基于移动健康的房颤综合护理的成本-效果:模型开发和数据分析

简介

心房颤动(AF)是最常见的心律失常。在欧洲和北美国家，约2%的人口受房颤影响，不同地区的患病率从0.1%至7.2%不等[1，2］．中国房颤的患病率低于西方国家，35岁以上成年人的患病率为0.71% [3.］．然而，患病率高于十年前的报道(30岁以上人群为0.65%)，这可能是由于认识不高和治疗差距巨大[3.-6］．根据最近的一项全国性调查，中国房颤患者估计有790万[5］．对于55岁以上的成年人，一生中发生房颤的风险约为1 / 5.3 [7］．在人口不断增长和老龄化的推动下，预计患病率在未来30年至少会翻一番[8］．

房颤患病率的增加与医疗保健利用率和医疗保健支出的增加有关。中风是最常见的后续结局，房颤患者中风的风险增加了5倍[9］．中风相关治疗费用高昂，在中国每位患者的住院费用为3000至1万美元[10］．伴有房颤的中风患者更有可能有合并症，他们的中风相关费用比没有房颤的中风患者高出20% [11，12］．中风预防、共病的积极管理和生活方式的改变是房颤护理的重要优先事项。因此，房颤Better Care (ABC)途径，一种整体和综合的方法，被提出来监测抗凝治疗和管理房颤患者的心血管风险[13］．

在心房颤动动脉粥样硬化试验中发现采用ABC途径可有效减少临床不良事件和相关的医疗费用[14］．另一项将ABC途径应用于移动医疗(mHealth)环境的研究也支持房颤综合护理的有利有效性[15］．在这项研究中，1261名接受移动健康技术支持的护理的受试者接受了1年多的随访，与接受常规护理的同行相比，他们的复合结果“缺血性中风(IS)/全身血栓栓塞、死亡和再住院”的风险较低。基于移动健康的护理已被证明在管理糖尿病、高血压和心力衰竭方面具有成本效益;然而，移动医疗对房颤患者的健康经济影响仍然未知[16-18］．

马尔可夫模型是一个完善的分析框架，通过使用互斥的疾病状态来表示所有可能的后果，对卫生保健干预措施进行经济评估。本研究的目的是通过马尔科夫模型进行成本-效果分析，以检验中国房颤患者基于医疗保健的综合护理的临床和健康经济结果。

方法

模型结构

本文从中国公共医疗机构的角度出发，建立了一个马尔可夫模型，以评估整合ABC途径的房颤患者基于医疗保健的成本效益(图1)．该模型的周期长度为以30年为周期的每月周期，以估计长期影响。基线模型人群包括平均年龄为68岁和中位CHA的房颤患者₂DS₂-VASc(充血性心力衰竭，高血压，年龄≥75岁[翻倍]，糖尿病，中风/短暂性缺血发作/血栓栓塞[翻倍]，血管疾病[既往心肌梗死，外周动脉疾病，或主动脉斑块]，年龄65岁，性别类别[女性])评分3分[15］．患者特征来源于移动心房颤动App (mAFA)-II试验，这是一项聚类随机试验，研究了中国首个基于移动健康技术的基于ABC途径跟踪房颤患者的项目。在将一组假设的房颤患者纳入模型后，mAFA-II试验的临床疗效作为关键模型输入。模型结构改编自Shah等人发表的研究[19]，其中使用本研究中采用的与中风相关的相似事件，开发了一个马尔可夫模型来模拟房颤患者的预后。具体而言，研究的策略是基于医疗保健的房颤患者护理和常规护理。结局衡量指标是直接医疗成本、质量调整生命年(QALYs)和增量成本-效果比(ICER)。

