剖腹产率评价项,单例,生活顶点交付于2020年在中国女性没有剖腹产之前

要点

问题在中国做的剖腹产率变化在医院吗?

发现横断面研究的760万多名从2020年的4359家医院在中国发货,5和95百分位数的剖腹产率从19%变化到67%整体交付和术语从15%降至68%,单例,女性生活、顶点交付没有事先剖腹产。这个大的变化可能是由医院的因素,如省位置,而不是个人因素。

意义这项研究的结果表明,剖宫产率差异很大在医院于2020年在中国,反映出不一致的剖腹产即使在低风险的交付使用和潜在的剖腹产的过度使用。

重要性实质性的地区差别在中国剖腹产率一直在报道,但缺乏报告管理员变异率低风险的交付。

目标评估在中国医院剖腹产率的变化,单例,女性生活顶点交付没有剖腹产之前,估计个人和医院的贡献因素。

设计,设定和参与者这个全国性的横断面研究使用收集的数据从孕产妇病人出院记录中国医院质量监控系统从1月1日到12月31日,2020年。怀孕的女性年龄在15到49岁(以下称为女性)包括至少1出生,和低风险交付被定义为,单例,生活,顶点交付之前没有剖腹产。

曝光通过剖腹产出生。

主要结果和措施主要的结果由医院剖腹产率。分层逻辑回归分析用于计算调整医院剖腹产率和估计的百分比变化在低风险的交付解释为个人和医院的因素。

结果在635  149交付确认从4359年医院在中国大陆31个省,6 599 468(86.4%)被认为是低风险的。 整体和低风险的交付,400 162年和097年638  剖腹产手术,相应的平均利率分别为44.5%和40.0%,。总体均值(SD)母亲的年龄,低风险的交付是29.1(4.0)和28.8(4.8)年,分别和母亲更可能被汉民族(89.5%)。在医院剖腹产率差异很大,5日和95百分位数之间的绝对差异53.5%整体交付(19.4% - -72.9%)和56.8%(14.3% - -71.1%),低风险的交付。大绝对差异仍孕产妇特点,调整后利率为47.4%(19.1% - -66.5%)整体交付和52.6%(15.0% - -67.6%)低风险的交付。在低风险的交付、医院因素(如医院省位置)解释31.3%的医院剖腹产率的变化和个人因素解释了一个额外的2.0%。

结论和意义本横断式研究的结果表明,剖腹产率明显不同的医院于2020年在中国,这可能是由于医院而不是个人因素。未来的工作需要设计管理员主动优化剖腹产的使用,尤其是在低风险的交付。

降低剖腹产率一直在许多国家,公共卫生重点是剖腹产的过度使用可能会损害它们的母亲和他们的后代¹,特别是能使未来的怀孕。²最大的人口和全球第二大每年出生人口的数量,³中国的剖腹产率以来已经引起全球关注世界卫生组织报告率在2007年到2008年的46.2%。⁴在2012年至2016年之间,率略有下降,可能是由于中国政府采取的各种举措遏制剖腹产的使用。⁵之后,出现了回升,这可能归因于一些倡议和越来越多的结束之前的老多产的妇女,剖腹产后2-child政策于2016年在中国的实现。⁶自2018年以来,剖腹产率已经超过40%在中国的城市地区,甚至接近35%在农村地区,⁶远远超过15%或19%的基准。^7,82021年,一位3-child政策实施在中国,⁹这可能导致进一步的母性特征的变化。鉴于剖腹产的不良健康效应,控制其过度使用必须重申。

管理员在剖腹产率的变化有重要意义的地方和国家卫生政策可能的目标医院剖腹产率高。^{10- - - - - -12}然而,很少有人注意到医院剖腹产率的变化在中国,99.7%的交付发生在医院早在2015年。¹³剖腹产率较低的女性交付风险(即那些术语妊娠,单例婴儿住在顶点表示,并没有事先剖腹产¹⁴)已被广泛采用为医院的产科质量的一项重要措施。¹⁵这一措施的变化在医院一直在广泛调查了高收入国家^{15- - - - - -18}但缺乏在低收入和中等收入国家,包括中国。此外,在多大程度上个人和医院特点导致这种变化仍然知之甚少,先前的研究已经产生了不一致的结果和一直局限于高收入国家。^17,19,20.改进的理解在中国医院剖腹产率的变化,这种变化的识别来源将引导一个安全减少这个过程和援助在未来的使用质量改进的努力。

