诊需求与急诊医疗资源供需失衡。主要表现为急诊患者被延迟评估和处理;患者被迫在走廊等处接受治疗;当患者需要住院时,必须在急诊科长时间等候住院床位;部分患者不愿长时间等候医师或床位而自动出院等[1]。
急诊科拥挤现象可能引起一系列严重问题[2-4]:(1)医疗质量下降, 镇痛药、抗生素等用药时间被延迟,用药差错率增加,急性冠脉综合征等时间窗疾病治疗被延误;(2)病死率和心血管不良事件增加;(3)来诊患者利益受损:救护车被迫转向、患者未看医师离开急诊科的可能增加;(4)患者满意度下降;(5)突发公共卫生事件应急能力下降;(6)国家财政负担增加等。这也促使国内外的专家、学者们积极探索急诊科拥挤现象的缓解措施。
社区-医院双向转诊作为一种可以缓解急诊科拥挤的分流方式,我国已实施20年,但由于现阶段人财物等医疗资源的错配和顶层设计的不完善,使得我国的分级诊疗体系尚不完善,初级保健体系薄弱,患者大量涌入综合性医院急诊科,加剧急诊科拥挤。2017年是我国继续深化医疗体制改革的关键一年,2017年4月8日起,北京市全面实施了《医药分开综合改革实施方案》(简称医改)。本次改革是落实国务院深化医药卫生体制改革决策部署的重要举措,目的之一在于扎实推进分级诊疗制度。本研究正是为了探讨医改对北京市三甲医院急诊科拥挤现象的影响。
1 资料与方法 1.1 研究方法采用前瞻性研究的方法记录北京大学第三医院急诊科2017年03月19日至05月17日每天三个时间点(10:00、14:00、18:00)的国家急诊科拥挤度评分(National Emergency Department Overcrowding Scale, NEDOCS),三个时间点的平均值作为当日的NEDOCS评分。
NEDOCS评分能方便、快捷地确定繁忙的教学医院急诊科拥挤度状况[5]。NEDOCS还可作为急诊科拥挤预测指标和救护车转向标准。计算公式为:NEDOCS = (Pbed/Bt)×85.8 + (Padmit/Bh)×600 + Wtime×5.64 + Atime×0.93 + Rn×13.4-20。NEDOCS评分由两位住院医师收集该时刻的Pbed、Padmit、Wtime、Atime和Rn,并最终代入公式通过Excel计算得出。Pbed为急诊总在床患者数(包括急诊廊厅中平车和输液椅上治疗患者; 不包括候诊区患者);Bt为急诊治疗床位数(卫生行政部门批准的床位+输液椅数),北京大学第三医院急诊科治疗床位数为123张;Padmit为候床住院患者数(急诊留观患者数,不包括急诊综合病房患者数和临时输液椅患者数);Bh为医院床位数,北京大学第三医院总床位数为1 618张;Wtime为最后一个上急诊病床患者候床时间(从到达急诊到上急诊病床时间,h),因为在临床实际工作中我们发现Atime在绝大多数时间中均超过24 h,对该项指标我们用两种方法进行处理:当Atime≥24 h时该值设定为24;当Atime < 24 h时,以实际釆集的数据为准;Atime为等待住院最长时间;Rn为机械通气患者数。每日3个时间点NEDOCS评分的均值作为当日急诊科拥挤现象的评分。NEDOCS评分意义:0~20为“不忙”,20~60为“忙”,60~100为“特别忙但不拥挤”,100~140为“拥挤”,140~180为“严重拥挤”,180~200为“危险性拥挤”。
1.2 统计学方法应用SPSS 25.0进行统计学分析。计量资料先进行正态性检验,符合正态分布的计量资料以均数±标准差(Mean±SD)表示,组间两两比较采用LSD-t检验,不符合正态分布的计量资料以四分位数间距表示,组间两两比较采用Mann-Whitney U检验。以P < 0.05为差异具有统计学意义。
2 结果研究期间,北京大学第三医院急诊科就诊人数共计13 175例,医改前组、医改中组和医改后组分别是4 654例、4 210例和4 311例。根据2012年中华人民共和国国家卫生和计划生育委员会颁布的《医院急诊科规范化流程》[6]中的病情分级原则将急诊患者进行病情分级,13 175例患者中病情分级为1级和2级的危重症患者有370例,3级和4级的轻症患者有12 805例。
2.1 急诊拥挤度评分组间比较结果 2.1.1 医改前组和医改中组拥挤度评分的组间比较医改中组NEDOCS评分大于医改前组,差异有统计学意义(P < 0.05)。见表 1。
时间点 | 医改前组 | 医改中组 | U值 | P值 |
10点 | 322.67 (283.37,394.71) |
369.28 (344.41,447.15) |
||
14点 | 344.70±72.84 | 397.55±74.11 | ||
18点 | 334.75±95.77 | 363.99±83.04 | ||
均值 | 339.68 (290.81,391.03) |
401.69 (355.26,439.27) |
106.000 | 0.011 |
注:正态分布计量资料采用均数±标准差表示;非正态分布计量资料采用M(P25,P75)表示。 |
医改后组NEDOCS评分大于医改前组,但组间差异无统计学意义(P > 0.05)。见表 2。
时间点 | 医改前组 | 医改中组 | U值 | P值 |
10点 | 322.67 (283.37,394.71) |
378.07 (330.51,462.28) |
||
14点 | 344.70±72.84 | 379.12 (327.48,427.17) |
