摘要
心力衰竭（HF）是全球主要的公共卫生挑战，其特征是高发病率、死亡率以及频繁再住院。尽管指南指导的药物治疗（GDMTs）不断发展，HF的疾病负担仍在增加，这要求转向综合性的多学科护理模式。心力衰竭疾病管理项目（HF-DMPs）通过整合循证医疗、患者教育、远程监测和社会决定因素支持，形成了优化预后的结构化框架。本文概述了HF-DMPs的关键要素，包括患者识别与风险分层、药物优化、团队护理、过渡期随访、远程监测、绩效指标和社会支持系统。通过引入人工智能、药师主导的滴定治疗和社区健康工作者支持，HF-DMPs成为可扩展的护理模式。项目的成功取决于个性化干预、跨学科协作和健康公平导向的策略。
关键词：心力衰竭；疾病管理项目；指南指导药物治疗；患者教育；多学科护理；健康公平；远程监测；心力衰竭再住院
1. 引言
心力衰竭（HF）仍是全球致病和致死的主要原因。美国约有670万20岁以上患者，预计2030年将增至870万人。2021年HF死亡率占美国心血管死亡的45%。除临床影响外，HF每年给美国医疗系统带来约307亿美元的经济损失，其中80%来自住院费用。反复住院不仅导致生产力丧失和生活质量下降，还使医院面临医疗保险和医疗补助服务中心（CMS）的经济处罚。
尽管指南指导的药物治疗（GDMTs）不断进展，HF的发病率和死亡率仍持续上升。其管理需要复杂的多学科协作，但住院与门诊护理的衔接不足使其成为日益严重的健康与经济负担。新型管理模式旨在整合社会决定因素（SDoH）的综合护理方法，通过患者及家属教育、协调的随访和检查，提升患者对疾病的认识并改善预后。HF-DMPs的成功效果因医疗系统和目标人群差异而异，本文旨在阐述HF-DMP的开发流程及其核心要素和预期成果（图1）。
2. 患者识别与风险分层
患者风险分层对早期干预以预防不良结局和减少医疗资源利用至关重要。电子健康记录（EHRs）通过分析常规临床数据识别高风险患者，生物标志物如NT-proBNP水平超过125 pg/mL时，HF风险增加2.4倍。序列超声心动图监测左心室功能和左心房结构可提升风险分层准确性。MAGGIC评分预测慢性HF患者的长期死亡率，LACE指数评估30天再住院和死亡风险。尽管这些工具提供有效分层，但静态数据输入限制了其对动态临床变化的捕捉能力。
风险分层工具（如LACE指数、西雅图HF模型）通过电子健康记录嵌入，在关键过渡点（如出院、急诊）指导护理强度。例如高风险患者出院后72小时内安排门诊随访，低风险患者进行标准随访。远程监测技术虽能提供连续生理数据，但早期算法存在高假阳性率，而侵入性设备因成本和并发症限制应用。
人工智能（AI）和机器学习（ML）技术通过分析复杂数据集生成高精度预测模型，显著提升诊断准确性。AI对心电图（ECG）图像的分析可实现高达90%的灵敏度和特异性。一项AI模型预测30天再住院的AUC值达0.61-0.79，优于传统风险评分。最新AI-ECG模型显示阳性结果使新发HF风险升高24倍，该模型还可识别已知HF的高危患者。
3. GDMT实施与滴定
GDMT是射血分数降低型心力衰竭（HFrEF）护理的基础，包括：
- 血管紧张素受体-脑啡肽酶抑制剂（ARNIs）：沙库巴曲/缬沙坦
- β受体阻滞剂（卡维地洛、美托洛尔）
- 盐皮质激素受体拮抗剂（MRAs）
- SGLT2抑制剂：达格列净、恩格列净
尽管GDMT证据充分，现实世界中仍有超过60%患者未接受目标剂量。药剂师主导的滴定诊所通过系统识别未优化患者并实施标准化方案，将达标剂量比例提升35%以上，减少用药错误并改善患者教育。
4. 多学科团队护理
多学科团队是HF-DMPs的核心，涵盖心内科医生、执业护士、临床药师、营养师、社会工作者等。研究表明多学科团队可降低30-40%的再住院率和25%的死亡率。定期团队会议审查进展，制定个性化策略。护理协调员整合专科护理，确保复杂病例获得综合决策支持。
5. 患者教育与自我管理
患者教育包括钠摄入限制（每日1500-3000mg）、液体管理（每日1.5-2升）、每日体重监测（24小时增重2-3磅提示水肿）。症状识别（呼吸困难、体重变化）和用药调整是关键。"教学反述"法通过患者复述确认理解，调查显示该方法可提升慢性病患者知识掌握度。结构化教育模块提供低文字阅读水平的视觉化材料，适配不同健康素养患者。
6. 过渡护理与出院后随访
HF-DMPs确保患者出院前安排门诊随访，并通过"床旁送药"项目保障药物获取。心衰护士导航员在3日内进行电话随访确认用药，高危患者可进行每周随访。门诊输液中心提供静脉利尿治疗，每周1-2次，监测电解质平衡。
7. 远程监测与远程医疗
2023年荟萃分析显示，远程监测降低16%全因死亡率和19%首次HF住院率。TIM-HF2试验显示每日监测体重、血压、ECG等指标可显著减少心血管住院天数。侵入性监测设备（如CardioMEMS）通过肺动脉压监测，使中重度HF患者住院率降低30%。远程监测需根据疾病严重程度分层实施，2024年AHA建议确保患者可访问健康数据以提升依从性。
8. 绩效指标与质量改进
绩效指标分为过程、结果和结构三类：
- 过程指标：左室射血分数评估、GDMT处方
- 结果指标：30天再住院率、患者自报告结局
- 结构指标：多学科团队配置、先进治疗获取
挑战在于数据收集负担和安全网医院的不公平处罚。数字化工具和患者报告结果（PROMs）的应用有助于更准确反映护理质量。
9. 社会决定因素
1年内心衰再住院率高达50%，与医疗可及性、贫困、健康素养等因素密切相关。DMPs通过跨学科协作筛查患者差异，使用AHC健康相关社会需求筛查工具评估居住、饮食、交通等12个领域。社区健康工作者协助药物费用减免申请，饮食师提供文化适配的低钠食谱，护士使用非医学语言解释健康信息。
10. 挑战与局限
HF-DMPs的可扩展性受资源限制，农村地区患者面临数字鸿沟。65岁以上HF患者中仅61%熟悉数字技术，种族差异更显著。人工智能和植入式设备的应用需整合电子健康系统和患者参与。
11. 结论
HF-DMPs通过标准化流程显著改善患者结局，未来需加强数字健康工具和公平性策略以缩小护理差距。
12. 未来方向
- 人工智能整合：开发实时风险预测模型
- 虚拟护理扩展：增强农村地区远程监测
- 公平性定制：解决社会需求差异
- 以结果为导向的研究：评估长期影响
- 全国基准：建立标准化比较体系
- 农村健康聚焦：投资基础设施和文化敏感教育
【全文结束】
