dxy logo
首页丁香园病例库全部版块
搜索
登录

【文献解读】总血红蛋白测定可减少住院心脏手术患者的红细胞输注:一项回顾性数据分析

发布于 04-21 · 浏览 1026 · IP 上海上海
img

文献原文:Measurement of total hemoglobin reduces

red cell transfusion in hospitalized patients undergoing cardiac surgery: a retrospective database analysis

第一作者:Christopher Craver

发表期刊:Perfusion,DOI: 10.1177/0267659117723698

>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>

摘要

引言:从历史角度来看,围手术期血红蛋白监测一直依赖于通过测量血浆红细胞压积(Hct)的血气设备计算得出的饱和度。而通过测量总血红蛋白(tHb)的脉搏血氧饱和度测定法能更全面地评估血液稀释情况。本研究旨在探讨通过血红蛋白及其衍生物测定法测量 tHb 与 Hct、使用电导法测定红细胞(RBC)输注量、住院时间(LOS)以及住院费用之间的关联,研究对象为接受重大心脏手术的患者。

方法:本研究采用回顾性分析方法,对 2014 年 1 月至 2016 年 6 月期间接受冠状动脉旁路移植术(CABG)和/或瓣膜置换术(VR)的患者进行了研究,数据来源于 MedAssets 出院资料。通过详细的账单记录和现行操作术语编码,将患者群体按测量方式(血红蛋白总量和红细胞压积)进行细分。利用医院特定的成本与收费比率计算成本。采用多变量逻辑回归分析来确定红细胞输注和资源利用的重要驱动因素。

结果:研究对象包括 18169 名心血管手术患者。血细胞比容(Hct)监测的患者占总人数的 66%,且这类患者接受双支冠状动脉旁路移植术(CABG)和瓣膜置换术(VR)的比例更高(10.4% 对比 8.9%,p = 0.0069)。在对患者和医院特征以及患者合并症进行校正后,与血红蛋白(tHb)监测的患者相比,血细胞比容监测的患者输注红细胞(RBC)的风险显著更高(OR = 1.26,CI 1.15 - 1.38,p < 0.0001),住院时间(LOS)更长(IRR = 1.08,p < 0.0001),费用更高(IRR = 1.15,p < 0.0001)。红细胞输注是住院时间延长(IRR = 1.25,p < 0.0001)和费用增加(IRR = 1.22,p < 0.0001)的重要驱动因素。

结论:在心血管手术期间进行血红蛋白总量(tHb)监测,与红细胞压积(Hct)监测相比,可显著减少红细胞输注量、缩短住院时间和降低住院费用。

关键词:血红蛋白及其衍生物;电导率;心脏外科手术;心肺分流术;血红蛋白;红细胞压积;红细胞输注

引言

围手术期对血红蛋白(Hb)和红细胞压积(Hct)的监测通常依靠床旁血气分析仪和实验室分析仪,采用血红蛋白及其衍生物测定法或电导技术。多波长分光光度法是血红蛋白测定法的一种,能为临床医生提供有价值的信息,可测量总血红蛋白(tHb)以及四种血红蛋白成分的分解情况,即氧合血红蛋白、脱氧血红蛋白、碳氧血红蛋白和高铁血红蛋白1。另一方面,电导技术则利用电导率来测定血浆红细胞压积。尽管在许多临床情况下,红细胞压积电导法的测定结果是准确的,但它依赖于一种假定血蛋白水平正常的算法。在住院患者中,有很多情况会导致血蛋白水平异常偏低或偏高。在控制性血液稀释中,最极端的一种形式是在体外循环(CPB)期间,当血液被稀释时,血清蛋白水平会大幅降低,从而导致红细胞压积(Hct)测量值偏低,这可能会导致不必要的红细胞(RBC)输注2。 另一方面,通过血红蛋白及其衍生物测定法测量的总血红蛋白(tHb)不受血液蛋白稀释的影响,因此在 CPB 期间对血液稀释程度的测量结果会更稳定1,2

先前的研究表明,在接受重大心血管手术的患者中,输注红细胞与不良预后之间存在系统性关联3-6 。与红细胞输注相关的插管时间延长,会增加术后并发症(包括败血症和肺炎)的风险7-9。 围手术期输注红细胞还与心脏手术期间急性肾损伤的发生有关,这可能是由于炎症增加导致组织氧化应激所致10。 心脏手术患者中红细胞输注与死亡率之间的关系尚不明确11-13。 然而,红细胞输注相关的并发症增加已被证明会因住院时间延长和资源利用强度增加而直接导致治疗成本上升3,6,14

