评估糖尿病初级保健数字干预对卫生系统价值的经济影响模型:发展和有用性研究

简介

美国疾病控制和预防中心(CDC)估计，2018年有3420万美国人患有糖尿病，占美国人口的10.5% [1］．据估计，美国与糖尿病相关的经济成本总计超过3270亿美元，其中2370亿美元来自直接医疗成本，其余来自生产力降低。对于个别患者而言，糖尿病的经济影响可能是灾难性的，估计每年直接由糖尿病引起的医疗费用为9600美元，平均总计为16,750美元，医疗支出超过非糖尿病患者的2.3倍[2］．糖尿病患者也有可能有合并症，这大大增加了他们的医疗费用[3.，4]， 40%的成人糖尿病患者至少有3种慢性病并存[5］．此外，糖尿病患者住院的几率也会增加[6]， 34%的入院病人是糖尿病患者[1]以及出院后30天内再次入院的可能性较高[7]与没有糖尿病的人相比(20.5%)[8］．简而言之，糖尿病既普遍又昂贵。

糖尿病患者没有意识到自己患有糖尿病也很常见，这限制了他们进行适当护理的能力。2018年，21.4%的美国糖尿病成年人没有报告患有这种疾病，总共有730万人的实验室结果符合诊断[1］．这一群体几乎肯定没有参与推荐的病情管理行为，如初级保健和专门针对糖尿病的专家预约。那些意识到自己糖尿病状况的人也缺乏参与;例如，一项针对糖尿病患者的研究发现，16.2%的人没有参加最后一次预定的初级保健预约[9］．总的来说，据估计，美国医疗保健系统每年因错过医疗预约而损失的费用超过1500亿美元[10]，表明需要采取干预措施来增加患者的出勤率。

不遵守建议的护理对个人和系统都有严重后果。对遵守和不遵守美国糖尿病协会初级保健建议的糖尿病患者进行的比较发现，医疗利用有了显著改善，包括住院护理需求的减少[11当建议被采纳时。例如，一项研究发现，促进糖尿病和前驱糖尿病患者在饮食和体育活动方面的生活方式改变，在10年的时间里，可以节省大量与医疗保健相关的成本[12］．对糖尿病患者进行定期的健康检查也与积极的结果有关。研究表明，在初级保健提供者(PCP)工作的患者中，约30%达到血红蛋白a_{1 c}(HbA_{1 c})控制1年[13]，一般而言，针对预约出勤率的干预措施与更好的糖尿病预后相关[14］．

当然，许多针对糖尿病患者的行为干预侧重于遵守推荐的临床路径，以改善结果。在数字健康领域，这些干预措施通常侧重于血糖监测、糖尿病教育和生活方式改变[15]作为关键的可修改行为。一般来说，这些数字健康应用程序都有不同的结果，但都有一些帮助降低HbA卡的承诺_{1 c}水平和其他生物识别技术，以及提高患者自我效能和病情管理技能[16］．例如，一项基于应用程序的2型糖尿病干预措施的荟萃分析和证据回顾表明，HbA的总体减少_{1 c}用户，特别是年轻用户之间的水平，以及何时涉及提供商的反馈循环[17］．许多数字健康干预措施声称可以降低糖尿病在系统和个人层面的成本。例如，在Omada糖尿病预防计划的一项基于索赔的纵向研究中，参与者在入组后1年的医疗费用降低，包括住院费用降低[18］．有证据表明，数字健康干预可能是增强基于临床的糖尿病护理的有效工具，但证据基础仍存在差距，特别是在经济影响方面[19，20.以及相对缺乏以支持初级保健等传统临床途径为重点的干预措施。最后，专注于降低成本的模型可能忽略了通过初级保健利用产生收入对卫生系统的价值。

