摘要：人口老龄化的加剧导致多病共存问题日益严重，多病共存严重影响患者的生活质量。当前的麻醉管理方法主要针对单一疾病，难以有效应对多病共存的复杂性。本文回顾了多病共存的概念及其研究现状，分析了老龄化、多病共存和衰弱之间的联系，并探讨了多病共存对围术期风险的影响。针对多
珍稀动物保护日
珍爱动物 人人有责
珍稀动物保护日
珍爱动物 人人有责
112通信作者：杨建军
基金项目：国家自然科学基金（82372182）
【摘要】人口老龄化的加剧导致多病共存问题日益严重，多病共存严重影响患者的生活质量。当前的麻醉管理方法主要针对单一疾病，难以有效应对多病共存的复杂性。本文回顾了多病共存的概念及其研究现状，分析了老龄化、多病共存和衰弱之间的联系，并探讨了多病共存对围术期风险的影响。针对多病共存患者，本文提出了包括术前评估、多学科协作、个性化麻醉方案、术中监测和术后管理在内的围术期管理策略。此外，本文强调了从单一疾病评估转向全面的多病评估框架的重要性，并探讨了利用大数据和人工智能的新型管理模式，以提升手术安全性和改善患者预后。
【关键词】多病共存；人工智能；围术期；大数据
随着人口老龄化程度加深，多病共存问题越显突出，已成为全球不容忽视的健康问题。相较于单一病种，多病共存的危险因素、发病机制更复杂，使诊疗、用药和疾病管理等更困难［1］。多病共存不仅降低了患者的生活质量，而且增加患者术后并发症及死亡率风险［2］。目前，多病共存管理策略主要侧重于单一疾病，这与老年人群中常见的多病现象并不一致。因此，深入研究围术期多病共存模式并完善围术期多病共存患者管理的综合防治体系，对于提升患者的治疗效果与预后具有重要意义。多病共存的定义
多病共存已成为人类健康的巨大挑战。然而，目前对多病共存的定义和测量方法尚无统一标准，导致相关术语经常被交换使用［3］。多病共存概念在英文中主要有3种表达形式：Multimorbidity（多病共存）、Comorbidity（共病）和Multiple chronic conditions（多重慢性病）。多病共存指某一患者在某一阶段同时患有两种或两种以上任何类型的疾病，其中不一定有主要疾病［4］。多病共存侧重于描述疾病的数量和多样性，而不是这些疾病之间的相互作用。共病通常用于描述一个或多个额外疾病与一个主要疾病同时存在于一个患者的情况［5］。共病强调的是这些额外疾病对主要疾病的影响，它们可能加剧主要疾病的严重程度，影响治疗效果或增加治疗复杂性。多重慢性病则特指患者同时患有两种或两种以上慢性疾病［6］。慢性疾病是指持续时间较长、进展缓慢的疾病，如心脏病、糖尿病和关节炎。多重慢性病用于描述慢性疾病的累积负担，以及对患者健康和治疗的长期影响。总之，三者之间的关系是包含的关系，多重慢性病是多病共存和共病的子集，而共病则是多病共存的子集，但它们各自强调的重点有所不同（图1）。由于定义未统一，在不同研究中对多病概念的理解和应用可能出现不一致现象，从而影响研究结果的可比性［7］。衰老、多病共存和衰弱的关系
衰老、疾病和衰弱之间的关系可从内化本质和外在表现的角度进行探讨。衰老是一个自然的、不可逆的生物过程，是内在本质的改变。疾病通常是衰老过程中的外在表现，反映了随着特定生物缺陷积累，机体对内外环境适应能力下降，可能表现为特定疾病。基于英国生物库，Tian等［10］研究人的大脑和七个身体系统，其中包括心脏、肺部、骨骼肌、肾脏、肝脏、免疫和代谢系统。该团队发现一种新的测量方法用以衡量个体的“生物年龄”，并以此来评估机体某个器官的衰老程度。“生物年龄”表示某人的大脑、肝脏和心脏等系统是否比同龄人更年轻或更老。该研究表明高龄器官会显著增加患慢性疾病的风险，而慢性疾病的特点是特定器官的衰老。总之，衰弱是衰老和疾病相互作用的结果，表现为个体对健康威胁的脆弱性增加。衰老和多病共存是老年患者失能的重要诱因，两者互为因果，彼此影响。了解这一过程对于改善围术期患者多病共存具有重要意义（图2）。多病共存与围术期风险