迄今,尚无研究对血红蛋白监测方法、红细胞输注风险以及资源利用程度的对比水平之间的关系展开过探究。因此,我们对通过血红蛋白及其衍生物测定法测得的 tHb 值以及通过电导率测定的 Hct 值与红细胞输注、住院时长(LOS)以及住院总费用之间的关联进行了考察。

方法

本研究采用回顾性队列研究方法,使用的是 Vizient 医疗系统数据库,该数据库是全国公认的具有代表性的行政数据库,涵盖了美国 43 个州约 400 家医院的账单详情13-15。 研究数据取自 2014 年 1 月至 2016 年 6 月期间的出院记录。

研究对象为年龄≥18 岁因冠状动脉旁路移植术(CABG)或瓣膜置换术(VR)住院的患者,依据国际疾病分类(ICD-CM)第 9 版和第 10 版进行定义。同时接受 CABG 和 VR 手术的患者分别作为独立队列进行分析和比较。最后,根据两种血红蛋白监测技术,将所有患者分为两个研究队列(tHb 和 Hct)。通过详细的账单记录和现行操作术语第 4 版(CPT-4)代码 85014(Hct)和 85018(tHb)来识别这些监测队列。同时使用两种监测技术的患者被排除在分析之外,因为无法确定哪项检测是决定输注红细胞的主要依据。

本回顾性分析的主要关注结果是住院期间的红细胞输注风险。通过医院账单记录确定红细胞输注情况,并将其构建为二元变量。次要结果包括通过检查总住院费用和住院时间来评估资源利用情况。费用定义为通过将由美国医疗保险和医疗补助服务中心(CMS)收集的公开可用的医疗保险成本报告(MCR)中得出的特定医院的费用与收费比率(CCR)应用于每位患者住院期间的汇总出院费用得出的住院费用总额。该费用代表了医院在每位患者住院期间提供护理的总成本。

本分析还纳入了可能影响红细胞输注风险的因素以及患者群体的基线健康特征。患者层面的人口统计学变量,包括年龄和性别,以及特定就诊的变量,如入院来源、出院状态和住院时间均被记录。年龄以连续变量和 10 年为一个区间的形式报告。患者合并症通过查尔森 - 德约版查尔森合并症指数确定,这是一种基于行政数据中的 ICD-CM 诊断代码对患者合并症进行分类的方法15-16。 该指数的得分以及具体的合并症均纳入分析;得分越高,预测结果导致死亡或更高资源消耗的可能性越大。

为了降低红细胞输注风险的潜在混杂因素,还增加了其他心血管特异性合并症和并发症。这些包括容量不足的指标(脱水、呕吐)、严重贫血的证据(静脉注射铁剂治疗)、严重创伤和烧伤以及手术期间或术后存在严重出血。分析中还确定了其他与手术相关的并发症,包括高血压、急性肾衰竭和真性红细胞增多症。最后,根据患者是否接受体外循环手术,将心血管手术进行了细分。所有额外的合并症和并发症均依据(ICD-CM)第 9 版和第 10 版进行定义。

还收集了医院特定的变量,包括病床数量、教学状况和所在地理区域。在分析时,病床数量被转换为类似于美国医院协会《医院年度调查》中所报告的标准类别。这些变量用于控制医院服务提供者之间基于地理和服务的差异,包括成本和资源利用情况。

进行了未校正的双变量描述性分析,比较了 tHb 监测组和 Hct 监测组的基线人口特征、红细胞输注、成本和住院时间。对于分类变量,采用卡方检验来检验患者群体之间的显著差异。对于低细胞计数,采用 Fisher 确切概率检验。对于连续变量,采用方差分析来检验显著性,对于非正态分布则采用曼 - 惠特尼 U 检验。

采用多元回归技术来分离血红蛋白监测类型的影响,并控制其他可能增加输血风险、成本和住院时间(LOS)的关键因素。使用逻辑回归方法比较红细胞(RBC)输血风险。采用一般线性模型(GLM)对住院时间和成本利用变量进行建模。对资源利用变量(住院时间采用负二项式变换,成本采用伽马变换)进行对数转换,以调整这些类型数据中常见的偏态分布14,17