简而言之，糖尿病是一种复杂的疾病，可以从许多方面提高成本，无论是通过更密集的预防保健需求，经常合并症，还是需要更昂贵治疗的并发症或后遗症。鉴于大多数糖尿病数字健康干预措施的重点，这些干预措施的价值估计往往集中在生活方式改变的影响上，而不是适当利用预防保健，如定期PCP预约。初级预防和定期护理可能在其直接影响之外为卫生系统提供价值，并被视为糖尿病护理基于价值协议的组成部分[21，22］．我们认为，有理由将初级保健和探病作为糖尿病患者可改变的行为，并需要量化这样做的经济价值，以便适当地优先考虑干预措施。

在本文中，我们提出了一个概念模型和过程，以前瞻性地估计一个特定的以初级保健为重点的糖尿病干预的下游经济效益，糖尿病的精确推动，对一个卫生系统。该模型最终将为评估干预措施实施后的价值提供基础，重点关注卫生系统的收入，而不是具体的临床结果或质量调整生命年[23］．虽然该模型是为了评估特定的干预措施而开发的，但我们认为，它可以用于理解其他数字健康计划对糖尿病患者初级保健利用的经济影响。这将允许对商业数字卫生干预措施进行基于价值的定价，并为卫生系统和提供者组织提供基于证据的方法，以确定是否以及如何为其人口利用此类干预措施。

方法

概述

该模型是前瞻性地开发的，以量化一种称为精确轻推的特定糖尿病行为干预的影响。干预的关键结果衡量是参加PCP预约的患者数量;因此，该模型侧重于为每个预约分配财务值，以了解干预的财务影响。该模型侧重于卫生系统的价值，考虑到糖尿病的直接和间接成本以及提供者的报销，并专门用于帮助卫生系统评估精确助推对其人口的价值。

精确助推干预

精准轻推糖尿病是一种针对1型或2型糖尿病患者的英语信息干预，重点是根据他们最近的a，每年安排一次、两次或4次与PCP进行健康检查_{1 c}医疗保健效果数据和信息集(HEDIS)建议的值[24］．行为强化学习算法[25-27]选择以行为科学为基础的信息内容发送给符合条件的患者，以提示他们安排并参加糖尿病健康检查。该算法的设计是基于收件人的特征来选择消息，并强调先前的收件人行为反应(即消息打开和点击以及预约安排和出席)，以最大限度地提高消息被打开和行动呼吁被注意的可能性。

这些信息旨在解决人们在安排和参加糖尿病健康检查时可能遇到的特定障碍，这些障碍是通过干预开发过程中的初步研究和综合文献综述确定的。行为设计师使用干预映射过程对决定因素进行分类，并将其与行为改变技术相结合[28，29]，然后将其操作为消息内容(主题行和正文副本)和视觉设计。行为强化学习算法从10个主题行和26个主体复制/视觉设计选项中为每个接收者编译一个完整的消息，总共有320个独特的消息组合，患者可能会收到。符合条件的患者每周收到一封电子邮件，持续5周，然后暂停8周，然后每周再收到一封邮件，持续5周。这种模式不断重复，直到患者要么取消干预，要么通过安排和参加PCP访问采取行动。与精确助推相关的关键结果指标是初级保健预约的完成。预约出勤率的结果是经济模型的基础。

糖尿病对卫生系统影响的建立

开发经济影响模型的最佳实践是清楚地确定价值交付给的实体[30.］．在这种情况下，是卫生系统。经济模型的第一步是建立糖尿病对卫生系统的影响，根据糖尿病的严重程度和风险水平，以患者最近的HbA为特征_{1 c}价值。这种分析将因卫生系统的患者群体和付款人组合而有所不同。首先，必须建立对卫生系统糖尿病患者群体的了解。这可以通过分析电子病历数据来确定有糖尿病诊断记录的患者(不包括妊娠糖尿病或药物引起的糖尿病)。记录糖尿病诊断的方法可能因系统和实施的不同而有所不同。在我们的案例示例中，卫生系统在其Epic实现中维护了一个糖尿病注册表，该注册表提供了患者人群中糖尿病的基本估计。