该模型由以下马尔可夫状态组成:良好的房颤，轻微和严重的IS，轻微和严重的颅内出血(ICH)， IS和ICH，死亡，暂时的健康状态为胃肠道出血(GIB)。无论是基于移动健康的护理还是常规护理，所有患者都以良好的健康状态进入模型，并在下一个周期过渡到另一个健康状态。IS和ICH的事件可能有两种类型:轻微和严重。一旦发生ICH或GIB，患者将停止抗凝治疗，在剩余的生命年中改用阿司匹林。中风后，患者可能会经历复发性事件。它们可能会保持相同的健康状态，或进入“IS和ICH”的健康状态。与Shah等人一致[19]，我们假设患者会在两次轻微的神经系统事件后发展到相应的重大事件，而两次重大事件将导致死亡。无论处于何种状态，病人都可能走向死亡。接受基于移动医疗的护理的患者可能不会坚持使用移动技术，并将接受与常规护理患者相同的干预。一旦事件发生，这些患者将在下一个周期再次接受基于健康的医疗护理。

接受常规治疗的病人会按照中国脑卒中协会的指引接受治疗[20.］．基于医疗保健的患者将接受基于ABC途径的综合管理。ABC途径组件包括抗凝治疗避免中风(A)、更好的症状管理(B)和心血管风险和共病管理(C)。具体来说，分配到基于移动健康的护理的患者将安装一个通过互联网连接到当地公立医院的移动应用程序。通过抗凝治疗避免卒中(A)，可以将医院检测的实验室结果(如国际标准化比值、肾/肝功能)上传至手机app。经过验证的算法经医生确认后，可为患者提供抗凝监测、出血风险评估、指南剂量调整等数据。为了更好地管理症状(B)，患者将收到一个与移动应用程序连接的光电容积描记智能设备。患者可以通过内置的通信功能将心律监测数据与头痛、胸痛等其他症状一起发送给随叫随到的医生。有关速度或节奏控制的建议会及时提出。一旦患者病情恶化，管理将升级为住院治疗。对于心血管风险和共病管理(C)，患者的共病(如血压)将被监测，治疗优化为血压<140/85 mmHg。生活方式的建议也可以通过教育文章、视频和移动应用程序中的游戏来提供。

‎ 查看此图

临床概率

所有模型输入都列在表1。临床输入检索自已发表的英文报告，这些报告是从Medline在2000-2021年期间的文献搜索中确定的。中国人群的流行病学或疾病负担、随机临床试验和荟萃分析是临床模型输入的首选来源。

常规护理房颤后临床事件(IS、ICH和GIB)的概率、基于移动健康的护理(相对于常规护理)的有效性(以风险比衡量)以及移动健康支持的依从性均来自mAFA-II试验(N=2473例患者)[15］．在试验中，通过移动应用程序进行的基于ABC途径的整体和综合护理的结构化方案与房颤患者的常规护理进行了比较。使用方程p= 1-e将常规护理组的IS(4.12%)、ICH(0.41%)和GIB(0.58%)的18个月发病率转换为每月概率(分别为0.244%、0.024%和0.034%)^rt(其中p为概率，r为事件速率，t为周期长度)来自马尔可夫模型的实用指南[21］．风险比(以医疗保健为基础的护理与常规护理)为0.11 (95% CI 0.05-0.27，PIS <.001)， 0.37 (95% CI 0.20-0.70，P=.002)的GIB [15］．在1年的随访中，以健康为基础的护理组未出现ICH事件。考虑到长期实践的可行性，假设基础案例中基于健康的医疗对脑出血发病率的变化为0.5，范围为0-1。根据2013年《技术评估方法指南》的建议，通过移动健康技术管理的患者中IS、ICH和GIB的发病率近似于常规护理中的发病率和相应的风险比[22］．根据一项比较五种口服抗凝剂预防中风效果的研究，轻微、严重和致命IS/ICH的比例分别为51.6%/49.5%、40.2%/14.1%和8.2%/36.4% [19］．复发率和事件类型(ICH或IS)的比例来自一项为期9年的基于社区的研究，该研究评估了50万中国成年人首次卒中后的复发事件[23］．据报道，IS的5年复发率为41% (91% IS和9% ICH)， ICH为44% (44% IS和56% ICH)。用方程p= 1-e^rt， IS的月概率近似为0.68%，ICH为0.73% [22］．按年龄划分的死亡率来自中国进行的一项全国性调查[24］．死亡的相对风险(有与没有GIB)为3.5，范围为2.8至4.2 [25］．GIB的死亡率采用年龄特异性死亡率和相对风险计算[22］．一项基于人群的前瞻性研究发现，中国老年人(≥60岁)房颤全因死亡风险增加，风险比为1.87 (95% CI 1.09-3.20)。P= .02点)(26］．房颤的死亡率由风险比和年龄特异性死亡率估计[22］．

