急诊科急性心肌梗死漏诊：患者与医院特征相关的差异Missed diagnoses of acute myocardial infarction in the em...

急诊科急性心肌梗死漏诊：患者与医院特征相关的差异

摘要

背景：美国每年估计有120万人发生急性心肌梗死（AMI），约7%的AMI住院患者死亡。大多数出现急性冠脉综合征（如不稳定型心绞痛）症状的患者会前往急诊科（ED）就诊。一些在ED就诊后出院、随后又因AMI住院的患者，很可能错过了正确诊断和治疗的机会。本研究旨在通过分析AMI住院前的ED就诊情况，来评估ED中漏诊AMI或其前兆的频率。

方法：我们估算了AMI住院前一周内ED中可能漏诊的比率，并分析了相关因素。我们使用了2007年医疗保健成本与利用项目的州住院患者数据库和州急诊科数据库，评估了111,973名18岁及以上住院患者的漏诊情况。

结果：在112,000名患者中，我们识别出993例ED漏诊（占所有AMI入院患者的0.9%）。这些患者曾因胸痛或心脏疾病就诊于ED，后被出院，并在7天内因AMI住院。漏诊几率较高的因素包括年龄较小和黑人种族。教学医院、配备心导管实验室、ED高入院率、高住院患者占用率以及位于城市区域的医院，其漏诊几率较低。

结论：管理数据提供了可靠信息，可帮助ED识别有漏诊风险的人群，解决差异，并减少诊断错误。

关键词

急性心肌梗死；胸痛；诊断错误；急诊科；健康差异；漏诊

引言

美国每年估计有120万人发生急性心肌梗死[1]。2009年，AMI的住院费用接近120亿美元[2]。尽管总体AMI死亡率正在下降[3]，但2007年所有AMI住院患者中约有7%死亡[1, 4]。大多数出现急性冠脉综合征（即AMI或其前兆如不稳定型心绞痛）的患者会通过急诊科就诊。ED通常通过心电图和生化诊断测试来评估出现胸痛和其他提示ACS症状的患者。评估后，被认为高风险的患者会被收治入院或留观，直至确诊或排除AMI，而低风险患者则被出院并进行门诊随访。

收治或出院的决定并不总是明确的。先前研究估计，有2%至8%的AMI患者未在ED中被诊断，而不慎被出院回家[5-9]。这些研究规模较小，通常仅包含不到十几家医院。它们还关注了更容易漏诊AMI的患者特征：55岁以下的女性、非白种人患者，以及出现非典型心脏缺血特征的患者[7, 10, 11]。对更多患者进行进一步研究，将得出更具普遍性的估计。

一些在ED就诊后出院、随后又因AMI住院的患者，很可能错过了正确诊断和治疗的机会[12]。尽管漏诊AMI的影响尚不完全清楚，但一些研究发现，其死亡风险几乎增加了一倍[7]。追踪这些漏诊率可能使医疗提供者能够针对特定患者，政策制定者能够针对特定设施进行改进。此外，能够跨一系列症状和问题追踪漏诊，将有助于公共卫生优先排序工作，以减少误诊并减轻伤害[13]。

本研究旨在通过分析AMI住院前的ED就诊情况，来评估ED中漏诊AMI或其前兆（如不稳定型心绞痛）的频率。我们重点关注在住院一周内因胸痛或心脏疾病就诊的患者，这些患者最有可能错过诊断和干预的机会，而这种干预本可降低其发生AMI的风险。我们使用了来自医疗保健成本与利用项目（HCUP）的管理数据，这是一个涵盖美国超过95%医院住院出院数据的数据库系列[14]。我们估算了总体的漏诊率，并考察了漏诊与患者、ED及医院特征之间的关联。

材料与方法

误诊定义

描述诊断失败的定义和标准各不相同[13]。我们将误诊定义为一种诊断错误；即，被“遗漏、错误或延迟的诊断，并且通过后续的某种确定性测试或发现得以证实”[15]。我们重点关注可能的漏诊AMI，并将因AMI出院诊断而住院作为后续的确定性测试。我们从这些索引住院的时间点向前追溯，寻找那些在近期ED就诊中症状可能被遗漏或误诊的患者。我们没有区分遗漏、错误或延迟的诊断，也没有区分误诊和诊断错误。由于我们没有详细的临床数据，我们无法检查潜在的诊断过程失败、漏诊AMI的可预防性，或诊断程序可能造成的伤害。