在此基础上，我们根据最后记录的HbA对糖尿病患者进行了分类_{1 c}价值。以下医疗保健效果数据和信息集措施[24]，根据患者的HbA，将患者分为控制良好组_{1 c}水平在7以下，中度控制如果他们的HbA_{1 c}级别在7到9之间，如果他们的HbA不受控制_{1 c}等级在9级以上。没有HbA卡的患者_{1 c}价值在他们的记录中被归类为适度良好控制的信息目的，理由是他们的PCP会命令A_{1 c}在第一次或第二次就诊时进行测试，然后根据患者的实际价值对其进行分类。除了在干预中促进指导方针一致的护理建议外，还根据HbA对患者进行了细分_{1 c}价值还允许风险调整，这已被确定为理解价值的最佳实践[31］．

由于干预针对的是没有及时进行推荐PCP预约的患者，因此我们还根据上一次初级保健就诊的日期设置了合格参数。初级保健的推荐就诊频率因HbA而异_{1 c}水平;因此，控制良好的患者建议每年就诊1次，控制中等的患者每年就诊2次，控制较差的患者每年就诊4次，与美国糖尿病协会指南一致[32］．我们将在适当的回顾期内没有进行初级保健访问且在未来3个月内没有计划进行初级保健访问的患者归类为未参与的患者，并认为他们有资格进行干预信息传递。

在与卫生系统合作时，可能有必要重复确定糖尿病患者并根据HbA对其进行分类_{1 c}将提供干预措施的每个市场或护理地点的水平，特别是如果付款人组合或提供者补偿因地点而异。表1提供一个示例，说明每个位置的文档可能是什么样的。

现行程序术语代码的识别

开发模型的下一步是确定当前的程序术语(CPT)代码，与糖尿病患者在初级保健访问期间可能发生的程序相对应。然后，每个代码都根据预期在给定的访问中获得该代码的患者百分比分配。例如，每次PCP访问都应获得医生办公室访问的CPT代码;因此，该代码获得100%的分配，而脂质面板的CPT代码根据全国糖尿病患者的高胆固醇血症率分配44%的分配[1］．共鉴定出10个CPT编码，并分配分配百分比(见表2)．所识别的代码只包括可以捆绑在医生访问参数内的专业服务。与访问相关的医院实验室服务被排除在外。

然后根据卫生系统中处于良好控制、中度控制或未控制状态的患者的百分比以及相应的年度健康访问次数(分别为1、2或4次)调整CPT代码量。最后，卫生系统的患者群体根据其付款人组合进行了表征，从而为每个CPT代码及其预计频率分配了财务价值。根据计划中每个CPT代码的典型报销率分配美元金额，由(1)医疗保险:基于Palmetto GBA的数据，(2)医疗补助:基于卫生系统所在州的费率，以及(3)商业健康计划:基于医疗保险报销的平均135%。

医生报销

专业实践的收入由供应商报销抵消。医生根据他们提交的CPT代码获得报销，每个代码都有一个由医疗保险和医疗补助服务中心(CMS)分配的相对价值单位。工作相对价值单位乘以换算系数，其中可能包括地理调整，以得出每项服务的美元价值。为了说明模型中的医生报销，使用医疗集团管理协会换算系数的中位数来估计提供者报销费用，该换算系数是CMS相对价值单位(收费CPT代码)的中位数[33］．

住院治疗费用报销

糖尿病患者比非糖尿病患者更有可能住院治疗[6];美国疾病控制与预防中心报告称，1000名糖尿病患者中有339人可能需要住院治疗超过1年[1］．幸运的是，定期PCP检查可以降低住院治疗的风险，因为遵循美国糖尿病协会的指南与入院率降低有关[11］．由于“精确推动”干预的重点是不遵守建议的初级保健就诊节奏的未参与人群，因此我们在计算潜在住院护理成本时只关注这一群体。收入是根据商业健康计划、医疗保险(Medicare)和医疗补助计划(Medicaid)报销的差额计算的，这些付款人覆盖了该系统中存在的未受雇患者的比例。这些计算产生一个值摘要。