模型参数估计的显著性水平设定为 0.05。本研究中的所有数据分析和统计模型均使用 SAS 系统(SAS 研究所,北卡罗来纳州卡里市)的 SAS/STAT 软件 9.4 版生成。

结果

该研究纳入了 18169 名接受心血管手术的患者,其中 66% 的患者进行了血细胞比容(Hct)监测。接受 Hct 监测的患者更有可能接受双支冠状动脉旁路移植术(CABG)和瓣膜置换术(VR)(10.4% 对比 8.9%,p = 0.0069)。不出所料,两组患者均为男性居多,Hct 监测组患者的年龄略高于血红蛋白(tHb)监测组(分别为 65.9 岁和 65.0 岁,p < 0.0001)。

超过半数的 tHb 组患者(51.1%)在大型教学医院接受治疗,而 Hct 组这一比例为 13.1%(表 1)。此外,接受 tHb 监测的患者更有可能在拥有 500 张及以上病床的医院接受治疗(51.3% 对比 30.0%,p<0.0001)(表 1)。

img

查尔森合并症指数评分在监测血红蛋白(tHb)组高于监测红细胞压积(Hct)组(2.90 对比 2.77,p = 0.0004),最常见的合并症包括糖尿病、心肌梗死、充血性心力衰竭和慢性肺部疾病(表 1)。监测血红蛋白的患者更有可能接受静脉补铁(8.0% 对比 2.5%,p < 0.0001),且更有可能被诊断为创伤(4.2% 对比 3.3%,p = 0.0018)、肾衰竭(17.7% 对比 16.5%,p = 0.0394)、严重出血(4.6% 对比 3.9%,p = 0.0259)和脱水(3.7% 对比 1.5%,p < 0.0001)(表 1)。监测红细胞压积的患者接受体外循环手术的可能性高于监测血红蛋白的患者(87.4% 对比 84.0%,p < 0.0001)(表 1)。

红细胞输血风险

未经校正的红细胞输注率在采用红细胞压积(Hct)监测的患者中更高(20.9% 对比 18.9%,p = 0.0014),与采用血红蛋白(tHb)监测的患者相比(表 2)。在对患者和医院特征以及患者合并症进行校正后,采用 Hct 监测的患者红细胞输注风险增加 26%(OR = 1.26,CI 1.15 - )

img

与采用总血红蛋白(tHb)监测的患者相比,采用血氧饱和度监测的患者输注红细胞的风险显著增加(1.38,p<0.0001)(表 3)。其他显著增加输血风险的因素包括体外循环手术(OR=2.30,CI2.01 - 2.63,p < 0.0001),创伤诊断(OR = 1.84,CI 1.37 - 2.47,p < 0.0001),肾衰竭(OR = 1.67,CI 1.52 - 1.85,p < 0.0001),严重出血(OR = 1.67,CI 1.26 - 2.20,p < 0.0001)以及静脉注射铁剂(OR = 1.26,CI 1.06 - 1.51,p < 0.0001)(表 3)。

img

住院时长

未经校正的平均住院天数在两组间相似(tHb 组为 10.36 天,Hct 组为 10.43 天,p = 0.5797);然而,在校正了医院特征、患者特征、患者合并症和红细胞输注等因素后,与 tHb 监测的患者相比,Hct 监测的患者住院时间延长的风险增加了 8%(0.79 天,IRR = 1.08,p < 0.0001)(表 2 和表 4)。红细胞输注是住院时间延长的关键驱动因素(IRR = 1.25,p < 0.0001),严重出血(IRR = 1.60,p < 0.0001)、肾衰竭(IRR = 1.53,p < 0.0001)和偏瘫/截瘫(IRR = 1.40,p < 0.0001)也是如此(表 4)。接受静脉补铁治疗的患者住院时间更长(IRR = 1.28,p < 0.0001),在大型教学医院接受治疗的患者也是如此(IRR = 1.10,p < 0.0001)(表 4)。

