Jsou nemocnice nejefektivnější, když jsou nejlepší lékaři pryč?

Asi nikdo by nezavítal do nemocnice, pakliže by věděl, že v ní nebudou nejkvalifikovanější lékaři. Je však veřejným tajemstvím, že zejména ve fakultních nemocnicích k podobným situacím pravidelně dochází – každoročně se koná několik oborových lékařských konferencí, kam odjíždějí seniorní, nejlepší lékaři, kteří na nich vystupují jako řečníci, vedou diskuzní panely či se scházejí se starými známými.

Nemocnice mají v daných termínech na výběr mnohem méně personálu, zůstávají spíše mladší lékaři, kteří jsou navíc přepracovaní více než jindy. Nebylo by žádným překvapením, kdyby péče o pacienty trpěla. Dle studie Anupama Jeny a kolegů (pdf) je tomu však spíše naopak.

Koná-li se v USA konference kardiologů či odborníků na oběhové nemoci, klesá ve fakultních nemocnicích úmrtnost na infarkty a jiná akutní srdeční onemocnění u rizikových pacientů. Zatímco v „normální“ dny nepřežívá celá čtvrtina pacientů, v „konferenční“ dny umírá toliko 17,5 % pacientů přijatých se srdečním selháním (u nerizikových pacientů a u běžných nemocnic podobný efekt nalezen nebyl). Závěry přitom nejsou ovlivněny jinou skladbou pacientů, ani jejich problémů, ani různým využíváním nemocničního vybavení, vše je v konferenční i v normální dny podobné.

Třicetidenní úmrtnost v % u akutní srdeční příhody („Acute Myocardial Infarction“), srdečního selhání („Heart Failure“) a zástavy srdce („Cardiac Arrest“) v rozdělení na nerizikové („Low Predicted Mortality“) a rizikové pacienty („High Predicted Mortality“) přijaté do nemocnice ve dnech konferencí („Admitted during meeting“) a v normální dny („Not admitted during meeting“).

Jedním z možných vysvětlení, proč nejkřehčí pacienti umírají méně, jsou-li specialisté pryč, může být pravidlo „méně je více“. Mnoho lékařských zákroků může být sice dobře míněných, ale jsou natolik komplikované a rizikové, že spíše poškodí, než aby pomohly.

Výsledky studie pochopitelně neznamenají, že byste s podezřením na infarkt neměli okamžitě spěchat do nejbližší nemocnice. Upozorňují, že i v medicínské péči může dojít k situaci, kdy začne více škodit než pomáhat.


Psáno pro Vesmír.

Twitter: Lež a nenávist zemřou na infarkt

Hlavním zabijákem lidstva jsou oběhová onemocnění. Kouření, nedostatek pohybu, obezita patří mezi jejich notorické spouštěče. Nicméně za poslední léta bylo uděláno mnoho, aby se jejich smrtelnost zmírnila. Na významu tak mohou nabývat „měkčí“ faktory – chronický stres, frustrace a deprese, které rovněž vedou k vysokému tlaku a fyziologickým změnám ústícím v oběhové nemoci. Naopak podporující okolí, „mít rameno, kde se vyplakat“ a smysluplný život mají přesně opačný, uklidňují a ubezpečující efekt.

Problémem je, že nikdo neví, jak významné tyto faktory jsou – informace o vlivu psychické ne/pohody na srdeční onemocnění jsou fragmentované, od lidí navštěvující terapie či odpovídající v dotazníkových šetřeních, která mají omezenou vypovídající hodnotu. Johannes Eichstaedt s kolegy (pdf) se proto zaměřili na slovní analýzu tweetů pocházejících od uživatelů z různých okresů. Předpokládali, že tak dokáží zachytit „duši“ regionu, kterou pak porovnají s údaji o četnosti umírání na srdeční onemocnění tamtéž.

Potvrdili, že čím frekventovaněji uživatelé na Twitteru píší slova spjatá se zlobou a nesnášenlivostí (obvykle vulgarismy), špatnými vztahy („nesnáším“), obecně s negativními emocemi, tím více se v regionu, kde bydlí, umírá na srdeční onemocnění. Slova značící pozitivní emoce („úžasné“, „skvělé“) a zejména zaujetí a smysl („příležitost“, „cíl“) mají opačný efekt, i když ne tak silný. Když odfiltrovali ostatní faktory, které by mohly ovlivnit výsledky (v některých regionech mohou žít chudší, méně vzdělaní obyvatelé, u kterých bude rozšíření nemocí i frustrace větší), závěry vyšly zhruba stejně.

První mapa ukazuje reálné statistiky, jak se v některých okresech USA umírá na oběhová onemocnění (percentily), druhá mapa ukazuje předpověď úmrtnosti založenou jen na datech z Twiterru. Jak patrno, odhad je velmi přesný.

I když lze studii vytknout, že výsledky mohou být taženy jinými proměnnými (třeba nezaměstnaností v regionu, různým věkem uživatelů, atp.), analýza slov z Twitteru dokáže předpovídat úmrtnost lépe než standardní faktory jako příjem, vzdělání, nezdravý životní styl či rasa. Mimochodem, slovo „milovat“ se častěji pojilo s věcmi než s lidmi.


Psáno pro Vesmír.