总结计算

当应用于卫生系统内的糖尿病患者群体时，该经济影响模型产生了干预措施的年度增量价值总结，即由于干预措施而安排的每次初级保健就诊的具体美元价值。总利润的计算方法是，将专业执业总收入和医院总利润相加，再减去供应商总薪酬。这个金额可以年化，并除以参加的访问次数，得出每次访问的价值。这一美元数额用于根据干预行动的实施和业务支助费用计算投资回报。

使用上述投入的经济影响模型的最终计算如下:

专业执业收入(年)+住院收入(年)-提供者补偿(年)=卫生系统年度报销总额/ 10万名患者参加PCP预约的总数=每次预约的美元价值

道德的考虑

经济影响模型的开发没有利用人类受试者，因此没有提交机构审查委员会审查。

结果

尽管由于使用了专有信息，我们无法提供用于卫生系统实现的具体计算，但下面的示例说明了该过程及其每次访问的美元价值。这个例子是基于10万糖尿病患者的(假设)人口;各部门的细目是根据可用的国家平均数字编制的。

患者人群中的糖尿病部分

根据2020年美国疾病控制与预防中心国家糖尿病统计报告，50%的成人糖尿病患者患有A_{1 c}值低于7,35.5%为A_{1 c}值在7到9之间，14.5%的人患有A_{1 c}数值超过9 [1］．我们在10万名患者的样本人口中使用了这个细分。接下来，由于缺乏血糖控制水平的糖尿病患者参与初级保健的国家数据，我们研究了在每个a中部署干预的实际卫生系统的参与率_{1 c}类别。在这些细分人群中，13.1%(6550/5万)的患者患有A_{1 c}值低于7的PCP患者逾期就诊，29.8% (10,579/35,500)_{1 c}值在7 ~ 9之间的患者占61.1% (8860/ 14500)_{1 c}大于9的值。最后，96.2%(6301/6550)的逾期A_{1 c}值低于7的患者没有未来PCP就诊计划，86.7%(9172/ 10579)的a_{1 c}值在7 ~ 9之间，75.6% (6698/8860)_{1 c}大于9的值。在原有的10万人口中，未参与糖尿病治疗的患者人数为22171人。符合干预条件的未介入样本的计算总结在表3．

CPT代码的识别

美国全国医院数据显示，2022年约67%的患者有商业健康保险或自付，20.5%的患者有医疗保险，13.2%的患者有医疗补助[34］．我们将商业健康保险的覆盖率(这对卫生系统来说是最有利可图的)四舍四入到66.3%，以达到100%的总数。

将这一细分应用于22171例符合A_{1 c}水平允许我们查看CPT代码，每个患者可能每年收取如果他们参加推荐的糖尿病治疗。然后，应用Palmetto GBA的价格和州医疗补助报销率来计算与合格人群推荐的护理相关的美元价值。因为推荐的糖尿病就诊频率因A而异_{1 c}如果是A级，这个练习应该单独做_{1 c}类别。为了说明目的，基于CPT代码的糖尿病井访的无控制组(a_{1 c}>9)的描述表4．

请注意，这里不包括适度控制和良好控制组的计算，但这是实际分析的一部分。在本例中，是所有3a卫生系统的潜在年化总收入_{1 c}类别为44,778,974美元。仅考虑样本中未参与医疗服务的患者，卫生系统每年的潜在报销总额为1,313,177美元。

医生报销

接下来，我们根据他们能够提交给干预人群的CPT代码计算了预期的医生报销。中描述的提供者补偿表5，将从实践收入中减去。在这一点上，我们假设不是所有干预针对的患者都将参加PCP预约;基于Lirio数字健康干预的典型参与率，我们选择了一个保守估计，即在未参与的总人群(n=2235)中，预约出席率为10%。