研究设计

我们利用关联的住院出院记录和ED就诊记录，进行了一项可能的漏诊AMI的回顾性横断面分析。我们在住院数据中识别出因AMI住院的患者。然后，我们在关联的ED数据中，识别出那些在住院前7天内曾在ED就诊并出院回家的患者。数据准备和分析均符合健康保险流通与责任法案（HIPAA）的隐私规则，如下所述。这是一项使用合成个人标识符的管理数据回顾性研究。本研究不涉及人类受试者，也无需机构审查委员会批准。

数据来源

我们的分析使用了2007年HCUP州住院患者数据库[16]（住院出院记录的人口普查数据）和2007年HCUP州急诊科数据库[17]（医院附属ED就诊但未导致住院的人口普查数据）。导致住院的ED就诊记录在SID中。我们使用州数据组织根据每位患者的个人信息设计的合成个人标识符，将住院和ED环境中的个体进行关联。合成个人标识符可用于跨医院和环境追踪患者，同时满足严格的隐私准则[18]。我们将拥有SID和SEDD数据，以及可靠的加密个人标识符和种族/民族编码的州纳入研究。最终数据来自9个州（亚利桑那州、佛罗里达州、马萨诸塞州、密苏里州、新罕布什尔州、纽约州、南卡罗来纳州、田纳西州和犹他州），涵盖797个ED。

研究人群

我们纳入了111,973名18岁及以上、在2007年2月至12月期间有AMI索引住院记录的患者。我们使用临床分类软件（CCS）来识别AMI住院，该软件将国际疾病分类第九版临床修订版（ICD-9-CM）代码按临床有意义的类别进行分组[19]。我们要求患者的主要诊断（由CCS代码100确定）为AMI。为严格遵循上述“诊断错误”的定义，我们排除了在ED中违反医嘱出院的患者（占所有有先前ED就诊的AMI索引住院的<1%，以及有先前因心脏症状就诊ED的AMI索引住院的13%）。我们还排除了缺少邮政编码级收入信息的患者（占AMI索引住院的2.9%）。

变量

因AMI住院之前的ED就诊，并不一定意味着错过了诊断或治疗的机会。患者的ED诊断可能与后续的AMI无关。为尽量减少此问题，我们重点关注那些因胸痛或心脏疾病就诊于ED、被出院、随后在0至7天内返回医院、并以AMI为主要诊断收入院的患者。如果患者在初次ED就诊时，通过同一家医院的ED被收治入院或转往另一家医院，则不被计入漏诊类别。与先前研究一致[5-9]，并为使AMI与先前症状的关联保持保守，我们设定了ED就诊与住院入院之间的最长间隔为7天。

我们基于先前临床研究中使用的心脏疾病列表，以及对CCS代码的初步检查，制定了我们的心脏疾病列表。使用SEDD中首要诊断的CCS代码，我们识别出AMI住院前ED就诊的诊断。表1列出了在AMI住院前7天内有过ED就诊的患者的ED诊断。这些患者中约有70%被诊断为四种心脏疾病：（1）非特异性胸痛（45.5%）；（2）冠状动脉粥样硬化和其他心脏病（15.4%）；（3）充血性心力衰竭（5.4%）；（4）心律失常（3.3%）。另有15%被诊断为其他下呼吸道疾病（8.9%）或腹痛（6.6%）。所有其他病症占漏诊的<3%。尽管部分因下呼吸道疾病、腹痛和其他诊断的ED就诊可能代表心脏病的非典型表现，但我们将漏诊的定义限制为因上述四种心脏疾病而进行的ED就诊。

作为验证检查，确保我们的误诊构建与报告结果之间的一致性，我们评估了在AMI索引住院前7天窗口内，漏诊和对照患者的时间分布模式。我们假设，被指定为可能漏诊症状的复诊，将集中在ED就诊后的最初几天内。我们预期，被指定为对照症状（即其他下呼吸道疾病、腹痛、食管疾病、晕厥、其他胃肠道疾病、原发性高血压、不适和疲劳、头晕或眩晕相关疾病、或胃炎和十二指肠炎）的复诊，在7天期间内分布更均匀。