||
18点 | 334.75±95.77 | 355.43 (310.94,409.66) |
||
均值 | 339.68 (290.81,391.03) |
380.83 (349.17,399.63) |
131.000 | 0.063 |
注:正态分布计量资料采用均数±标准差表示;非正态分布计量资料采用M(P25,P75)表示。 |
医改中组Padmit和Rn的数量较医改前组增多,差异有统计学意义(P < 0.05)。见表 3。
指标 | 医改前组 | 医改中组 | t/U值 | P值 |
Pbed | 125.02±4.27 | 126.20±5.59 | -0.752 | 0.457 |
Padmit | 51.00 (48.75,55.92) |
54.17 (53.08,57.17) |
125.500 | 0.044 |
Wtime | 15.33 (6.75,24.67) |
16.17 (10.00,25.25) |
175.500 | 0.507 |
Rn | 10.72±1.95 | 13.53±3.33 | -3.269 | 0.002 |
注:正态分布计量资料采用均数±标准差表示;非正态分布计量资料采用M(P25,P75)表示。 |
医改中组Padmit和Rn的数量较医改前组增多,差异有统计学意义(P < 0.05)。见表 4。
指标 | 医改前组 | 医改中组 | t/U值 | P值 |
Pbed | 125.02±4.27 | 130.75±6.57 | -3.273 | 0.002 |
Padmit | 51.00 (48.75,55.92) |
52.83 (51.33,55.08) |
152.500 | 0.199 |
Wtime | 15.33 (6.75,24.67) |
16.50 (11.96,23.96) |
173.000 | 0.465 |
Rn | 10.72±1.95 | 12.23±1.19 | -2.975 | 0.005 |
注:正态分布计量资料采用均数±标准差表示;非正态分布计量资料采用M(P25,P75)表示。 |
急诊科拥挤现象已经成为制约急诊医学发展、影响医疗安全的一个难题, 越来越受到各国医学界及政府管理部门的重视, 国外对于急诊科拥挤现象的研究由来已久,我国从2011年开始逐渐关注急诊过度拥挤问题[7-8],随后协和医院徐腾达教授团队开展了系列用于定量评估急诊科拥挤现象的评分量表研究[9-11],但目前国内尚缺乏对于急诊科拥挤现象的系统研究,对于影响入口环节的政策性因素的研究更是罕见。
政策性因素作为急诊拥挤模型中入口环节的影响因素,其常常是政府调控医疗卫生系统的一种强力措施。为了更好地缓解急诊科拥挤现象,必须通过适当的分流措施,控制急诊就诊人数的快速增长。一些政策性措施包括:(1)推进分级诊疗:卫生行政部门、社会和医院需共同努力,做好宣传教育,提高普通百姓的认识,合理配置区域的卫生资源,采取适当措施来实现“小病在社区或小医院,大病在大医院”的院前分流措施。(2)完善院前急救和院内急诊的信息系统建设:院前急救系统应该适时掌握区域内医院床位资源等信息,医院急诊室能够在接收患者前获取患者的疾病信息。(3)加强预检分诊:提高服务的管理水平,有效地分流非急诊患者。
2017年4月8日开始实施《北京市医药分开综合改革》,医改之后,急诊的医事服务费较前的挂号费价格有所提升,同时社区卫生服务站作为初级医疗保健机构,医事服务费价格较低,理论上三甲医院急诊科的非急症患者应减少。但研究发现北京大学第三医院急诊科医改中组和医改后组的NEDOCS评分较医改前组均有所增加,但医改后组NEDOCS评分的增加差异无统计学意义,提示医改之后急诊科拥挤现象较前有所加重。进一步分析发现医改中组和医改后组的Rn数量较医改前组均明显增加,这是导致NEDOCS评分增加的直接原因。Rn为机械通气患者数,Rn的增加说明危重症患者的数量增加。
急诊危重症患者的增加是导致急诊拥堵的重要原因。危重症患者需要耗费更多人力、物力参与抢救和护理, 占用了大量急诊医疗资源,使得大多数非重症患者的等待时间更长;同时, 急诊危重症患者的增加使得急诊医护人员同一时段的工作强度增大,这将伴随医疗质量下降,最终因医疗资源的需求超过了供给,造成了急诊科拥挤。而急诊科能接收危重症患者的空间和人力资源有限,被迫启动救护车转向机制,也将导致危重症患者医疗风险进一步增加。2002年美国加利福尼亚一项9年的研究资料显示,全州范围内急诊科数量减少12%,各急诊科平均空间明显增加16%,平均每个急诊科就诊人数增加了27%,而危重症患者数量增加了59%[12]。危重症患者显著增加或许能解释急诊容量的增加仍不能满足患者对医疗资源的需求。
医改之后患者的就医行为应该有个逐渐适应的过程。遗憾的是,本研究虽然发现医改后组NEDOCS评分较医改前组的增加差异无统计学意义,提示医改对急诊科拥挤现象的影响可能存在后遗效应,但由于人力因素未能延长观察周期,医改对急诊科拥挤现象的最终影响有待开展更远期的研究加以证实。