效用和效用调整

将基于文献的效用分配给每个健康状态以计算qaly (表1) [19］．严重或轻微的神经事件与永久性负效用相关。GIB应用临时负效用，持续时间为14天。预期的qaly由每个州的公用事业和所花费的时间来估计。根据《技术评估方法指南2013》的建议，获得的优质aly按每年3.5%折现[22］．

资源使用及成本

所有费用均从中国公共卫生保健提供者的角度考虑，仅包括直接医疗费用(表1)．所有成本输入都是从公开数据中检索的。假设(如有必要)是在与当地专家协商后作出的，这被认为是决策分析建模的合法信息来源[30.］．IS(轻微或严重)、ICH(轻微或严重)和GIB的事件费用是根据中国房颤患者血栓栓塞和出血的住院直接费用估算的，这些费用来自7家有代表性的三级转诊医院和3家二级护理医院[10］．全因死亡成本近似为事件相关成本的平均值。用药费用由Menet数据库中抗凝药物的使用频率和中位费用估算[27］．由于事件后随访费用的数据有限，根据当地心脏病专家的建议，假设费用为事件费用的1/10。现场实施的一次性费用，包括腕带式无线光容量描记仪，是根据智能手机心脏衰竭系统的报告成本估算的[28］．我们假设负责临床的医生每个月花1个小时监测一个病人。订购基于移动健康的服务的每月费用是根据医生的小时费率和使用该服务的时间估算的[29］．所有费用均根据《技术评估方法指南2013》的建议调整至2021年，年折扣率为3.5% [22］．

分析方法

所有模型参数均用于生成队列模型。通过将估计的事件发生率与mAFA-II试验中报告的结果进行比较，并将中国老年房颤患者的模拟5年生存率与报告的结果进行比较，进行了模型验证[31］．每个比较国的直接医疗费用和质量生活津贴是在30年的时间范围内计算的。对icer进行估计，并与支付意愿(WTP)阈值进行比较。根据世界卫生组织的建议[32］．人均国内生产总值11,146美元(1美元= 6.5元人民币);因此，WTP阈值为每个QALY 33,438美元[33］．

进行单向敏感性分析以评估基本情况结果的稳健性。文献可查范围采用(表1)．另外，使用基准值的±20%来检验参数对ICER的影响。参数不确定性通过使用10,000个蒙特卡罗模拟来确定，通过从每个指定分布中随机抽取同时改变所有输入。概率敏感性分析的结果在散点图中以增量成本对增量qaly的形式表示。每种策略的首选概率是在每个QALY超过0-50,000美元的成本-效益可接受度曲线中确定的。所有分析均使用Excel 2016软件(微软公司)进行。

结果

模型验证

为了检验模型的预测有效性，将常规护理和基于健康的护理中的模拟事件率(IS、ICH和GIB)与mAFA-II试验中报告的结果进行比较[15］．如表2，与mAFA-II试验报告的数据相比，两组的所有模拟事件的相对差异均在10%以内。由该模型确定的模拟5年生存率(73.5%)也与报道的中国老年房颤(CHA)人群的5年生存率(68.9%)进行了比较₂DS₂-VASc评分为3)，相对差异为6.67% [31］．

基本情况分析

在30年的时间范围内，基于健康的护理和常规护理的总费用分别为35,691美元和34,601美元。基于医疗保健的护理的预期QALY增长为7.2749，常规护理的预期QALY增长为7.2019。与常规护理相比，基于移动健康的护理额外获得0.0730个质量生命年，实际费用为1090美元。ICER为每个QALY 14,936美元，低于每QALY 33,438美元的WTP门槛。这些结果表明，在基本病例分析中，以移动健康为基础的护理是一种具有成本效益的策略。

