(资料图片)

金斯顿大学和医疗保健技术公司 Observia 开发的一种开创性行为诊断工具可帮助患者按规定服药，这是世界上第一个能够准确预测 2 型糖尿病患者入院和再入院情况的整体模型。学习。

开发 SPUR 工具是为了帮助更好地理解药物不依从性的原因，药物依从性定义为患者不按规定服药的程度。根据英国国际长寿中心的一份报告，世界卫生组织在 2003 年将不依从性确定为一个全球性问题，在美国每年造成近 3000 亿美元的损失，在欧洲部分地区造成 12.5 亿欧元的损失。

这突出表明，除了对可能无法从治疗中获得所有预期益处的患者的健康产生影响外，不依从性还对全世界的医疗保健系统产生重大的经济影响。这些费用来自更高的住院率、再入院率和住院时间的增加。

SPUR 模型创建于 2017 年，现已通过发表在《患者偏好与依从性杂志》(Patient Preference and AdherenceJournal) 上的一项新观察性研究发现，它是世界上第一个准确预测入院率和提前再入院率的整体模型。

研究负责人金斯顿大学博士对金斯顿医院招募的 200 名 2 型糖尿病患者进行了测试。候选人 Josh Wells、首席研究员兼金士顿药学系主任 Reem Kayyali 教授和医疗保健统计学家 Chao Wang 博士发现 SPUR 可以预测患者的不依从性风险，还可以提供有关患者行为的背景信息来解释该风险的原因。