医疗集团管理协会提供的提供者可提交的5006.87个相对价值单位乘以41.94美元的换算系数，可得到提供者每月偿还17 499美元或每年偿还209,988美元。

住院治疗费用报销

采用糖尿病患者住院率339 / 1000计算[1]，考虑到我们预计在干预中捕获的10%的未参与人群(n=2235)，我们估计大约757名患者将在明年接受住院治疗。在我们实际的卫生系统实施中，提供了住院期间每个患者按付款人类型的预期报销。为了进行建模练习，我们使用了以下值:(1)医疗保险:2000美元，基于CMS 2023财政年度全国调整运营标准化金额，非人工相关成本[35];(2)医疗补助:1280美元或医疗保险报销的64%(与医生办公室就诊报销成比例);和(3)商业健康计划:2700美元或医疗保险报销的135%。假设在付款人类型和A之间的住院率是均等的_{1 c}使用这些报销价值，我们计算出住院护理的年度价值总结为1,796,506美元。

总结计算

使用上述输入，使用经济影响模型的最终计算如下:

专业执业收入(每年1,313,177美元)+住院收入(每年1,796,506美元)-提供者报酬(每年209,988美元)=卫生系统的年度报销总额(3,050,957美元)/ 100,000名患者的PCP预约总数(2217)=每次预约的美元价值(1297美元)

本例中计算出的最终价值是由未参与的糖尿病患者参加的PCP预约每次1297美元。这个价值现在可以成为定价讨论和投资回报计算的基础。

讨论

主要研究结果

这一经济影响分析提供了一种方法，用于评估针对糖尿病患者初级保健的精确助推干预对卫生系统的即时和下游价值。该模型还可用于评估其他干预措施的价值，这些干预措施侧重于将糖尿病患者与初级保健联系起来，或适用于其他患者群体。能够预测干预措施的总经济价值是广泛采用干预措施的关键先决条件[36]并将帮助干预设计人员和卫生系统客户更快地确定哪些工具是有效的[37］．重要的是，该模型考虑了与不同血糖控制水平(由HbA测量)相关的不同患者风险情况_{1 c}的水平。它还严重依赖于CMS、CDC和类似组织的公开数据，使其他利益相关者能够适应这一模型，为他们自己的干预措施赋予价值。

该模型是作为实施干预措施前的定价练习而开发的。一个直接的机会是用实际的卫生系统数据填充模型，并确定其预测是否与现实世界的表现一致。糖尿病的精确轻推目前用于该模型开发的卫生系统。考虑到模型的1年时间范围，患者索赔数据可以在实施后12个月使用，以验证是否实现了估计的影响，以及如何对模型进行修正，以更准确地反映结果。

我们预计，随着我们更多地了解针对初级保健使用的干预措施的吸收和效果，该模型将需要进行调整。例如，并不是所有针对数字健康干预的患者都会采取行动。尽管在一项研究中，65%的成年糖尿病患者表示愿意使用数字健康工具来管理他们的糖尿病，即使这对他们的结果影响很小[38]，意图-行为差距是有据可查的[39众所周知，数字健康的普及总体上滞后于预期。因此，我们建议调整任何经济影响估计，以反映可能采取行动的一部分人口，特别是在使用该模型作为定价或销售活动的一部分时。我们在初始模型中使用的10%的保守采纳值可能需要进行编辑，以反映实际的参与率。

事实上，验证研究很可能会发现比构建模型时估计的10%更大的吸收。这是因为正在研究的特定数字健康干预措施符合采用的最佳实践[36]，例如易于患者使用和提供不言而喻的临床效益(坚持建议的医生就诊)。产品团队也在不断迭代和改进数字健康产品，表面上提高了它们的吸收和影响。随着时间的推移，可能会量化影响吸收的干预设计因素，并将其作为这样一个经济影响模型的输入。与此相关的是，随着时间的推移，随着干预措施的改进以及如何实施，重新评估干预措施的影响将非常重要。