美国、加拿大、英国和澳大利亚等国家的经验表明,急诊科拥挤问题受卫生政策性因素影响非常明显。如果初级医疗保健覆盖面增加或无保险患者合法纳入初级医疗保健,急诊就诊量将呈下降趋势;但从经济学角度(多数患者不知道他们实际的医疗费用、急诊科不限患者/不限时间服务带来的经济利益、对急症或非急症患者来说急诊收费项目无差别等因素)来预测,更多的可能是相反的结果——医疗保险覆盖面增加,将带来急诊医疗需求的增长[13]。美国的一项研究表明,有30.2%的急诊患者表示,如果要求在就诊的当时支付保险金额以外的费用,他们将拒绝来急诊就诊,虽然可能缓解急诊的拥挤现象,但同时可能影响急性胸痛、呼吸困难和急腹症等危重患者的及时救治[14]。因此,对于政策制定者,在卫生改革计划中要充分考虑各种不确定因素,分析其对急诊科拥挤度的潜在影响。
[1] | American College of Emergency Physician.Crowding[J]. 2006, 47(6): 585.DOI: 10.1016/j.annemergmed.2006.02.025. |
[2] | Hoot NR, Aronsky D. Systematic review of emergency department crowding:causes, effects, and solutions[J]. Ann Emerg Med, 2008, 52(2): 126-136. DOI:10.1016/j.annemergmed.2008.03.014 |
[3] | Olshaker JS. Managing emergency department overcrowding[J]. Emergency Medicine Clinics of North America, 2009, 27(4): 593. DOI:10.1016/j.emc.2009.07.004 |
[4] | Carter EJ, Pouch SM, Larson EL. The relationship between emergency department crowding and patient outcomes: a systematic review[J]. J Nurs Scholarsh, 2014, 46(2): 106-115. DOI:10.1111/jnu.12055 |
[5] | Weiss SJ, Derlet R, Arndahl J, et al. Estimating the degree of emergency department overcrowding in academic medical centers: results of the National ED Overcrowding Study (NEDOCS)[J]. Acad Emerg Med, 2004, 11(1): 38-50. |
[6] | 中华人民共和国卫生部.WS/T 390-2012医院急诊科规范化流程[S]. 2012. |
[7] | 张茂, 干建新. 重视急诊室的过度拥挤问题[J]. 中华急诊医学杂志, 2011, 20(10): 1014-1016. DOI:10.3760/cma.j.issn.1671-0282.2011.10.002 |
[8] | 徐腾达, 干建新. 急诊科拥挤缓解策略和Fast Track模式[J]. 中华急诊医学杂志, 2011, 20(10): 1019-1020. DOI:10.3760/cma.j.issn.1671-0282.2011.10.004 |
[9] | 视觉模拟评分法评估急诊科拥挤度研究[J].中华急诊医学杂志, 2016, 24(5): 512-517.DOI: 10.3760/cma.j.issn.1671-0282.2015.05.016. |
[10] | 徐腾达, 杜铁宽, 朱华栋, 等. 多维急诊科拥挤评分量表和国家急诊科拥挤度评分改良模型应用研究[J]. 中华急诊医学杂志, 2016, 25(6): 806-813. DOI:10.3760/cma.j.issn.1671-0282.2016.06.024 |
[11] | 多维急诊科拥挤评分量表编制[J].中华急诊医学杂志, 2016, 25(6): 814-819.DOI: 10.3760/cma.j.issn.1671-0282.2016.06.025. |
[12] | Lambe S, Washington DL, Fink A, et al. Trends in the use and capacity of California's emergency departments, 1990-1999[J]. Ann Emerg Med, 2002, 39(4): 389-396. DOI:10.1067/j.mem.2002.122433 |
[13] | Barish RA, Doherty RJ. The potential impact of health care reform on emergency department utilization[J]. J Emerg Med, 1995, 13(5): 675-678. DOI:10.1016/0736-4679(95)00078-O |
[14] | Baum Z, Simmons MR, Guardiola JH, et al. Potentialimpactof co-payment at point ofcareto influenceemergency departmentutilization[J]. PeerJ, 2016, 21(4): e1544. DOI:10.7717/peerj.1544 |