使用个人数据从4359年医院在中国大陆31个省,我们评估里剖腹产率的变化总体和低风险的交付。此外,我们估计的贡献个人和医院医院的低风险的交付率的变化因素。

本研究通过北京大学第三医院医学研究伦理委员会。知情同意是放弃,因为鉴定数据使用。研究了加强流行病学观察研究(的报告选通脉冲)报告指南。

这个横断面研究个别病人从医院放电数据质量监控系统(HQMS),一个国家建立数据采集系统由中国国家健康委员会在2011年提高临床服务的质量。HQMS数据库包含管理数据和临床信息,使它的一个最全面的国家的信息来源在中国医院保健;万博manbetx平台首页经常使用在卫生服务研究。^{21- - - - - -23}数据库最初覆盖全国大多数转诊医院(提供医疗服务全国省市之外,能够帮助患者复杂条件称为从较低水平);2020年,它开始覆盖nonreferral医院(这一个区域内的多个社区提供医疗服务,主要服务于患者noncomplicated条件)。覆盖医院被要求提交每日个体层面的数据在头版HQMS住院出院记录的数据库,其中包含大约346个变量,包括孕产妇的信息社会人口特征、入院和出院诊断,和医院的特点。万博manbetx平台首页^{21- - - - - -23}HQMS数据库包括质量控制程序,确保完整性、逻辑性和数据录入的准确性。一旦发现一个错误,数据返回和医院通知检查和正确的数据。²⁴

母性特征(包括母亲的年龄、种族、婚姻状况(已婚、单身或离婚),医疗保险状态,剖腹产的历史,许多胎儿,胎儿表示,怀孕并发症,围产期结果,和交付模式)和医院特点(包括医院层面,医院专业化、和医院省位置)从HQMS数据库中提取。种族自我报告是中国汉族或少数民族(如壮族、回族、满族、维吾尔族或其他种族);收集这些数据由于之前报道种族和剖腹产率之间的联系。²⁵,记录042  至少有1 773名孕妇出生(1月1日至2020年12月31日)提取。孕妇被排除在外的如果他们不是中文或不明国籍 (n = 133),比49年未满15岁以上(以下称为女性;n = 149 682),或有缺失数据在种族、婚姻状况、医疗保险状态(n = 201 429)。以确保足够的体积/医院比较,孕妇从医院不到100交付18 (n = 380)也被排除在外。分析包括635  149名孕妇(94.9%)从2734年的5243年nonreferral医院2838年和1625年转诊医院(eFigure 1补充1),代表超过50.0%的nonreferral和转诊医院于2020年在中国。²⁶

剖腹产被使用国际疾病分类,第九次修订,临床修改代码(74.0、74.1、74.2、74.4和74.9)国际疾病分类,十修订代码(O60、O82 O84、O86 O90,和P03),详细eTable 1补充1。剖腹产率计算的剖腹产手术的数量除以总交付的数量。利率计算整体对孕妇和孕妇低交付风险定义为那些术语,singleton,活产交付在顶点表示和剖腹产之前,根据定义开发的机构卫生保健研究与质量(AHRQ)。¹⁴

医院分为4根据省地理区域位置(东北、东部、中部和西部地区),根据中国国家统计局(National Bureau of Statistics)的方法。²⁷

结果表示为手段(SDs)或计数(百分比)。使用组间比较t测试连续变量和χ²测试分类变量。剖腹产率总体和低风险的交付是首先计算出每个医院。描述性分析5日,25日,50(中位数),第75,第95百分位数的剖腹产率进行评估里的变化。控制个人的因素可能是导致医院变异,每个医院的剖腹产率调整使用分层逻辑回归模型计算。²⁸调整个人因素包括母亲的年龄(< 35或≥35年)、民族(汉族或少数民族),婚姻状况(已婚、单身或离婚),医疗保险状态(是或否)和妊娠并发症(是或否)。漏斗图被吸引到医院检查是否剖腹产率的变化超过了预期的随机波动。^29日Box-and-whisker情节生成可视化医院医院子组之间的差异定义为医院级别(nonreferral或推荐),医院专业化(孕妇专用或通用),医院交付卷(100 - 999,1000 - 2999,3000 - 4999,或≥5000),和地理区域(东北、东部、中部或西部)。

