意大利与季节性流感相关的过量住院和院内死亡率：一项为期 11 年的回顾性研究 | BMC 传染病

目的和目标

本研究旨在估算 2008/09 季至 2018/19 季期间意大利国家医疗服务体系 (NHS) 在国家和地区层面与流感相关的住院总人数和住院费用。

更具体地说，该项目有以下目标：

学习规划

这是一项为期 11 年的超量模型研究，使用回顾性收集的数据管理数据，包括 2008/09 季至 2018/19 季期间因流感或与流感相关原因入院的所有患者，每个季节从该季第 27 周开始。第一年和次年第 26 周，总共 574 周。

科目

该研究包括所有年龄的所有患者，他们曾被意大利任何一家医院收治，且具有与流感或相关诊断相对应的有效 ICD-CM-9 诊断。 根据选定的 ICD-CM-9 代码确定入院情况（见表 A）1）并针对每个流行病学周、地区、0-4、5-14、15-64 和 ≥ 65 岁的年龄组以及性别进行汇总。 年龄分类的选择取决于流感发病率的数据结构（参见“数据“ 部分）。

数据

出院数据

访问医院出院记录 (HDR)。 [SDO]）需要卫生部的授权。 继 2016/679 欧盟 (EU) 法规（称为通用数据保护法规 (GDPR)）出台后，卫生部采用了新的数据提取程序。 授权请求于2021年12月提交给卫生部，要求提取2008-2019年期间的每周SDO数据，包括附加文件表A2中列出的信息 1。

根据文献，我们仅考虑那些住院时间> 24小时且主要诊断代码与流感相关的住院治疗（参见例如 [21, 23,24,25,26]）并由流感流行病学专家进一步验证。 其中包括： i) 流感（ICD9 代码 487）：主要代码 487 的住院治疗在整篇论文中被命名为“观察到”，因为它们代表了已知的疾病负担； ii) 流感以外的肺炎（ICD9 480–486）； iii) 除流感以外的呼吸道疾病（代码），包括 31 种呼吸道疾病（ICD9 460–466、480–487、490–496、500–508、510–516、518）； iv) 心血管疾病，包括 17 种诊断（ICD9 410–414、422、427、428、430–435、437、438、440）； v) 其他可能的相关诊断，包括与神经系统和感觉器官相关的诊断代码（ICD 322、323、341、357、382）； 传染病和寄生虫病（ICD）040）； 内分泌、营养和代谢疾病以及免疫紊乱（ICD9 250）； 肌肉骨骼系统和结缔组织疾病（ICD9 728、729）； 和先天性异常（ICD9 747）。 所有 ICD-9-CM 代码和相应的诊断均列于附加文件的表 A1 中 1。 我们还以逐步的方法考虑了与流感相关的这些代码的子组，以增强与基于与此处采用的数据和技术类似的现有已发表结果的可比性，其中使用了多个病例定义和出院诊断来识别潜在的流感相关住院治疗 [27]。 我们首先查看肺炎和流感的代码 (ICD9 480–487)，然后查看这些代码加上其余 31 种呼吸道疾病的代码 (ICD9 460–466、480–487、490–496、500–508、510–516、 518），最后包括 17 种心血管疾病（ICD9 410–414、422、427、428、430–435、437、438、440）。

每次住院，入院和出院日期均记录在 HRD 中。 因此，我们估计了每个季节以及 11 个季节和最近 3 个季节的平均流感和其他疾病组的主要代码入院的平均住院时间，如结果所示“与流感相关的住院治疗“ 部分。

住院相关费用根据住院诊断相关组 (DRG) ICD-9-CM 版本进行编码。 该系统目前在意大利被用作为国家卫生系统中的医院结构融资的工具。 每个 DRG 都与一个费率相关联，该费率反映了每次入院平均费用的估计，我们使用此信息来估计住院费用。

