Многодоменная модель раннего предупреждения неблагоприятных исходов в течение 12 месяцев у пожилых пациентов с мультиморбидностью: подход общественного здравоохранения с учетом стратификации риска

Цель: Разработать и провести внутреннюю валидацию многодоменной модели раннего предупреждения неблагоприятных исходов в течение 12 месяцев у пожилых пациентов с мультиморбидностью, а также оценить возможности ее применения для последующего наблюдения с учетом группы риска.

Методы: В ретроспективное исследование включили 690 пациентов в возрасте ≥60 лет с мультиморбидностью, проходивших лечение в китайской многопрофильной больнице третичного уровня. Пациентов разделили на выборки для разработки (n = 483) и валидации (n = 207) модели. Первичной конечной точкой была составная конечная точка, включавшая незапланированную госпитализацию, ≥2 обращений в отделение неотложной помощи, новое снижение функционального статуса или смерть от всех причин в течение 12 месяцев. Для разработки модели использовали регрессию LASSO и многофакторную логистическую регрессию. Построенную номограмму оценивали по дискриминации, калибровке и результатам анализа кривых принятия решений. Пациентов разделили на группы низкого, промежуточного и высокого риска. Также провели сетевой анализ мультиморбидности и ретроспективное сценарное моделирование вмешательства, распределяемого по группам риска на основе модели.

Результаты: Составная конечная точка была зарегистрирована у 146 пациентов (21,2%). В модель вошли семь предикторов: возраст ≥75 лет, ≥4 хронических заболеваний, госпитализация в анамнезе, ограничение повседневной активности, недостаточность питания, депрессия и хроническая боль. Дискриминационная способность модели была хорошей в выборке для разработки (AUC 0,847), при валидации на случайно сформированной выборке (AUC 0,826) и при временной валидации (AUC 0,819). При внутренней бутстрэп-валидации скорректированная на оптимизм AUC составила 0,831. Калибровка была приемлемой при всех методах валидации (наклоны калибровки 0,94–1,02; оценки Брайера 0,152–0,171). При использовании практически применимых пороговых значений к группам низкого, промежуточного и высокого риска отнесли соответственно 41,2%, 42,0% и 16,8% пациентов. На группу высокого риска пришлось 41,1% всех событий. Сетевой анализ выявил выраженный кластер кардиометаболических заболеваний. Согласно ретроспективному сценарному анализу, стратифицированное вмешательство на основе модели могло бы снизить частоту составной конечной точки на 25,3%.

Выводы: Эта прошедшая внутреннюю валидацию модель позволяет выделить небольшую группу высокого риска, на которую приходится значительная доля неблагоприятных событий. До внедрения необходима внешняя валидация в центрах первичной медико-санитарной помощи, больницах вторичного уровня и других регионах. Модель представляет собой предварительную основу для целевого последующего наблюдения и планирования с учетом риска, однако ее обобщаемость пока не подтверждена.