READMITS-Score für die Wiederaufnahme nach akutem Myokardinfarkt

Klinischer Hintergrund

Wiederaufnahmen innerhalb von 30 Tagen nach akutem Myokardinfarkt sind häufig und kostspielig. In den USA wird bis zu jeder fünfte Patient innerhalb eines Monats nach der Entlassung erneut aufgenommen, und Krankenhäuser können bei zu hoher Wiederaufnahmerate finanzielle Sanktionen erhalten. Wenn sich frühzeitig erkennen ließe, welche Patienten das höchste Risiko tragen, wären gezielte Maßnahmen schon während des Krankenhausaufenthalts statt erst im Nachhinein möglich.

Die vor READMITS verfügbaren Modelle hatten jedoch eine schwache bis mäßige Diskriminationsfähigkeit. Eine systematische Übersichtsarbeit aus dem Jahr 2018 identifizierte 16 AMI-spezifische Modelle mit einer medianen C-Statistik von 0,65 (Bereich 0,53 bis 0,79), und nur die Hälfte davon war in einer separaten Kohorte validiert worden [2]. Zudem beruhten die meisten auf administrativen Daten, die erst nach der Entlassung verfügbar sind, was sie für prospektive klinische Entscheidungen unbrauchbar macht. READMITS wurde gezielt entwickelt, um diese Lücke zu schließen: ein Score, der bereits am ersten Behandlungstag berechnet werden kann und damit eine frühe Ressourcenzuteilung für das Überleitungsmanagement ermöglicht.

Berechnung von READMITS

READMITS beruht auf sieben Variablen, die alle innerhalb der ersten 24 Stunden des Krankenhausaufenthalts verfügbar sind:

$$\text{READMITS} = 6 \times \mathbb{1}$${S{cr}>2} + 8 \times \mathbb{1}{\text{BNP}\uparrow} + \left\lfloor \frac{\text{Alter}-18}{10} \right\rfloor + 4 \times \mathbb{1}{\text{Diabetes}} + 2 \times \mathbb{1}{\text{Frau}} + 1 \times \mathbb{1}{\text{keine PCI}} + 3 \times \mathbb{1}_{\text{RRsys}<100}

wobei $\mathbb{1}$ eine Indikatorvariable ist, die den Wert 1 annimmt, wenn die Bedingung erfüllt ist, und andernfalls 0. Die Alterspunkte berechnen sich als ganzzahliger Anteil von (Alter minus 18) geteilt durch 10, also +1 pro Dekade über 18 Jahre. Ein 58-Jähriger erhält somit 4 Punkte für das Alter, ein 78-Jähriger 6.

Die einzelnen Variablen und ihre Punktwerte:

Die Entwicklungskohorte bestand aus 826 konsekutiven Krankenhausaufenthalten wegen akutem Myokardinfarkt an 6 Krankenhäusern in Nordtexas in den Jahren 2009 bis 2010 [1]. Die Krankenhäuser unterschieden sich hinsichtlich Zahlungsform, Alter, ethnischer Zugehörigkeit und sozioökonomischem Status und umfassten sowohl Safety-Net-Krankenhäuser und Primärversorgungszentren als auch Lehrkrankenhäuser und Nicht-Lehrkrankenhäuser. Die Wiederaufnahmerate innerhalb von 30 Tagen betrug 13 Prozent. Das Modell wurde mit schrittweiser Rückwärtsselektion und fünffacher Kreuzvalidierung entwickelt. Der modellierte Endpunkt war die ungeplante Wiederaufnahme jeglicher Ursache innerhalb von 30 Tagen.

Interpretation in der Praxis

READMITS teilt Patienten in drei Risikobereiche ein:

Der Hauptzweck des Scores ist es, Patienten frühzeitig für gezielte Maßnahmen zur Vermeidung von Wiederaufnahmen zu identifizieren. Für Patienten im höchsten Risikobereich bedeutet das, bereits am ersten Tag ein strukturiertes Überleitungsmanagement einzuleiten: die Therapietreue sicherzustellen, eine frühe ambulante Nachsorge zu planen und soziale Faktoren zu beurteilen, die die Therapietreue beeinflussen können. Für Niedrigrisikopatienten genügt in der Regel die standardisierte Entlassplanung.

Eine wichtige Erkenntnis der Entwicklungsstudie ist, dass READMITS fast ebenso gut abschnitt wie ein komplexeres Modell, das Daten des gesamten Krankenhausaufenthalts einbezog (C-Statistik 0,73 im Vergleich zu 0,75) [1]. Das vollständige Modell verbesserte die Netto-Reklassifikation nicht in bedeutsamer Weise. Dies deutet darauf hin, dass das Wiederaufnahmerisiko nach Myokardinfarkt stärker vom initialen klinischen Status und der Komorbidität des Patienten bestimmt wird als vom Verlauf während des Krankenhausaufenthalts, was den Wert eines frühen Scores unterstreicht.