探索个人和医院的因素可以解释医院剖腹产率的变化,分层逻辑回归模型为低风险的交付方面的个人数据。第一个未经调整的模型只包括hospital-specific随机拦截,在医院剖腹产率估计基线变异后减去随机抽样(里方差)变化的影响。那么这个模型扩展为个人和医院因素调整。变化归因于个人或医院因素估计通过计算减少,如果有的话,在里方差调整来调整模型。全面调整模型包括个人和医院因素与剖腹产的风险有关。个人因素包括母亲的年龄、种族、婚姻状况、医疗保险状态、妊娠并发症;医院因素包括医院,医院专业化、医院交付体积,和医院省的位置。Hosmer-Lemeshow测试是用来评估调整模型的拟合优度。为了便于解释,估计及其对应的95%的胜算比独联体被转换为相对风险(RRs) (eTable 2补充1)。^30.

数据分析使用SAS 9.4版本(SAS研究所有限公司)。一个双向P<。05was considered statistically significant. Statistical analysis was performed on March 17, 2022.

在这项研究中,共计635  149(占所有的63.0%交付在中国)据报道HQMS 1月1日至12月31日,2020年,从4359年中国31个省的医院。635年7  包括149名孕妇,6 599 468(86.4%)被认为剖腹产的风险低。在整体和低风险的交付,(SD)孕产妇的平均年龄为29.1(4.0)和28.8(4.8)年,分别;母亲也更可能是汉民族(89.5%相比10.5%中国少数民族对交付类型),结婚对交付类型(96.3%)和医疗保险(67.6%和67.9%;表1)。

在整体和低风险的交付在此期间,有3 400 162和638  097剖腹产手术,对应的意思是剖腹产率为44.5%和40.0%,分别。根据个人和医院剖腹产率不同特征(表1),4359家医院之间的差异很大,远远超过预期的随机波动(eFigure 2补充1)。绝对差异5和95百分位数的剖腹产率分别为53.5%(19.4% - -72.9%)整体交付和56.8%(14.3% - -71.1%),低风险的交付(表2)。对个人因素调整后,医院剖腹产率下降,但仍明显变化(表2)。标志着医院坚持由医院子组分层变化特征(图1)。差异缩小,但仍大医院送货量增加。例如,绝对差异总体和低风险的剖腹产率分别为45.1%(22.5% - -67.6%)和47.8%(17.6% - -65.4%)在医院1000年至2999年期间交付和41.0%(24.0% - -65.0%)和43.8%(17.3% - -61.1%)与3000年在医院或多个交货(图1)。绝对差异较大nonreferral医院整体交付(59.0% vs 61.6%低风险交付)比转诊医院(42.7% vs 46.7%)和maternity-specialized医院(57.4% vs 60.2%)比一般医院(52.7% vs 56.2%);持续变化的子组由医院专业化和医院共同分层水平(eTable 3补充1)。亚组分析的地理区域、绝对最大的区别是在医院西部地区整体交付(58.4% vs 59.5%低风险交付),其次是医院(50.6% vs 60.3%)东北部和中部地区(分别为48.1%和53.9%),这是东部地区最低(46.8% vs 49.1%)。值得注意的是,医院低风险的剖腹产率的变化是大于整体剖腹产率(表2),医院坚持子组分层的特征(图1和eTable 3补充1)。

在低风险的交付,有几个个人和医院剖腹产与风险相关的因素(图2)。值得注意的是,医院省位置与剖腹产的风险(图2和eFigure 3补充1)。例如,与在北京的医院相比,剖腹产的调整风险高137.2%在黑龙江(RR,调整2.37 (95% CI, 2.19 - -2.54)),在吉林高出108.4% (RR,调整2.08 (95% CI, 1.86 - -2.29)),辽宁和高94.8% (RR,调整1.95 (95% CI, 1.73 - -2.15))——3省在中国的东北地区。

