Michael J. Hassett, Dana-Farber Cancer Institute and Harvard Medical School, Boston, MA
本刊负责人：马冬； 审校：秦超； 翻译：李梅影
过去数十年中癌症治疗取得的巨大进展显著改善了患者的结局
[1,2]
。然而，多项研究一致证明某些患者没有得到推荐的癌症治疗并因此获得了本可避免的不良结局
[3-6]
。为了解决这一关键问题，卫生保健组织一直致力于医疗质量（
QI
）的改进。考虑到大量医疗质量问题需要解决、健康卫生系统的复杂性及改进医疗质量的资源有限，因此为
QI
优化机会的同时尽可能有效地应用现有的资源以对患者产生最大影响是非常关键的。
既往有两个设定
QI
优先级的历史性范例。首先，卫生保健组织通常依据既往的突发事件、对自身缺点的认知、对特定主题的兴趣或经济压力设置优先级。第二，专业协会、纳税人和大的供应商网络通常应用以共识为导向的方法设置优先级，而这些方法依赖于专家组对现有文献的观点。一旦优先级被设定，即开发并应用质量变量对问题的严重性进行测量，对某个专题领域产生兴趣或聚焦（通过公开报告、报表支付和绩效支付）和评估改进的影响。由纳税者、专业协会和供应商网络多年设置的优先级已经产生了很多测量方案和质量变量评分，包括医师质量报告系统、有意义的使用、以业绩为基础的激励支付机制
[7,8]
。
共识及专家驱动的优先级工作有助于确定有高级别证据支持和可以进行可靠评估的主题。然而，这些方法有几种缺点。它们没有系统性地纳入哪里的绩效差距最大的相关信息；它们没有确定改进工作是否可以影响实践
/
结局；且没有根据结果和它们影响的人群确定不同质量差距的相对值。因此，很多被问责程序所广泛采用的方法聚焦于特异癌症中已被证明的治疗方法
-
有广泛共识和很多支持证据，但绩效通常已经很高。
在与该评论相关的文章中，
Enright
等人
[9]
强调了确定系统水平
QI
优先级这个
具有挑战性但重要的问题
。
他们描述了应用实际绩效数据
，也
就是机构间绩效和病人数量的顺序等级的方法确定高优先级
质量变量。为了证明该方法的有效性，他们将该技术应用于
15
个评估早期乳腺癌系统治疗质量的变量中。应用自
2006
年
-2010
年诊断为早期乳腺癌、且在加拿大安大略
84
个机构治疗的
28427
例患者的绩效数据，他们发现三个最高优先级标准诊疗措施：（
1
）应用电脑顺序输入程序安排的系统化疗（
2
）术后
60
天内接受化疗（
3
）化疗后
30
天内全因性急诊或住院治疗。
很少机构试图通过应用系统方法和实际的绩效数据优先化标准治疗措施和做
QI
相关工作。既往，我们描述了优先化标准治疗的策略，即应用绩效数据强调
QI
工作可以有意义地影响人群的领域
[10]
。我们的方法依赖于每种标准治疗措施的四个属性：
（
1
）
非一致性病人
的数量（
2
）所有机构的平均一致性（
3
）任何机构的最高一致性（
4
）与一致性和非一致性医疗相关的获益度。我们的方法的限制之一是获益度成分无法从绩效数据中获得，而是需要专家组进行评估。也就是说，我们的算法可以不应用该成分，且仅当绩效依赖的元素被纳入时，运算与其他方法是相似的。可以肯定的是，两种方法，即我们的方法及由
Enright
等人描述的方法纳入了描述受影响人群大小的数据元素
（分别为每种方法的非一致性患者数量和总体患者数量）和确定了哪些地方有改善的潜力（分别为机构平均和最佳一致性的差别和一致性四分位范围）。
由
Enright
等人
[9]
描述
的
方法和结果
是
新颖的且很重要
，
有以下几个原因
。首先，这些方法代表着应用管理数据设置人群水平
QI
优先级的一种实际方法。该种推荐的方法对于最佳绩效既不是
0%
也不是
100%
的情况是非常有帮助的。例如，没有人会预计化疗后
30
天内患者的住院率或急诊率为
0%
。
既往
，
在这些情况下设置基准值是具有挑战性的
。
由
Enrigh
t
[9]
等人开发的技术为实现该操作提供了一种直接的方法
。第二，结果强调了几种独特的质量变量，这些变量不是已经存在的国家测量程序的一部分。例如，强调横切概念的质量变量，如途径、毒性和安全性通常被包含在这些程序里
[11]
。第三，这种优先化方法在基于过程和结局的质量检测中都行得通。此外，大多数癌症治疗质量检测关注过程，因此仍然存在开发新的、基于结局的癌症治疗质量检测。第四，该研究致力于改善乳腺癌患者的治疗质量
-
这是一个治疗质量已经被很好研究的相当大的人群。对于乳腺癌的关注部分反映了对于这种肿瘤治疗质量检测的相对可行性。同样也强调了为其他肿瘤开发检测措施的必要性。
利用绩效数据设置
QI
优先级确实具有挑战性。首先，对于所有基于过程的治疗质量检测，证实它们与相关患者结局有关且可以被可靠地评估是重要的。第二，利用机构间的差异优化检测变量的方法没有优化那些在所有机构里绩效都很差的检测变量。例如，接受系统治疗的绩效相对低为