围术期风险不仅来自手术操作本身，更多则与患者自身合并疾病相关。许多围术期风险评估量表包含合并疾病的评分，例如改良心脏风险评估指数就包含了缺血性心脏病、心力衰竭、脑卒中、糖尿病以及肾功能不全等指标［11］。尽管合并多种慢性病患者围术期风险增加，但简单罗列慢性疾病数目并不能准确预测患者围术期风险，不同疾病组合方式、疾病之间相互作用是否会影响手术患者预后尚未详细阐述。查尔森合并症指数（Charlson comorbidity index， CCI）对特定疾病赋予不同的权重，成为死亡风险预测最广泛的使用方法。然而，其在疾病覆盖、权重分配和疾病间交互作用的考虑等仍存在缺陷［12］。例如：（1）CCI包含的疾病种类相对固定，无法全面覆盖所有患者的合并症情况；（2）CCI中疾病权重基于既往数据和医疗条件，随着医疗技术的进步和治疗方法的改进，某些疾病的预后可能已发生显著变化，因此需更新CCI的权重系统从而更好反映这些变化；（3）CCI主要通过列出的合并症总和赋分评估患者风险，该方法未能充分考虑不同合并症之间存在的交互作用对患者预后的影响。因此，研究更为个体化的方法对于提高围术期安全性并改善患者预后具有重要的意义。
Zador等［13］分析了不同多病状态与器官功能障碍和败血症相关死亡率之间的关系。通过使用潜在类别分析确定6个具有临床意义的多病亚组，该多病亚组基于其占主导地位的疾病类别进行标记。该研究识别出与器官功能障碍、败血症及死亡率相关的特定多病模式。器官功能障碍和败血症的发生率在6个亚组中变化范围分别在19.6%～69%和12.5%～46.7%。器官功能障碍与死亡率组合和败血症与死亡率组合发生率的变化范围分别在8.4%～23.8%和11.7%～27.4%，其中“肝脏/酒精药物滥用”亚组中发生率最高，表明肝疾病或酒精药物滥用导致的易损性可能是器官功能障碍、败血症和/或死亡率的启动因子。Fowler等［14］研究了不同慢性病组合形式对手术患者预后的影响，结果表明合并疾病的组合不同，术后90 d死亡率不同，高风险疾病组合常包括心力衰竭、癌症、慢性肾脏疾病、外周血管疾病和痴呆症。择期手术患者中，死亡率最高的组合是心力衰竭合并肝脏疾病（8.9%）。非择期手术患者中，死亡率最高的是心力衰竭合并恶性肿瘤（38.0%）。经过年龄校正后，疾病二联组合患者术后90 d死亡风险在择期手术和非择期手术组中分别为1.2%～8.7%和6.5%～34.7%。各种疾病组合中，肿瘤与心力衰竭复合其他疾病组合患者术后90 d死亡率最高。
麻醉手术对多病共存患者术后恶化进程的影响及应对策略
麻醉手术可能会加剧术后多病的恶化进程。术后并发症如慢性疼痛、认知功能下降和感染等在多病共存患者中更为常见［15-17］。麻醉管理不当可能导致病情的恶化。目前，为减少多病共存患者的围术期风险，主要采取以下措施。（1）术前评估：在术前全面评估患者的多病共存情况，包括病史、用药情况、身体功能和心理状态。开发和使用精准的风险评估模型，帮助医师制定个性化的麻醉方案。（2）多学科合作：建立多学科团队，包括麻醉科、心内科、内分泌科、肾内科等，共同制定和实施围术期管理计划，以确保各相关疾病得到充分关注和管理。（3）个性化麻醉方案：根据患者的多病共存状态和术前评估结果，制定个性化的麻醉方案，优化麻醉药物和剂量。（4）术中监护：加强术中监护，实时监测患者的生命体征，及时调整麻醉深度和手术参数，降低术中应激反应。（5）术后管理：术后密切监测患者的恢复情况，制定长期康复计划，包括营养支持、康复训练和心理疏导，降低术后并发症发生率，促进患者康复。尽管这些措施在管理多病共存患者的围术期风险方面取得了一定成效，但它们主要集中在治标不治本的层面，没有充分考虑疾病之间的相互关系。多病共存的发生应该遵循一定规律。缺少共同致病因素的疾病组应以与其各自发病频率一致的概率同时发生［18］。而具有共同致病因素的疾病组同时发生的概率应超过其独立发生的概率。这些“非随机”的疾病聚集有以下几种原因：常见的环境暴露因素（例如吸烟引发凝血功能异常和DNA损伤，可分别导致脑卒中和癌症）、一种疾病导致另一种疾病（例如房颤导致缺血性脑卒中）、一种疾病的治疗导致另一种疾病（例如肺栓塞的抗凝治疗可导致硬膜下出血）、或受共同的基因决定机制影响。先前的研究结果已经证实简单以合并疾病数目预测风险掩盖了不同疾病之间的相互作用［13-14］。因此，应从当前的单一疾病评估模式转向一个更综合性的多病评估框架，以更准确地预测围术期患者的风险和预后。多病共存患者围术期风险防治的思考
