新研究表明药物依从性工具是世界上第一个预测2型糖尿病患者入院和再入院的工具
由伦敦金斯顿大学和医疗保健技术公司 Observia 开发的一种开创性行为诊断工具可帮助患者按规定服药，这是世界上第一个能够准确预测 2 型糖尿病患者入院和再入院情况的整体模型。新的研究。
开发 SPUR 工具是为了帮助更好地理解药物不依从性的原因，药物依从性定义为患者不按规定服药的程度。根据英国国际长寿中心的一份报告，世界卫生组织在 2003 年将不依从性确定为一个全球性问题，每年为此花费近 3000 亿美元，欧洲部分地区每年花费 12.5 亿欧元。
这突出表明，除了对患者健康的影响(患者可能无法从治疗中获得所有预期益处)之外，不依从性对全世界的医疗保健系统具有重大的经济影响。这些费用来自更高的住院率、再入院率和住院时间的增加。
SPUR 模型创建于 2017 年，现已通过发表在《患者偏好与依从性杂志》(Patient Preference and Adherence Journal) 上的一项新观察性研究发现，它是世界上第一个准确预测入院率和提前再入院率的整体模型。
对金斯顿医院招募的 200 名 2 型糖尿病患者进行测试，研究负责人金斯顿大学博士候选人 Josh Wells、首席研究员兼金斯顿药学系主任 Reem Kayyali 教授和医疗统计学家 Chao Wang 博士发现 SPUR 可以预测患者的不依从风险和还提供有关患者行为的上下文信息，以解释该风险的原因。
接受测试的人年龄、种族和性别各不相同，服用的药物数量也不同，收入和医疗条件也各不相同，包括 Covid-19 诊断。SPUR 评分较高(依从性提高)的患者入院次数明显减少，并且提前再入院的可能性要小得多，提前入院的定义是在上次出院后 30 天内入院。
虽然与入院相关联的药物依从性模型数量有限，但 SPUR 是世界上第一个可以预测住院患者入院和提前再入院的整体行为模型，Wells 先生很高兴能参与其中。
“这不仅会在患者的护理和用药经验方面为患者带来好处，还会为 NHS 信托和其他可能在常规护理中采用 SPUR 模式的护理服务带来与减少伤害相关的健康经济效益，”他说。
版权声明：本文由用户上传，如有侵权请联系删除！