敏感性分析

在整个单向变化过程中，基于健康的医疗保健的icer均低于WTP阈值。没有找到具有阈值的参数(图2)．分析显示，模型结果对以健康为基础的护理依从性、主要IS后的每月随访费用、主要IS后的效用、IS后复发IS的比例、全因死亡率(房颤vs无房颤)的危险比和房颤的效用最为敏感。由于以健康为基础的护理依从性对ICER的影响最为显著，因此进行了扩展的单向敏感性分析。一旦符合移动技术的概率超过99%，与常规护理相比，基于移动健康的护理是一种节省成本的选择，并获得qaly。

增量成本与基于医疗保健的护理所获得的增量qaly的蒙托卡罗模拟显示在图3。以健康为基础的医疗保健获得了0.0842的平均qaly (95% CI 0.0832-0.0851，P<.001)，平均额外成本为1053美元(95% CI US $1033-1073，P<措施)。在10,000次迭代中，基于医疗保健的护理以更高的成本获得更高的qaly, ICER在89.44%的时间内低于WTP阈值。以医疗为基础的护理在qaly收益中有效并节省成本的概率为2.89%。

的可接受曲线显示了每一个比较国被认为具有成本效益的可能性图4。以医疗保健为基础的护理和常规护理具有相同的成本效益概率(50%)，在每个QALY的WTP阈值为10,699美元。在WTP阈值为每个QALY 33,438美元时，基于医疗保健的护理在92.33%的时间内被认为具有成本效益。

‎ 查看此图

‎ 查看此图

‎ 查看此图

讨论

主要结果

这是首个检验基于移动健康的综合护理使用ABC途径管理房颤患者的成本效益分析。与常规护理相比，中国公共医疗服务提供者基于移动健康的护理具有成本效益，ICER(14,936美元/ QALY)低于WTP阈值(33,438美元/ QALY)。在单向敏感性分析中没有发现随阈值变化ICER的参数，表明基准情况结果的鲁棒性。在概率敏感性分析中，在整个WTP阈值变化过程中，首选基于移动健康的护理的概率较高，这进一步支持了通过移动健康技术管理房颤患者的成本效益应用。据我们所知，以前没有进行过成本效益分析，以检查房颤诊断后移动健康技术在护理中的应用，尽管已经进行过用于筛查的分析[34］．我们的发现与之前调查其他心血管疾病移动健康工具的成本效益分析的结果一致，表明使用移动健康支持系统具有成本效益[16-18］．与其他数字健康技术类似，基于移动健康的房颤护理对qaly的微小改善可能是由生存的微小估计增益所驱动，并反映了这些技术对死亡率的间接影响。

最近一项基于社区的多中心研究调查了未治疗房颤的患病率，发现在中国城市存在明显的治疗差距。只有20.3%(28/138)符合指南推荐抗凝治疗的房颤患者开始了治疗[6］．房颤治疗不足的原因是患者更喜欢去当地社区中心而不是专科诊所，社区卫生中心医生缺乏循证管理知识(只开抗血小板药物和中药)，以及专家对房颤指南的遵守程度低。中国农村地区的情况可能更糟，因为农村居民的意识低于城市地区[6］．为了优化房颤患者的管理，中国启动了一个采用ABC途径的移动技术支持项目[15，35］．该方案包括指南坚持推荐和监测抗凝剂，以患者为中心的症状导向的决定率或节律控制，和共病管理。结果显示，基于移动健康的护理与改善患者预后相关:更好的心率/心律控制;增加抗凝剂的使用;降低IS/全身血栓栓塞、死亡和再住院的综合结局。

随着中国人口老龄化，疾病负担向慢性非传染性疾病转移。中国政府正在积极寻求减少慢性病医疗支出的途径。以具成本效益的方式提供优质医疗服务是主要方向[36］．在这种情况下，移动健康应用程序为提高护理质量提供了独特的机会，同时通过将主动的患者监测外包给临床验证的算法来降低护理成本，为患者提供早期诊断和干预，并为临床医生节省更多紧急病例的时间。由于缺乏经济证据，移动技术的创新使用尚未充分融入卫生保健系统。因此，对基于医疗的医疗保健进行成本效益评估是在中国考虑这项新技术的必要过程。我们的研究表明，从中国公共卫生保健提供者的角度来看，使用移动技术来简化和整合房颤患者的护理可能具有成本效益。最近的一项研究表明，在COVID-19大流行和中国越来越多地使用互联网医疗服务的背景下，患者在寻求常规护理方面存在问题[37，38］．在这方面，基于互联网的具有成本效益的干预措施，如针对房颤患者的基于移动健康的护理，应被视为慢性疾病常规护理的一部分。