我们按年龄、性别、种族和民族（非西班牙裔白人、非西班牙裔黑人、西班牙裔、其他非西班牙裔）以及预期主要付款人（私人保险、医疗保险、医疗补助、其他保险、无保险）对患者进行分类。我们还根据患者邮政编码的中位数家庭收入全国四分位数进行分类。我们使用Elixhauser合并症软件来调整患者合并症[20]。

我们根据最初治疗患者AMI症状的设施来分配医院和ED特征。对于在AMI住院前有ED就诊的患者，我们使用治疗并出院的ED的特征。对于没有先前ED就诊的患者，我们使用收治设施的特征。设施特定特征包括：（1）地区（东北部、中西部、南部、西部）；（2）人口规模（大都市区、小都市区、小城市区、农村地区）；（3）医院所有权（公立、私立非营利、私立营利）；（4）是否有心导管实验室（根据美国医院协会的报告）；（5）设施的教学状态（教学或非教学）。教学设施定义为拥有经美国医学会认可的毕业后医学教育项目、是教学医院委员会成员、或全日制同等实习生和住院医师与床位比率达到0.25或更高。

我们根据ED和住院环境中接诊的患者量来表征医院。为评估容量，我们将其分为三分位数：（1）年度ED就诊总人次，（2）从ED收治住院的患者比例，以及（3）根据美国医院协会报告的年度住院率。

我们还在分析中考虑了就诊特定特征。这些包括：（1）就诊发生在周末或工作日；（2）就诊发生在传统住院医师培训年的上半年（7月至12月）或下半年（1月至6月）；以及（3）就诊当天的相对ED容量。我们将相对ED容量计算为患者就诊当天ED的总就诊人次，除以该年度ED在任何一天的最高就诊人次。

我们根据患者的出院处置，检查了有和没有AMI漏诊患者的死亡率。

统计分析

我们使用SAS（SAS Institute, Inc; Cary, NC, USA）统计软件9.2版进行统计分析。我们使用分层多水平建模[21-23]来检查漏诊的可能性，并调整患者和设施特征。我们使用SAS PROC GLIMMIX拟合了最简单形式的分层模型，其中我们考察了嵌套在ED内的患者就诊。我们还包含了医院固定效应，以控制不可观测的特征，例如ED技术、基础设施、文化、个人偏见以及其他无法在每个ED直接测量的因素。

结果

图1显示了可能漏诊和对照患者的时间分布分析结果。正如假设，漏诊的ED就诊（治疗并出院）集中在因AMI住院前的几天内。相比之下，对照症状的就诊在整个7天期间分布更均匀。

表2显示了ED漏诊患者和在先前7天内没有因胸痛或心脏疾病就诊ED的AMI患者的描述性特征。我们识别出993名漏诊患者（占所有AMI住院的0.9%）。各州估计值范围从0.29%到1.96%。与没有先前因心脏疾病就诊ED的患者相比，漏诊患者更年轻；更可能是黑人；更不可能是西班牙裔；更可能拥有私人保险、医疗补助或无保险；更可能居住在家庭收入最低的地区；并且在医院死亡的可能性更低。在合并症方面，有和没有漏诊的患者之间存在15项显著差异；其中，13种合并症在未漏诊患者中更常见。此外，大多数漏诊患者是在非教学医院就诊，并访问了没有心导管能力的ED。

表3显示了来自分层漏诊模型的估计值、比值比（OR）和p值。与较年轻患者相比，较年长患者的漏诊几率较低（45-64岁，OR=0.70，p=0.001；65-74岁，OR=0.61，p<0.001；75岁以上，OR=0.49，p<0.0001）。与白人患者相比，黑人患者（OR=1.31，p=0.025）和被识别为其他种族或民族的患者（OR=1.45，p<0.005）漏诊几率更高。与私人保险患者相比，医疗保险覆盖的患者漏诊几率低20%（OR=0.80，p=0.04）。然而，当控制其他人口统计学和临床条件时，漏诊与预期付款人（医疗保险除外）、家庭收入和大多数合并症特征之间的关联不显著。