img

总住院费用

与采用血红蛋白(tHb)监测的患者相比,采用红细胞压积(Hct)监测的患者未调整的医疗费用更高(43564 美元对 41127 美元,p<0.0001)(表 2)。在控制了红细胞输注、住院时间以及患者和医院特征的影响后,采用 Hct 监测的患者住院费用增加 15%(每次出院增加 6539 美元)(IRR = 1.15,p<0.0001),高于采用 tHb 监测的患者(表 2 和表 5)。除红细胞输注(IRR = 1.22,p<0.0001)外,烧伤患者(IRR = 1.72,p = 0.0056)、严重出血患者(IRR = 1.41,p<0.0001)和严重肝病患者(IRR = 1.24,p<0.0001)的医疗费用也更高(表 5)。在大型教学医院接受治疗的患者(IRR = 1.13,p<0.0001)医疗费用也更高(表 5)。

img

亚组分析

为探究与各手术亚组间未测量的异质性相关的潜在偏差,进行了敏感性分析。针对每项研究结果,分别对冠状动脉旁路移植术(CABG)、瓣膜置换术(VR)以及 CABG 和 VR 联合手术的人群进行了多变量回归分析。在 CABG 组中(比值比 1.47,置信区间 1.28 - 1.67,p < 0.0001)以及双支 CABG 和 VR(比值比 1.53,置信区间 1.17 - 2.01,p = 0.0030)的手术人群中,血细胞比容(Hct)监测组的红细胞输注风险显著高于血红蛋白(tHb)监测组。接受 VR 手术的 Hct 监测患者的红细胞输注风险高于 tHb 监测组(比值比1.07,置信区间 0.91 - 1.25,p = 0.4177)。然而,结果无统计学意义。

针对利用结果的敏感性分析与总体人群分析结果一致。与 tHb 组相比,Hct 组的冠状动脉旁路移植术(CABG)(IRR = 1.15,p < 0.0001)、瓣膜置换术(VR)(IRR = 1.16,p < 0.0001)以及 CABG 和 VR 联合手术(IRR = 1.17,p < 0.0001)的成本预计显著更高。同样,与 tHb 组相比,Hct 组的 CABG(IRR = 1.09,p < 0.0001)、VR(IRR = 1.06,p = 0.0076)以及 CABG 和 VR 联合手术(IRR = 1.09,p = 0.0117)的住院时间估计更长。

讨论

本研究显示,在心血管手术患者中,采用血红蛋白(tHb)检测相比红细胞压积(Hct)检测,可降低红细胞输注风险、缩短住院时间并降低住院费用。对各个手术人群进行的敏感性分析证实了这些结果,但心脏瓣膜置换术(VR)人群除外。这种差异可能是因为 VR 患者输注红细胞的可能性增加,且与血红蛋白监测无关18,19。 考虑到 tHb 组中严重并发症的发生率更高,出血不太可能是导致 Hct 组红细胞输注量增加的原因。

通过平均住院时间和总住院费用衡量的资源利用率降低与 tHb 组较低的红细胞输注风险率相关。这些结果在手术亚组敏感性分析中得到了证实,并且与已发表的其他数据一致,这些数据表明,较低的红细胞输注率与住院时间缩短和/或费用降低显著相关14,18。 不必要的红细胞输注对这一患者群体造成的经济影响相当大。与输血相关的住院费用增量估计值从术中输血的 4408 美元到术后输血的超过 10000 美元不等20,21。 同样,本研究的估计结果显示,进行血细胞比容检测可能增加约 6539 美元的费用风险,增加 0.79 天的住院时间风险,以及增加 26%的红细胞输注风险。

尽管本研究未对此进行测量,但输血相关并发症的减少很可能是存在的。在目标血红蛋白(tHb)人群中,红细胞输注量的减少也得到了体现4,22。 已有大量研究表明,术后并发症的减少能够显著降低心脏手术患者的总体住院费用,并缩短住院时间14,23

应当指出的是,这些结果仅表明在该人群中,血红蛋白监测与减少红细胞输注之间存在很强的关联,并不意味着两者之间存在因果关系。很可能还有其他因素与使用 tHb 进行血红蛋白监测相结合,在减少红细胞输注需求方面发挥了作用。尽管在回归模型中对许多可能增加红细胞输注风险的临床因素(如体外循环、贫血、肾衰竭、高血压、脱水和严重出血)进行了控制,但诸如手术时长和医院输血规程等其他因素无法在回归分析中进行测量和控制。