43.5%
且影响了一个大的患者群体（符合条件
患者排
1
），但是四分位范围仅为
7.67
（变异排
10
）。因此，总体的排名仅为
6
。在这
种病例中，可以获得的基准可能会低估绩效的理想水平。第三，在样本中被列为高优先级的变量可能没有整合至其他健康护理系统。例如，一种电脑提供登记顺序的方法
可能对已经完成高级电子病历记录
（
EMR
）
系统升级的医院网络具有很小影响
。也就是说，由
Enright
[9]
等人
描述的优化
QI
变量的方法完全可以被其他系统应用以鉴别系统水平
QI
独特的优先级。第四，该方法学可以帮助单个机构优化质量检测方法，因为将没有机构间变异的测量。第五，利用顺序的而不是绝对的排序可以减少样本大小对优先级的影响。例如，当把其他因素（四分位范围排名）纳入时，在包含与
10
、
20
、
500
个患者相关的三个变量的假设情况中，适合入组患者的数量排名（如分别为
3
、
2
、
1
）而不是受影响的患者的整体数量可以产生不同的优先级。
总之，由
Enright
[9]
等人的文章描述了一种直接
而
实际的
、
依据传输系统可以
应用的
实际绩效数据优化
QI
变量的方法。需要注意的是，仅依赖实际绩效数据建立
QI
优先级是假设每个相似排序的质量变量的改进将对患者的结局具有相同的潜在影响。然而，并非所有情况都是如此。例如，改善与止吐剂应用质量变量相关的治疗可以影响生活质量，而改善有关接受
/
坚持抗雌激素治疗的质量变量可以改善总生存。解决怎样评估互相相关的变量是目前最大的挑战之一
对于
QI
和还款计划来说都是。很多专业团体推荐不同治疗采用不同的描述相对值排名的方法，包括
ASCO
的价值框架
和国家综合癌症网的证据级别
[12-14]
。虽然这些方法最初是为了报销而开发的，然而它们可以帮助设置
QI
优先级。目前尚缺乏确定不同措施
/
治疗的相对值对患者结局影响的最佳方法的共识，共识将会极大提高确定
QI
和报销优先级的效率。
由于我们已经进入了健康医疗大数据时代，才使得现在应用实际绩效数据设置
QI
优先级成为可能。不同于过去任何时候，对于管理和
EMR
系统的应用允许我们在各机构间评估治疗质量。
这是令人激动的机会
，
它为转化医疗提供了巨大的可能性
[15]
。然而，我们仍需谨慎。基于管理和
EMR
的数据库的完整性可能是次优的，且它们的准确性值得怀疑。要求医疗工作者将数据输入这些系统以辅助治疗评估增加了他们本已繁重的工作负担。
因此
，
我们必须寻找准确及时收集我们需要用来评估或改善治疗质量数据的方法
，
同时不对那些应用信息系统进行日常医疗工作的人产生额外的要求
。
最后
，比起依据结局的质量评估，
管理和
EMR
系统对依据过程的质量评估具有更好的支持作用，因为对癌症患者重要的结局（如生活质量、复发和生存）在这些系统里通常是缺失的或者难以寻找
[16]
。我们必须付出更多的努力收集与患者相关的结局
-
无论是直接从病人收集
[17]
、从
EMR
提取的、从肿瘤登记员获取的或应用分析工具检测到的（如自然语言处理、检测模型
[18]
和机器学习）
如此我们可以改善对于患者最重要的因素。
AUTHORS’ DISCLOSURES OF POTENTIAL CONFLICTS OF INTEREST
Disclosures provided by the authors are available with this article at jco. org
REFERENCES
1.
Burstein HJ, Krilov L, Aragon-Ching JB, et al: Clinical Cancer Advances
2017: Annual report on progress against cancer from the American Society of
Clinical Oncology. J Clin Oncol 35:1341-1367, 2017
2.
Siegel RL, Miller KD, Jemal A: Cancer statistics, 2017. CA Cancer J Clin 67:
7-30, 2017
3.
Gray JE, Laronga C, Siegel EM, et al: Degree of variability in performance on
breast cancer quality indicators: Findings from the Florida initiative for quality
cancer care. J Oncol Pract 7:247-251, 2011