漏诊的几率也随设施和就诊特征而变化。中西部地区的医院漏诊几率是东北部地区的两倍以上（OR=2.17，p=0.0003）。与大型人口中心的医院相比，居民在10,000至50,000人之间的地区（OR=1.97，p<0.0001）和居民少于10,000人的地区（OR=1.86，p=0.0002）的医院漏诊几率更高。配备心导管实验室的设施漏诊几率降低约80%（OR=0.19，p<0.0001）。教学医院的漏诊几率低于非教学医院（OR=0.60，p=0.0002）。从ED收治患者比例较高的医院，其漏诊几率比ED收治率较低的医院低约85%（最高类别，OR=0.15，p<0.0001）。住院率高的医院（OR=0.63，p<0.0001）比住院率低的医院漏诊几率低。1月至6月的ED就诊漏诊几率低于7月至12月的就诊（OR=0.69，p<0.0001）。

讨论

我们回顾性评估了因胸痛或心脏疾病就诊于ED，并在1周内住院确诊AMI的患者，即那些在ED中可能被漏诊的患者。我们的研究表明，AMI漏诊的总体率为0.9%。该比率低于近几十年来报道的2%的比率[6-8]，也远低于早期在美国6家医院估计的3.8%[5]和在一家以色列医院估计的7.7%[24]。差异可能反映了心脏护理随时间的进展或研究方法的差异。我们采用了保守的方法，仅将少数症状视为疑似误诊，而未计算其他症状（如食管疾病、腹痛）的患者。其中一些未计算的患者可能确实有漏诊的AMI。此外，我们的研究只能计算随后在7天内因AMI住院的患者。因此，我们会遗漏那些未寻求进一步医疗护理、超过7天后才寻求护理、在另一州寻求护理或在家中死于AMI的患者。漏诊患者的住院死亡率较低，这可能意味着漏诊患者的疾病范围较未漏诊者更轻。尽管使用前瞻性临床数据的先前研究可以在上一段的基础上，继续翻译后文。

追踪和识别所有患者中的AMI，但HCUP数据中包含的患者总数相对有限。因此，我们关于人口统计学和设施特征的亚组分析结果要稳健得多。

年轻患者和黑人患者比年长患者和白人患者更容易漏诊。这些发现与之前的研究一致，表明患者的人口统计学特征会影响诊断[13]和治疗[25]。黑人患者患冠心病的风险更高[26, 27]，这应该会提高对心脏症状的警惕。然而，这些患者更可能出现非典型症状，这可能增加漏诊的几率。年轻患者可能因为被认为不太可能患有AMI而被漏诊，这类似于年轻中风患者的漏诊情况[13]。这些发现强调了对临床医生进行教育的重要性，以使其更好地照护那些AMI基线患病率较低且症状不典型的患者。

居民少于50,000人的地区医院，其漏诊几率高于较大人口中心的医院。较小地区的资源，包括医务人员和现代技术，更为有限[28]，这可能会影响诊断准确性。例如，配备心导管设施的医院漏诊几率较低。此外，教学医院发生漏诊的可能性较小。教学医院可能更容易接触到心脏病专家和有助于准确检测AMI的诊断测试，而且医学生和住院医师可能会鼓励应用循证算法和临床决策支持软件。还应注意，1月至6月（对应传统住院医师培训年的下半年）的漏诊发生率低于7月至12月。有必要进一步调查住院医师ED轮转时间与漏诊之间的相互作用。另一种解释可能是7月至12月期间夏冬假期较多，这可能会削弱ED的效能。

在我们的分析中，我们没有发现像先前报道的那样，就诊量大的ED漏诊更少[9]。然而，从ED收治入院比例较高和住院率较高的医院，漏诊的可能性较小。这些发现可能是同义反复——因为更多胸痛患者从ED被收治入院，所以漏诊更少。或者，这可能表明，那些面向急诊护理而非择期和医生办公室直接收治的繁忙医院，在ED发生漏诊的可能性较小。

意义

尽管诊断错误——包括遗漏、错误或延迟的诊断——很常见[12]，并且可能对患者造成毁灭性的和高昂的代价[13]，但它们从患者安全界得到的关注和研究相对较少[15, 29–31]。急诊科观察的快速节奏和短暂持续时间可能使患者特别容易受到诊断错误的影响。ED中的漏诊通常会导致额外的急性护理服务、重复检测、适当治疗的延迟、死亡率增加[32, 33]，以及在医疗事故诉讼中追回的金额比任何其他医疗错误都要多[34–37]。

