[论文解读] Analysis of the AOK Lower Saxony hospitalisation records data (years 2008 -- 2015)

Monika Joanna Piotrowska, Konrad Sakowski|arXiv (Cornell University)|Mar 12, 2019

Antibiotic Use and Resistance参考文献 13被引用 5

一句话总结

本研究分析了匿名化的AOK下萨克森州住院记录（2008–2015年），以建模患者在医疗机构之间的转移动态，从而构建一个用于模拟多重耐药性肠杆菌科细菌（MDR-E）传播的网络。基于入院、出院及住院时间重叠的数据，作者证明了可可靠推断出直接和间接的患者转移，为构建网络流行病学模型以评估院间感染控制策略提供了基础。

ABSTRACT

Multidrug-resistant Enterobacteriaceae (MDR-E) have become a major public health threat in many European countries. While traditional infection control strategies primarily target the containment of intra-hospital transmission, there is growing evidence highlighting the importance of inter-hospital patient traffic for the spread of MDR-E within healthcare systems. Our aim is to propose a network model, which will reflect patient traffic in various European healthcare systems and will thus provide the framework to study systematically transmission dynamics of MDR-E and the effectiveness of infection control strategies to contain their spread within and potentially across healthcare systems. However, to do that first we need to analyse real patients data and base on that propose network model reflecting the complexity of the real hospital network connections and dynamics of patient transfers between healthcare facilities.

研究动机与目标

• 开发一种基于数据的医疗机构间患者转移网络模型，以研究多重耐药性肠杆菌科细菌（MDR-E）的院间传播。
• 评估仅凭匿名入院/出院记录（无地理或位置信息）重建医院转移网络的可行性。
• 识别并解决利用住院时间重叠记录检测直接转移与间接转移时面临的挑战。
• 通过建模跨互联医疗机构的传播动态，为系统层面的感染控制策略提供基础。
• 支持开发多层级数学网络模型，以评估感染控制干预措施的有效性。

提出的方法

• 分析AOK下萨克森州2008–2015年间的525万条匿名住院记录，包含患者ID、机构ID、入院/出院日期及ICD-10诊断编码。
• 通过从出院日期中减去入院日期，计算每条住院记录的住院时长。
• 通过按患者ID分组识别住院时间重叠，以检测潜在的机构间转移。
• 将重叠分类为不同类型（如首日/末日重叠、同日多次入院），以区分直接转移与间接转移。
• 使用Python语言及matplotlib等库进行数据处理与可视化，侧重灵活性与可扩展性，而非高性能计算。
• 应用网络建模原理，基于推断的患者流动模式，推导医疗机构之间的转移边。

实验结果

研究问题

• RQ1 能否在无地理位置信息的情况下，仅凭匿名入院/出院数据可靠重建患者转移网络？
• RQ2 在下萨克森州医疗系统中，患者转移中直接转移（机构间）与间接转移（经由家中或其他机构）各占多大比例？
• RQ3 住院时间重叠记录如何实现对机构间患者流动的检测？
• RQ4 在区分直接转移与同日多次入院等模糊情况时，面临的关键挑战是什么？
• RQ5 该数据在多大程度上支持构建动态网络模型，以模拟医疗机构间MDR-E的传播？

主要发现

• 下萨克森州的457万条住院记录中，257,668条为本州内机构的记录，79,102条为德国其他联邦州的记录，且均具备可用于分析的诊断编码。
• 在全部记录中，检测到1.8%的住院记录存在时间重叠（表明可能存在转移），其中存在问题的案例（如同日多次入院）占重叠总数的不足2%。
• 首日/末日转移及同日多次入院是主要的模糊来源，但这些情况较为罕见，对整体网络推断影响甚微。
• 数据可可靠推断出直接与间接患者转移，仅有不到2%的案例存在模糊性，且可被解决。
• 本研究证实，匿名住院数据可用于构建真实可靠的医疗网络模型，以模拟MDR-E传播动态。
• 由此生成的网络模型为评估跨互联医疗机构的系统级感染控制策略提供了基础。