医院和个人因素解释30.8%的医院剖腹产率的变化,以减少方差估计从1.00 (95% CI, 0.96 - -1.05)分对数在未经调整的模型为0.69 (95% CI, 0.66 - -0.73)分对数的完全调整模型(Hosmer-Lemeshowχ²统计= 15.61;P=。08)(图3)。医院因素解释31.3%的医院剖腹产率的变化;的最大的贡献是省医院位于(30.9%),其次是医院水平(1.3%),医院交付量(0.8%),和医院专业化(0.5%)。个人因素,包括种族,婚姻状况,和医疗保险状况,另外解释2.0%的变异。

横断面研究的635  149交付(占全国所有交付的63.0%)和6 599 468低风险4359年交付医院通过在中国31个省,剖腹产率为44.5%,2020年是40.0%甚至在低风险的交付。这项研究是第一个,据我们所知,对医院整体的变化提供数据和低风险的剖腹产率在中国大陆。剖腹产率明显不同的医院和比整体交付为低风险更加明显。这项研究的结果表明,医院低风险的剖腹产率的变化是更可能是由医院而不是个人因素。

在这项研究中,我们观察到的医院整体和低风险的剖腹产率为2020(分别为44.5%和40.0%)高于2016(分别为41.1%和35.2%),估计从438家医院由附近的中国产妇小姐监视系统。⁵这些估计数字表明,中国的剖腹产率可能增加了2016年之后,类似的结果以人群为基础的研究基于中国国家孕产妇和儿童卫生统计数据集。⁶低风险的剖腹产率在我们的研究中观察到显著高于在美国(2020年是25.9%)。^31日然而,我们的估计是基于AHRQ定义,而美国的估算是基于联合委员会(JC)定义。定义都是相似的,除了AHRQ衡量标准是未生育过的妇女和多产的妇女没有剖腹产手术之前,虽然JC措施只适用于未生育过的妇女;因此,低风险的剖腹产率2措施之间的可比性。¹⁵然而,低风险的剖腹产率可能超过40.0%使用JC测量时,考虑到在中国的一项研究显示,经产的未生育过的剖腹产率高于女性事先剖腹产手术。⁵剖腹产率在我们的研究中也超过阈值的两倍的目标改善孕产妇和儿童健康(15%或19%),^7,8建议剖腹产可能过度使用在中国,即使在低风险的交付。安全地降低剖腹产率低风险交付已成为公共卫生重点在许多国家。美国一项研究³²表明,对低风险交付的剖腹产率下降在设置管理员协调协作和全州计划旨在支持阴道分娩是实现的。这还需要进一步的研究来开发相关干预措施适用于中国人。

里剖腹产率的变化是巨大的。5日和95百分位数之间的绝对差为53.5%,整体交付为56.8%,低风险的交付。以前的美国研究报道有29%的绝对差异在1373医院,整体交付为24%,低风险的2009年至2010年期间交付。^20.报道称,英国一项研究发现,有18.3%的绝对差异在146年2008年国民医疗服务医院。¹⁹我们的发现在这个研究表明,医院剖腹产率的变化是更大的在中国比在美国和英国,反映在剖腹产不一致主要使用在医院和指示未充分利用和过度使用的在中国剖腹产。¹⁷值得注意的是,低风险的剖腹产率变化比整体在医院剖腹产率在我们的研究中,强调更大的潜在优化剖腹产在低风险的交付使用。剖腹产在低风险的交付使用可能受到一些抽象的因素如医院坚持指导,临床医生的态度和做法,当地文化,和产妇的偏好。¹⁷

医院剖腹产率的变化在我们的研究中,低风险交付似乎驱动识别医院因素比个人因素。医院因素占31.3%的医院剖腹产率的变化在低风险的交付,而个人因素只占2.0%。潜在原因的剖腹产率的变化仍然是有争议的。^17,19,20.英国的一项研究表明,大约有三分之一的医院剖腹产率的变化可归因于病人特点,¹⁹而美国一项研究报道,病人诊断,社会人口因素,医院并没有导致变异特征。^20.类似于我们的发现,我们的另一项研究表明,医院的位置,而不是病人特点,主要导致医院变异。¹⁷这些差异可能是由于不同的因素纳入研究以及不同产科护理管理卫生保健系统在不同国家之间,如支付结构、付现成本,产科护理的作用。

医院的主要贡献者的变化本研究所在的省医院,占30.9%。这类似于美国一项研究发现报道医院地理位置作为主要贡献者(39.6%)。¹⁷我们的结果也符合先前发现的广泛的地理变异在中国剖腹产率,³³建议卫生系统医院地理位置可能形状变异因素相关。例如,不同的社会规范和文化制定在一个省,省的不同形式和质量培训产科医生和助产士,地理可及性与外科手术设施能力,或金融激励可能会影响医院的剖腹产率。^20.