先前大量关于漏诊的研究都集中在临床推理和提供者相关的因果因素上。诊断错误的促成因素包括提供者知识或记忆的差距（例如，回忆类似病例的能力）、判断失误、疲劳、转诊选择不当、病史采集不完整、实验室检查结果误读以及提供者过度自信[36, 38–42]。减少诊断错误可能性的认知干预[43]和系统相关干预[44]也已被研究过。

由于识别和分析漏诊的复杂性，它们并未被定期监测，需要新的方法来检测和追踪这些事件[15, 45]。可能无法完全消除所有漏诊[46]；然而，跨ED衡量和监测其发生率，可以帮助管理者确定可接受的漏诊率范围，并为发生率极端的设施提供针对性培训。关于不同人群中漏诊差异的知识，应有助于医疗团队识别最易发生这些事件的患者。先前的工作表明，医院管理数据可用于识别ED中中风漏诊[13]。本研究证明，AMI前ED漏诊率也可以使用医院数据计算出来。这种方法可能被证明适用于跨症状（至少对于急性疾病），这可能导致创建漏诊仪表板，并优先处理风险最大的临床症状、疾病或人群。

根据我们的发现，位于人口较少地区的、没有心导管设施的非教学医院，可能会从追踪AMI前漏诊率中受益。如果结果较高，这些医院可能希望审查其诊断方案，包括标准化分诊、连续心电图（ECG）和肌钙蛋白检测[47]。已知有助于ECG解读的工具能有效改善评估并可能减少错误[48]。没有心脏病专家的设施可以考虑通过远程医疗链接获取专家帮助，以辅助诊断和治疗[49]。此外，努力减少出现心脏症状的患者违反医嘱离开急诊科的情况，可能有助于改善AMI的诊断。

本研究存在局限性。首先，我们使用了横断面分析，这只能确定关联，而不能确定因果关系。我们也缺乏详细的临床数据，因此我们的一些漏诊病例可能是巧合。其次，管理数据无法揭示临床细节。我们使用ICD代码作为出现症状的替代指标，这可能导致一些编码错误或分类错误，尽管三分之二的漏诊病例在初次就诊时被编码为非特异性胸痛。此外，一些可能有用的数据，如ED分诊等级，在研究数据中不可用，并且ED记录中次要诊断的报告也有限。第三，回顾性方法无法考虑失访的患者（包括那些从ED出院后死亡的患者），这会低估可能漏诊的数量。此外，住院入院并不一定意味着做出了正确诊断。一些在ED中被漏诊的AMI患者，可能因错误诊断而被收治入院，这会低估我们在ED中的漏诊率。相反，对于症状加剧的患者，计划内的回院再入院会高估本研究中的漏诊率。第四，我们关注的是可用的医院和ED措施；人员配置和工作流程措施将提供更全面的分析。尽管如此，本模型中采用的固定效应调整了与医院环境、文化和人员相关的不可观测因素。最后，本研究基于9个州的数据，不能推广到所有州。尽管存在这些局限性，本研究仍然是迄今为止与AMI相关漏诊的最大规模研究，涵盖了近112,000名患者和797家医院。

结论

漏诊是复杂、代价高昂、被低估且难以发现的。需要提高对这些事件的识别。我们的结果强化了先前的发现，即在患者出现心脏症状的ED就诊中，有少数比例会漏诊AMI。结果表明，漏诊的可能性与患者因素和ED因素都有关，特别是患者的年龄和种族，以及设施检测AMI的资源。

我们还证明，使用关联的ED和住院管理数据来评估漏诊是可行的。与先前依赖更昂贵方法提取临床信息的方法相比，该方法允许在更广泛的设施和地理区域内检查漏诊。本研究的结果支持采用跨住院和ED环境的系统性方法来理解漏诊发生的地点。未来工作应检查人员配置和工作流程对ED漏诊的作用，并随着新诊断技术的开发和采用，研究漏诊随时间的发展趋势。

【全文结束】