另一个机会领域是将这种类型的经济建模扩展到数字健康干预措施，以促进其他慢性疾病的提供者预约，特别是患者通常有多种合并症的疾病。为患有这些疾病的患者提供充分的初级保健可能会带来重大的下游成本效益，更好地理解这些效益的性质可以帮助卫生系统选择将患者支持工作的重点放在哪里。

我们认为，这种经济影响分析将有助于确定数字健康干预在基于价值的护理合同中的适当作用，这种合同在美国越来越普遍[21］．该模型，以及对利用初级保健关系来治疗慢性疾病的研究表明，使用可扩展技术将患者与他们的pcp连接起来具有重大的即时和下游价值，例如与专家护理相比降低了成本[40]，降低死亡率[41]，以及改善的结果[42］．

最后，我们认识到，对卫生系统进行干预的经济价值只是故事的一部分。为了长期取得成功，干预措施还必须支持患者的生活质量[43];事实上，专注于量化对政府、雇主或付款人等实体的价值的经济模型往往包括质量调整生命年或基于生产力的结果[23］．尽管这种经济价值模式是以卫生系统收入为中心的，但它考虑了与患者体验有关的因素。避免糖尿病及其相关合并症的进展，以及在其他方面保持更好的健康质量，应对患者的生活质量产生积极影响。最终，目标不是推动更多的医疗保健利用，而是推动适当的医疗保健利用。未来的研究方向是了解精准助推等干预措施后的患者体验，并确保干预措施为患者和系统带来改善。

限制

需要用真实世界数据对模型进行压力测试的一个主要限制是，任何卫生系统都不太可能完美地反映用于构建模型的公开数据。例如，我们使用糖尿病患者其他健康状况的平均共病率来估计提供者能够收取特定CPT代码的频率。在任何特定的卫生系统内，患者的实际共病率很可能与这些平均值不同。鉴于该模型的部分目的是指导初级保健干预措施的定价，估计数据与实际数据之间的差异存在有限的可接受的误差幅度。如果该模型在价值计算上过于慷慨，它就不会被卫生系统接受为一种定价工具。对于任何卫生系统来说，用他们自己的数据(例如，他们的患者付款人组合)填充模型也需要一些努力，而且有些组织可能不愿意进行这种练习。使用平均或典型数据来估计干预措施的价值与使用实际卫生系统数据来得出更精确估计所需的人力之间存在矛盾。

将住院治疗作为一项增值服务纳入该模式也是一个值得关注的问题，因为这与限制患者成本和提高生活质量的目标不一致。在理想状态下，初级保健将有助于避免住院，而不是促使住院。不幸的是，在与不参与的患者群体合作时，其中一些人很可能在初次就诊后因未解决的健康问题而需要住院治疗。如果像“精确助推”这样以更定期和适当使用初级保健为目标的干预措施取得成功，随着时间的推移，我们希望这种模式下住院治疗的价值将需要降低。最后，我们无法共享在实际卫生系统模型初始开发中使用的具体数据，这是一个限制。我们在结果中使用了模拟数据，提供了类似的输出，并为糖尿病初级保健就诊提供了合理的大致价值。

结论

要使以初级保健为目标的数字卫生干预措施得到更多关注并在卫生系统中得到实施，就必须量化其所提供的价值。据我们所知，目前还没有被广泛接受的方法来评估鼓励糖尿病患者适当使用初级保健的干预措施的经济影响。这篇论文提供了一个主要基于公开数据的模型，可以计算糖尿病患者初级保健访问的美元价值;这有助于供应商制定干预定价，以及卫生系统或其他客户在考虑使用何种服务组合来弥补患者护理方面的差距时确定优先级。糖尿病数字健康干预的重点一直围绕着血糖监测、教育和生活方式的改变，但适当使用初级保健也是一个强大的工具。使用这一模式应有助于确保以初级保健为重点的干预措施作为治疗糖尿病患者和预防疾病及其合并症进展的有效工具得到应有的承认。