基于移动健康的护理比传统护理更多地涉及患者的参与。患者的依从性和持久性是推进这些新技术的重大障碍和挑战[39］．只有在实现高遵从性时，才会实现移动医疗技术的好处。提高患者依从性的关键因素包括用户培训、积极的人力支持和远程医疗实施方式[40］．为了检验结果的依从性，进行了扩展的单向敏感性分析，将参数从0%-100%(基准值70.8%)变化。一旦达到完全依从性(≥99%)，以健康为基础的护理将是一种节省成本的选择，并增加质量aly。依从性是不同医疗保健系统之间不可转移的参数。在将移动健康支持纳入房颤护理之前，应在试点研究中评估当地患者接受和坚持这项技术的意愿。

限制

在解释该模型的结果时，应考虑以下局限性。首先，该模型是基于一项集群随机临床试验(mAFA-II试验)开发的，该试验研究了被诊断为房颤的成年人群，随访了1年多。模型人群采用基线特征[15］．在试验中，干预组由1261名受试者组成(平均年龄67岁，CHA中位数₂DS₂-VASc评分3分，34.1%女性)和1212名受试者(平均年龄70岁，CHA中位数₂DS₂-VASc得分3分，42.1%女性)。一项来自中国7个地理区域的47,841名成年人(≥45岁)的社区调查显示了确诊房颤患者的特征(平均年龄67.6岁，CHA₂DS₂-男性vasc评分2.13;平均年龄66.6岁₂DS₂-女性vasc评分为3.08)，表明中国房颤患者与模型人群相似[5］．然而，在mAFA-II试验中发现的女性比社区调查中报告的要少(54.7%)。这可能是由于在房颤筛查阶段纳入了更多的男性、年轻受试者，这限制了结果的泛化性[15］．

其次，有效性估计值，包括概率和风险比，都是从远短于生命期的随访中近似得出的，并用于检查移动医疗技术的长期影响。为了检验模型的预测有效性，将模拟事件与试验中报告的发病率进行了比较，并将5年生存率与中国老年房颤患者的5年生存率进行了比较。模型开发、数据转换和近似遵循马尔可夫模型实用指南和技术评估方法指南2013 [21，22］．该模型在模拟率和报告率之间具有可接受的差异，证明了准确性。本模型中产生的较高的5年生存率可能是由于与队列研究中的患者特征相比，模型人群年龄较小，合并症较少[31］．为了更精确地估计整个生命周期的成本效益，一项调查基于医疗保健的长期有效性的临床试验是非常必要的。

第三，这是一个基于模型的健康经济评估，使用来自多个来源的模型输入，这些来源的患者特征与模型人群相似。然而，数据的可用性在一定程度上限制了数据检索和结果的可泛化性，仅适用于中国具有不同地区患者特征的大量人群。使用报告的范围或基准值的20%，在单向和概率敏感性分析中考虑了这种变化。在单向敏感性分析中没有发现阈值，在概率敏感性分析中具有很强的成本效益可能性，支持了结果的适用性。未来的研究应调查在随机临床试验中使用移动健康技术治疗房颤，考虑到患者特征的地理差异、亚组的识别和当地实施的限制，以及基于试验的经济评估，评估移动健康工具的增量成本效益。

第四，根据数据的可用性，从多个来源检索成本输入，包括由于数据有限，专家对每月活动后随访成本的意见。没有确定的成本投入阈值表明基本情况结果的稳健性。未来的研究有必要调查中国脑卒中患者的事后随访费用。

结论

本研究通过基于模型的健康经济评估评估了应用基于移动健康的房颤综合护理的预期成本效益。这一探索表明，在中国使用移动健康应用程序通过ABC途径简化和整合房颤护理具有潜在的成本效益。未来的经济评估和随机临床试验非常有必要验证这一建议，并调查影响因素，如患者特征的地理差异、亚组的识别和当地实施的限制。