HDR 还包含有关出院类型的信息，从中可以了解住院治疗是否因院内死亡而结束。

流感活动数据

区域一级和年龄组的流感发病率数据来自国家流感流行病学和病毒学监测系统 (InfluNet)，该系统由高级卫生研究所 (ISS) 与大学间流感研究中心合作协调热那亚 (CIRI) 和卫生部的支持 [28]。 发病率衡量流感样疾病 (ILI)，并表示为每流行病学周每 1,000 名患者中流感综合征（病例）的数量。 每周监测系统以症状监测为基础，依靠由全科医生 (MMG) 和初级保健儿科医生 (Pediatri Libera Scelta) 组成的哨点医生网络 [PLS]），根据地区招募，报告在其患者中观察到的流感综合征病例。 InfluNet 将“流感综合征”患者定义为突然、快速出现一般症状（发烧、发烧、头痛、不适、疲惫或肌肉酸痛）或呼吸道症状（咳嗽、喉咙痛或气短）的人。呼吸）。 流感综合症的发病率数据为每年第 42 周至次年第 15/17 周（2009 年除外，该调查是在流感大流行期间进行的，因为H1N1 病毒）。 我们按照之前使用相同数据的研究中采用的方法，将缺失几周的 ILI 发生率归为 0 [22]。

温度数据

温度趋势是导致流感病毒传播的因素之一 [29] 在其他研究中被认为是流感相关住院的预测因素 [30]。 平均温度数据来自国家环境利益气候数据收集、处理和传播系统 [SCIA]）由高等环境保护研究院协调的监测系统 [ISPRA]） [31]。 全国和地区周平均气温是根据监测系统网络中约 1,000 个气象站测量的气温平均值估算的。

人口统计数据

最后，为了计算每 10 万人中的病例数，从国家统计研究所 (ISTAT) 的网站下载了特定年龄季节性常住人口估计数的数据[[[[32]。

结果

根据研究目标，研究结果如下：

• 与流感相关的住院总数：这是由“观察到的”因流感住院的总和给出的，即用主要 ICD9 代码 487 记录的住院治疗和“超额”住院治疗的总和，即通过“中描述的模型估计的住院治疗”数据分析”部分，这些住院记录的主要 ICD9 代码与 487 不同，但根据模型假设被认为与流感相关。

• 与流感相关的住院费用：这是一个近似估计值，因为它指的是超额（即估计）而不是观察到的住院费用。 因此，我们假设了一系列可能的归因成本，从谨慎估计（即，将与流感相关的住院费用归因于与初级诊断流感编码的住院费用相同），到被认为更现实的广泛范围估计（其中住院的平均费用）心肺疾病的诊断归因于流感相关的住院治疗。 看 ”流感相关住院的经济负担“ 部分。

• 与流感相关的住院总死亡率：这是由“观察到的”因流感住院的院内死亡（即主要 ICD9 代码为 487 的住院记录的死亡）和因流感引起的院内死亡的总和得出的，这是由“中描述的模型估计的”数据分析”部分，来自记录的主要 ICD9 代码与 487 不同的住院治疗，但根据模型假设认为与流感相关。

数据分析

与流感相关的住院治疗

对于住院模型，我们依靠现有文献中开发的方法，应用回归建模技术来估计流感相关的住院和死亡率。 这种方法最初是在美国 (US) 为估计流感相关死亡率而开发的 [33] 并从此被广泛应用 [24, 34, 35]然后进行修改以估计流感相关住院的人数和比率 [23]。 用于分析罕见、可重复和独立事件计数的最常见回归技术是泊松模型和负二项式模型 [27]。 在这里，我们使用了带有对数链接的特定年龄负二项式回归模型。 在国家层面，我们使用的特定年龄负二项式回归模型可以写为

$$Log(E(Y))= {upbeta }_{0}+{upbeta }_{1}[{text{t}}]+{upbeta }_{2}[mathrm{sin }(2mathrm{tpi }/52.18)]+{upbeta }_{3}[{text{cos}}(2mathrm{tpi }/52.18)]+{upbeta }_{4}[{text{I}}]+{upbeta }_{5}[{text{T}}]$$

(1)