多病间可能存在某些内在联系，充分了解多病间的关联性、患者和疾病关系等多元信息成为解决多病共存患者围术期风险的关键因素。然而，目前对于多病模式、关系网络以及预测很少有深入研究。多个专科指南的叠加并不适合多病共存患者的管理，对于单一疾病本身而言依靠专科指南制定的诊疗方案可能是较好的方案，但对于多病共存患者或许不是好的选择［19］。作为综合性疾病，多病共存改变了以疾病为中心的诊疗理念［20-21］。因此需要更系统地认识疾病的聚集性，围绕着疾病集群开展临床服务。通过构建多病网络，并对其分析总结出一系列有利于患者的防治模式，特别是将机器学习应用于该领域，可能有意料之外的结果［22］。在复杂网络理论指导下，基于疾病和影响因素之间的连接和特征相关性，提出了一种整合影响因素的多病共存模式挖掘方法［23-24］。在多病网络构建阶段，首先分析疾病间关联，建立疾病之间的一模网络（图3）。其次，考虑影响多病的各种因素，提取疾病与影响因素之间的关联，形成疾病和影响因素的二模网络。最后，将疾病间的一模网络与疾病和影响因素的二模网络整合，构建一个包含所有因素的多病网络。在多病模式识别阶段，利用机器学习算法识别多病模式，并通过疾病影响力指标评估模式中疾病重要性，将疾病分类为核心疾病、桥梁疾病和普通疾病。最后，通过对比分析，从方法原理和识别结果方面，将整合影响因素的多病模式挖掘方法与其他常用的多病模式挖掘方法进行比较，以评估其可行性和有效性。数据驱动下多病共存管理
国务院发布的《“健康中国2030”规划纲要》提出，要推进数字健康战略，加快数字技术与医疗卫生健康深度融合，以技术之“智”赋能医疗之“治”，实现医疗服务和全民健康管理全面升级。在围术期医学领域，大数据和人工智能融合提供了重大机遇。通过构建智能化决策系统，可实现对麻醉学科和前沿学科交叉融合的持续优化，从而提升临床安全和改善手术后的长期转归［25］。智能化决策系统的应用将有助于在临床实践中作出更精准和个性化的决策。此外，这些平台还能够对大量的临床数据进行深入分析，识别潜在的风险因素和并发症的早期迹象，为围术期管理提供重要的辅助信息［26］大数据分析为理解和管理多病共存提供了强大工具。通过处理和分析大量医疗数据，如电子健康记录、医学影像和遗传信息，揭示不同慢性疾病间的相互作用，帮助预测治疗反应，从而指导医师进行更准确的诊断和治疗。基于大型语言模型的预测方法，Jiang等［27］通过分析电子健康记录中的非结构化临床数据进行30 d再入院、住院死亡率和合并症指数等预测，并将其整合到现有医疗工作流程中辅助医师和管理人员进行临床和运营决策。该研究强调了大数据相关研究的必要性以及优化人工智能与人类交互、评估偏见来源和持续监测的重要性。在精准医学这一框架下，侧重于根据患者特征定制治疗方案，这在多病共存管理中尤为重要。其综合考虑患者整体健康状况和疾病特征，为患者提供更适合其独特需求的治疗计划。总之，大数据和精准医学将在多病共存的诊断、治疗和管理中发挥越来越重要的作用，其互补性正在推动医疗实践朝着高效和个性化的方向发展。小 结
随着人口老龄化的加剧，多病共存问题日益突出，对围术期患者的管理尤为重要。多病共存不仅降低患者生活质量，还增加术后并发症发生率和死亡率。因此，深入研究多病共存的定义、模式和管理策略，对于提升患者治疗效果与预后至关重要。多病共存的管理应从单一疾病转向综合性、个性化的评估框架，特别是在围术期管理中，要全面考虑患者健康状态及疾病间的相互影响。此外，结合大数据和人工智能技术，构建智能化决策系统，将为多病共存的诊断和管理提供强有力的支持。推进多病共存的系统化研究与综合管理，不仅是提升患者治疗效果的关键，也是应对未来老龄化社会健康挑战的重要举措。
参考文献略。
DOI:10.12089/jca.2024.11.001
来源：新青年麻醉论坛一点号