利用CPAP呼吸機依從性軟件改善質量：霍華德大學醫院的經驗（0983）
介紹
先前的研究已經評估了人口統計學和臨床變量對呼吸機依從性（包括種族）的影響，但對于這些變量是否能預測少數民族人群的治療結局知之甚少。在這里，我們演示了利用現成的呼吸機制造商軟件將社區結果與國家數據進行比較的過程，并回顧了特定人群中人口統計學和臨床變量的影響。數據還用于評估結果和人口統計中的時間模式。我們提供的數據描述了一個服務于歷史上低收入、少數族裔占主導地位的人口計劃，該計劃在人口統計數據中發生了根本性的變化。
方法
我們在華盛頓特區的霍華德大學睡眠障礙中心分析了接受呼吸機治療的患者。從11/2008至12/2018的在線患者數據管理程序（Encoreanywhere，飛利浦偉康）中招募的所有患者中收集了不包含身份的信息。對802例患者進行了設置日期、出生日期/年齡、性別、CPAP呼吸機機器壓力（最小和最大壓力）、地址/郵政編碼和CMS依從性評估。
結果
呼吸機依從性根據CMS標準（在30天內超過70％的夜晚使用時間大于4小時/晚），在2008年至2018年的前90天內，該比例為36％。盡管每年的結果差異很大，但隨著時間的推移，符合依從性的趨勢逐漸減弱。年齡較輕和女性性別與依從性呈負相關。呼吸機壓力與依從性沒有關系。郵政編碼用于跟蹤結果的地理差異。我們人口統計的時間變化表明，患者的年齡越來越年輕，并且以男性居多。
結論
與使用類似方法對國家數據進行的研究相比，我們從服務不足的少數族裔人群中獲得的數據表明，呼吸機依從性的比率相對降低。在一些但并非全部研究中發現，較低的呼吸機依從性與較低的年齡和女性性別相關。確定依從性性方面的挑戰后，我們希望我們的數據將作為質量改進計劃的基準，以改善治療結果。這項研究將有助于其他臨床醫生利用此類程序。
（葉妮摘自Sleep, Volume 42, Issue Supplement_1, April 2019, Pages A395–A396）
