论文部分内容阅读
药品不良事件(Adverse Drug Event,ADE)是指药品治疗过程中出现的不良临床事件,ADEs严重威胁患者的用药安全。目前我国医疗机构主要依靠被动的自发呈报系统(Spontaneous Reporting System,SRS)监测ADEs,存在漏报严重和报告偏倚等问题,不能反映临床用药安全的真实情况。2003年,美国推出全面触发工具(Global Trigger Tool,GTT)法,该法引用“触发器”的概念,可以定位病历中不良事件相关信息,已有多个国家改进触发器并进行应用,证实是一项高效、实用的ADEs主动监测方法。我国还未制定出标准的用于监测老年患者ADEs的GTT法。本研究在美国原版触发器的基础上针对老年人群进行调整,通过回顾性审查病历,对GTT法进行评价,并分析老年患者发生的ADEs结果。目的:1.对美国推出的GTT法进行改进,建立适用于老年住院患者ADEs监测的GTT法。2.应用GTT法监测老年住院患者ADEs,对建立的GTT法进行评价。3.对GTT法监测老年住院患者ADEs结果进行统计,分析ADEs严重程度等级、造成ADEs的药物类别、累及器官-系统及相关危险因素。方法:1.根据《IHI Global Trigger Tool for Measuring Adverse Events》中推荐的触发器和国内其它研究使用的触发器,并结合该院生化指标范围、药品目录和该院老年患者处方习惯,对触发器进行调整,最终制定出31项触发器。2.调取该院2016年1月-12月老年病科65岁以上出院患者信息,按照出院时间排序,每半月随机抽取符合条件的病历15份,共360份。使用GTT法审查病历,再通过Naranjo评定法判定ADEs,将确定的ADEs进行严重程度分级、造成ADEs的药物类别和累及器官-系统分析。3.计量资料采用均数±标准差进行描述。计数资料采用频数(百分比)表示,并应用χ~2检验进行比较。应用灵敏度、特异度、正确指数、符合率、Kappa值和阳性预测值(Positive Predictive Value,PPV)评价GTT法;以ADEs是否发生为因变量,对造成ADEs发生的危险因素进行Logistic回归分析,并应用后退法选择最优预测模型对ADEs进行预测;采用ROC曲线评价该预测模型。应用SPSS 21.0软件进行数据处理和统计分析,检验水准为α=0.05(双侧)。结果:1.审查的360份病历中,男性216例,女性144例,平均年龄79.98±7.23岁,平均住院时间13.94±7.22天,平均用药品规数15.44±7.19个,平均基础疾病12.49±5.04个。2.触发器检出阳性的患者169例,阴性191例,阳性率为46.67%。31项触发器中,19项触发器检出阳性。3.75例患者发生98例次ADEs,ADEs发生率为20.83%(75/360)。98例次ADEs中,E级伤害97例次,F级伤害1例次。100例患者ADEs发生数为27.22,1000患者天的ADEs发生数为19.53。ADEs共涉及9类药物,其中心血管系统药物导致ADEs发生的占比最高,达58.16%;共累及器官-系统11个,其中代谢及营养障碍占比最高,达42.86%。4.以Naranjo评定法为标准,评价GTT法。真实性指标:灵敏度为100.00%,特异度67.02%,正确指数0.67。可靠性指标:符合率73.89%,Kappa值0.46。PPV为44.38%。5.经Logistic回归分析发现,年龄(OR=1.68,95%CI:1.14-2.46)、住院天数(OR=2.14,95%CI:1.42-3.24)、用药品规数(OR=3.10,95%CI:2.03-4.74)、触发器检出阳性数(OR=117.89,95%CI:15.56-893.44)和基础疾病数(OR=1.81,95%CI:1.08-3.04)对老年住院患者ADEs发生有显著影响,最终进入模型的危险因素有用药品规数(OR=2.29,95%CI:1.43-3.67)和触发器检出阳性数(OR=71.82,95%CI:9.31-553.86),该模型的ROC曲线下面积(Area Under the Cur,AUC)是0.734(P<0.001)。结论:1.GTT法用于监测老年住院患者ADEs的真实性、可靠性较好,PPV较高,但部分触发器需继续改进。2.GTT法发现老年住院患者发生的ADEs都是临时性伤害,心血管系统药物导致的ADEs占比最高,代谢及营养的伤害占比最高。3.年龄、住院天数、用药品规数、触发器检出阳性数和基础疾病数是老年住院患者ADEs发生的危险因素,其中用药品规数和触发器检出阳性数对预测ADEs的发生更有意义。