其中 Y 代表特定一周内与流感相关的诊断组的住院人数。 具体而言，具有 ICD-9-CM 流感诊断代码（代码 487）的入院被排除在模型之外（参数 Y），因为此类住院被假定与流感相关，因此不应用于建模 [22, 23]。 t 是从 2008 年 10 月（第 27 周，编号 1）到 2019 年 4 月（第 26 周，编号 574）的时间序列的周数； I 是流感综合征的发病率，以每周每 1000 名患者的病例数表示； T 为周平均气温。 估计系数如下： β0 为截距； β1 说明线性时间趋势（以周为单位）； β2 和 β3 说明了住院的季节性； β4 和 β5 分别是与流感发病率和温度相关的系数（在国家层面考虑的所有 ICD9 代码、所有年龄的负二项式回归的系数估计值可在附加文件的表 A3 中找到 1）。

模型拟合包括测试流感指标的各种滞后和移动平均值，以考虑疾病发作和住院之间的延迟。 我们根据 Akaike 信息准则 (AIC) 选择最佳模型 [34] （参见附加文件 1 表 A4) 对考虑所有选定的与流感相关的 ICD9 代码的所有年龄住院情况的模型进行了估算，在国家层面。

此后，我们将所选的负二项式模型应用于特定年龄（0-4、5-14、15-64 和 ≥ 65 岁）和特定区域时间序列（即考虑特定年龄和特定区域的住院情况）和 ILI 发病时间序列）。 此外，根据上述 ICD-9-CM 代码（不包括 ICD9 代码 487），特别是呼吸系统疾病（ICD9 460-466、480-486、490-496、500），考虑了住院治疗的各种诊断亚组，复制了模型。 –508、510–516、518）和心肺诊断组（呼吸系统疾病的 ICD9 加上 ICD9 410–414、422、427、428、430–435、437、438、440）。

从模型中获得的结果指标包括数字（代表与流感相关的过量住院人数）和比率（以每 100,000 人口表示），其中人口是每个季节特定年龄和地区的人口。 具体来说，为了估计与流感不直接相关的住院人数，从使用相同模型估计的住院人数中减去使用刚刚描述的模型预测的住院人数，其中与流感综合征发病率相关的变量设置为 0 （基线）。 通过这种方式，我们试图将因呼吸系统、循环系统和其他疾病而住院的患者与未感染流感病毒的患者分开 [22, 33]。

最后，作为敏感性分析，我们复制了上述模型，额外纳入了具有 ICD-9-CM 流感初级诊断代码的入院病例。

流感相关住院的经济负担

为了评估与流感相关的住院费用，我们对他们的估计进行了近似，因为我们处理的是估计的住院费用而不是观察到的住院费用。脚注1 我们估计了一系列与流感相关的住院费用，从保守估计到更广泛的估计。 审慎估计是指最低可归属成本，并将流感平均住院费用（ICD-9-CM 代码 487）应用于流感相关的超额住院治疗的估计数量。 然后，通过应用心肺疾病的平均住院费用来估计广泛的价值。 无论哪种假设，流感住院总费用被定义为初步诊断为流感的观察到的住院费用和与流感相关的超额住院费用之和，对此我们考虑了刚才描述的两个近似值，使用流感的平均住院费用，可能低估了住院的实际经济负担，并且考虑了心肺住院的平均住院费用，进行了广泛的估计。

与流感相关的院内死亡率

文献中对流感相关死亡的研究大多基于国家死亡率数据，指的是与流感相关的总体死亡率，而不是院内死亡率。 一项研究 [36] 将住院死亡率视为流感相关危重病住院的一种类型，并通过重新调整上述方法提供了估计。

在我们的研究中，我们估计了方程。 （1) 其中 Y 代表入院记录的院内死亡人数，流感和流感相关疾病的主要代码如表 A 所列1。 所有其他参数与上述相同。 一致地，为了估计与流感入院没有直接关系的院内死亡人数，使用上述模型预测的死亡人数从使用同一模型估计的死亡人数中减去，其中与流感综合征发病率相关的变量为设置为 0（基线）。

至于与流感相关的过量住院治疗，与流感相关的院内死亡率过高的结果指标包括代表与流感相关的院内死亡人数的数字和每 100,000 人中表示的死亡率。

所有统计分析均使用 Stata 17 软件（StataCorp LP，College Station，TX，2015）进行。

患者和公众参与

患者或公众没有参与我们研究的设计、实施、报告或传播。

2024-02-20 12:43:44
1708433666
#意大利与季节性流感相关的过量住院和院内死亡率一项为期 #年的回顾性研究 #BMC #传染病