这项研究有一些局限性。首先,剖腹产率很可能高估了,医院剖腹产率较低的农村地区和不发达的电子医疗记录系统更容易低估HQMS数据库数据。此外,HQMS通常不包括主要医院没有能力进行剖腹产手术。事实上,我们的速度是高于以人群为基础的剖腹产率国家孕产妇和儿童卫生统计数据集(2018年是36.7%)⁹但接近附近的医院率从中国国家孕产妇监测系统小姐,这不成比例的抽样城市医院(2016年是41.1%)。⁵

第二,代码中的错误可能有偏见的估计剖腹产率和医院的变异率,因为剖腹产的定义依赖于编码精度和实践,这医院和省之间可能会有所不同。我们无法验证在医院剖腹产过程的编码统计数据库对医院记录;然而,研究其他国家的报道(κ> 0.98)高水平的协议。^{34- - - - - -36}因此,剖腹产所导致的错误编码不可能解释观察到的大医院剖腹产率的变化在我们的研究中。

第三,大约三分之二的医院变异不能解释说,这可能是由于医生因素或其他医院和个人因素。^37,38然而,我们无法检查这些潜在的捐助者的变化,因为他们没有HQMS数据库中可用。

最后,我们排除了医院不到100在2020年交付。因此,我们的研究结果可能不会概括与小规模医院产科单位。

2020年,中国的剖腹产率为40.0%,即使在低风险的交付。医院之间的速度差异很大,比整体交付为低风险更加明显。大约三分之一的低风险的变化交付由医院而不是单个因素可以解释的。当前医院的照片在中国剖腹产率表明需要医院和医生坚持剖腹产的指导意见。我们的发现可能有助于卫生行政部门和决策者设计管理员质量改进干预控制剖腹产的过度使用,尤其是对低风险的交付。进一步的研究是必要的,以确定是否医生因素,医院政策,或临床实践为中国剖腹产率的变化。

发表:2023年2月7日。

发表:2023年3月23日。doi:10.1001 / jamanetworkopen.2023.4521

开放:这是一个开放的分布式根据文章CC-BY许可证。殷©2023年代等。狗万体育下载地址《美国医学会杂志》网络开放。

通讯作者:元魏博士妇产科学系为妇产科国家临床研究中心,国家妇产科医疗质量管理中心、北京大学第三医院,49牛花园路,海淀区,北京100191,中国weiyuanbysy@163.com);Xudong马博士的医疗质量评价、医疗管理、国家健康委员会中华人民共和国,1日Xizhimenwai南路,西城区,北京100000,中国marshal0001@163.com)。

作者的贡献:Drs乔和马有完全访问所有的数据研究,负责数据的完整性和数据分析的准确性。Drs阴、陈、周co-first作者。

概念和设计:周、赵、齐、马。

数据的采集、分析或解释:阴,陈、周元,郭,通用电气,Shi, Wang,乔、赵、齐、魏。

起草的手稿:殷、周赵。

关键的修订手稿的重要知识内容:所有作者。

统计分析:殷、周。

获得资助:阴,赵。

行政、技术或材料支持:陈、周、乔、赵、马。

监督:乔、赵、魏。

利益冲突的披露:赵博士报道收到拨款投资基金的健康改善和研究在进行这项研究的。殷博士报道从临床医学+ X-Young接收授予北京大学学者项目和基础研究基金为中央大学。没有其他信息披露报告。

资金/支持:本研究支持的投资基金的拨款2020-1-4093卫生改善和研究和临床医学+ X-Young学者项目的北京大学,格兰特PKU2022LCXQ034中央大学基础研究基金。

资助者的角色/赞助商:资助者没有参与这项研究的设计和实施;的收集、管理、分析和解释数据;准备、审查或批准的手稿;并决定提交出版的手稿。

数据共享声明:看到补充2。