鉴于样本量大、患者群体在人口统计学和地域上的多样性以及研究医院的临床能力,这些结果可以被视为美国治疗模式的代表性。然而,本研究存在一些局限性,值得提及。数据来源存在与使用大规模行政数据相关的已知局限性,包括编码和计费实践不一致以及记录不完整24,25。 此外,本研究仅限于住院医院环境,未考虑整个医疗连续体。最后,本研究未考虑任何程序差异(例如预充体积、管路尺寸)、医生对出血警惕性的差异或血液学专业知识、旨在减少红细胞输注的医院协议、提供者红细胞输注阈值的差异或旨在减少术中失血的项目26,27

然而,这些研究结果表明,在心血管手术期间进行总血红蛋白(tHb)监测,与血细胞比容(Hct)监测相比,可显著减少红细胞输注需求,并能明显缩短住院时间(LOS)和降低住院费用。鉴于这是首次记录这些关联的研究,有必要在不同的数据来源和研究人群中开展更多研究。

—————————————————————————————————————

参考文献:

1. Maslow A, Bert A, Singh A, Sweeney J. Point-of-care hemoglobin/hematocrit testing: comparison of method- ology and technology. J Cardiothorac Vasc Anesth 2016; 30: 352–362.

2. Myers G, Browne J. Point of care hematocrit and hemo- globin in cardiac surgery: a review. Perfusion 2007; 22:179–183.

3. Reeves BC, Murphy GJ. Increased mortality, morbidity, and cost associated with red blood cell transfusion after cardiac surgery. Curr Opin Cardiol 2008; 23: 607–612.

4. Gerber DR. Risks of packed red blood cell transfusion in patients undergoing cardiac surgery. J Crit Care 2012; 27:737.e1–9.

5. Mariscalco G, Biancari F, Juvonen T, et al. Red blood cell transfusion is a determinant of neurological complica- tions after cardiac surgery. Interact Cardiovasc Thorac Surg 2015; 20: 166–171.

6. Murphy GJ, Reeves BC, Rogers CA, Rizvi SI, Culliford L, Angelini GD. Increased mortality, postoperative morbidity, and cost after red blood cell transfusion in patients having cardiac surgery. Circulation 2007; 116:2544–2552.

7. Yu PJ, Cassiere HA, Dellis SL, et al. Dose-dependent effects of intraoperative low volume red blood cell transfusions on postoperative outcomes in cardiac surgery patients. J Cardiothorac Vasc Anesth 2014; 28:1545–1549.

8. Ang LB, Veloria EN, Evanina EY, Smaldone A. Mediastinitis and blood transfusion in cardiac surgery: a systematic review. Heart Lung 2012; 41: 255–263.

9. Likosky DS, Paone G, Zhang M, Rogers MA, Harrington SD, Theurer PF, et al. Red blood cell transfusions impact pneumonia rates after coronary artery bypass grafting. Ann Thorac Surg 2015; 100: 794–800; discussion 801.

10. Karkouti K. Transfusion and risk of acute kidney injury in cardiac surgery. Br J Anaesth 2012; 109: i29-i38.

11. Hajjar LA, Vincent JL, Galas FR, et al. Transfusion requirements after cardiac surgery: the TRACS rand- omized controlled trial. JAMA 2010; 304: 1559–1567.

12. Murphy GJ, Reeves BC, Rogers CA. Increased mortal- ity, postoperative morbidity, and cost after red blood cell transfusion in patients having cardiac surgery. J Vasc Surg 2008; 47: 894.

13. Patel NN, Avlonitis VS, Jones HE, Reeves BC, Sterne JA, Murphy GJ. Indications for red blood cell transfusion in cardiac surgery: a systematic review and meta-analysis. Lancet Haematol 2015; 2: e543–553.

14. Aronow HD, Peyser PA, Eagle KA, et al. Predictors of length of stay after coronary stenting. Am Heart J 2001; 142: 799–805.

15. Deyo RA, Cherkin DC, Ciol MA. Adapting a clinical comorbidity index for use with ICD-9-CM administra- tive databases. J Clin Epidemiol 1992; 45: 613–619.

16. D’Hoore W, Bouckaert A, Tilquin C. Practical consid- erations on the use of the Charlson comorbidity index with administrative data bases. J Clin Epidemiol 1996; 49:1429–1433.

17. Willan AR, Briggs AH, Hoch JS. Regression meth- ods for covariate adjustment and subgroup analysis

最后编辑于 04-21 · 浏览 1026

回复收藏3

全部讨论0

默认最新
avatar
分享帖子
share-weibo分享到微博
share-weibo分享到微信
认证
返回顶部