Validierung und Leistungsfähigkeit

In der Entwicklungskohorte hatte READMITS eine optimismuskorrigierte C-Statistik von 0,73 (95-%-KI 0,71 bis 0,74) bei guter Kalibrierung [1]. Der Score übertraf ein auf der elektronischen Patientenakte (EHR) beruhendes Wiederaufnahmemodell für mehrere Erkrankungen (C-Statistik 0,70, P = 0,04 für den Vergleich) und klassifizierte 18 Prozent mehr Patienten korrekt um. Im Vergleich zum administrativen AMI-Modell der CMS (Centers for Medicare & Medicaid Services) hatte READMITS eine ähnliche Diskriminationsfähigkeit, aber eine bessere Kalibrierung und eine deutlich breitere Risikostratifizierung: Das mittlere vorhergesagte Risiko reichte von 2,1 bis 41,1 Prozent im Vergleich zu 7,2 bis 24,3 Prozent beim CMS-Modell [1].

READMITS wurde nicht extern in einer separaten Kohorte validiert, was die wichtigste einzelne Einschränkung darstellt. Die Autoren selbst heben dies hervor und fordern eine externe Validierung [1]. Die Erfahrungen mit anderen AMI-spezifischen Wiederaufnahmemodellen geben jedoch Anlass zur Vorsicht: Als Matheny und Mitarbeiter maschinelle Lernmodelle für denselben Endpunkt an zwei amerikanischen Universitätskliniken entwickelten, fiel die C-Statistik von 0,69 bis 0,70 am Entwicklungskrankenhaus auf 0,56 bis 0,66 am externen Validierungskrankenhaus, bei gleichzeitig verschlechterter Kalibrierung [3]. Dies zeigt, dass die Übertragbarkeit von Wiederaufnahmemodellen im Allgemeinen gering ist und dass eine gute Leistung in einer Kohorte nicht dieselbe Leistung in einer anderen garantiert.

Die systematische Übersichtsarbeit zu AMI-Wiederaufnahmemodellen fand, dass die mediane C-Statistik über alle 16 AMI-spezifischen Modelle 0,65 betrug und dass nur die Hälfte überhaupt validiert worden war [2]. Die C-Statistik von READMITS von 0,73 in der Entwicklungskohorte platziert den Score im oberen Bereich dieses Spektrums, doch der Wert ist nicht extern validiert und sollte entsprechend interpretiert werden.

Einschränkungen

READMITS gilt nur für Patienten mit akutem Myokardinfarkt und ist nicht für andere Diagnosen entwickelt worden. Die Entwicklungskohorte ist auf 826 Krankenhausaufenthalte an 6 Krankenhäusern in Nordtexas in den Jahren 2009 bis 2010 begrenzt, und die Generalisierbarkeit auf andere Regionen, Versorgungsstrukturen oder Zeiträume ist unbekannt [1]. Die fehlende externe Validierung ist das wichtigste methodische Problem.

Dem Modell fehlen mehrere Variablen, die das Wiederaufnahmerisiko beeinflussen können: Medikation bei Entlassung (Acetylsalicylsäure, Betablocker, ACE-Hemmer), Prozessmaße wie die Door-to-Balloon-Zeit sowie Lokalisation und Größe des Infarkts [1]. Die Troponinkonzentration war überraschenderweise kein unabhängiger Prädiktor, das BNP hingegen schon, was nach Angabe der Autoren mit früheren Befunden übereinstimmt, wonach das BNP beim akuten Koronarsyndrom ein besserer Prädiktor für ungünstige Ereignisse sein kann als das Troponin [1].

BNP oder NT-proBNP müssen am ersten Tag gemessen werden, damit der Score vollständig berechnet werden kann. In Krankenhäusern, in denen natriuretische Peptide bei akutem Myokardinfarkt nicht routinemäßig bestimmt werden, fehlt eine der wichtigen Variablen, und die Variable mit der höchsten Punktzahl (8 Punkte) geht verloren. Dies kann zu einer systematischen Unterschätzung des Risikos führen.

Die Gestaltung der Alterspunkte mit +1 pro Dekade über 18 Jahre bedeutet, dass ein 28-Jähriger 1 Punkt und ein 68-Jähriger 5 Punkte erhält. Dies ergibt eine grobe Einteilung, die im Vergleich zu einer kontinuierlichen Altersvariablen das Risiko für Patienten in den höheren Dekaden unterschätzen und für Patienten in den niedrigeren überschätzen kann.

Schließlich wurde READMITS in einem amerikanischen Gesundheitssystem entwickelt, in dem die finanziellen Anreize zur Verringerung von Wiederaufnahmen stark sind. Wiederaufnahmemuster unterscheiden sich zwischen Gesundheitssystemen, und ein Modell, das Wiederaufnahmen in einem System mit kurzen Liegezeiten und hoher Entlassungsrate vorhersagt, kann in einem System mit längeren Liegezeiten und anderer Struktur der hausärztlichen Versorgung anders funktionieren.

Quellen

1. Nguyen OK, Makam AN, Clark C m.fl. Predicting 30-Day Hospital Readmissions in Acute Myocardial Infarction: The AMI "READMITS" Score. J Am Heart Assoc. 2018;7(8):e008882. PMID: 29666065
2. Smith LN, Makam AN, Darden D m.fl. Acute Myocardial Infarction Readmission Risk Prediction Models: A Systematic Review of Model Performance. Circ Cardiovasc Qual Outcomes. 2018;11(1):e003885. PMID: 29321135
3. Matheny ME, Ricket I, Goodrich CA m.fl. Development of Electronic Health Record-Based Prediction Models for 30-Day Readmission Risk Among Patients Hospitalized for Acute Myocardial Infarction. JAMA Netw Open. 2021;4(1):e2035782. PMID: 33512518