社会经济差异与共病在医院死亡率中的作用:一项荷兰全国性的重症监护队列研究
《Critical Care Medicine》:Socioeconomic Disparities and the Role of Comorbidity in Hospital Mortality: A Dutch Nationwide Critical Care Cohort Study
【字体:
大
中
小
】
时间:2026年10月09日
来源:Critical Care Medicine 7.5
编辑推荐:
目标:较低的社会经济地位(SES)与更高的并发症发病率和死亡率相关。在基于保险的全民医疗体系的重症监护背景下,SES与死亡率之间的关联以及特定并发症的调节作用尚未完全理解。为了为卫生政策和实践提供参考,我们研究了荷兰ICU收治患者中的社会经济差异,并考虑了并发症对医院死亡率的影响
目标:较低的社会经济地位(SES)与更高的并发症发病率和死亡率相关。在基于保险的全民医疗体系的重症监护背景下,SES与死亡率之间的关联以及特定并发症的调节作用尚未完全理解。为了为卫生政策和实践提供参考,我们研究了荷兰ICU收治患者中的社会经济差异,并考虑了并发症对医院死亡率的影响。
设计:全国性回顾性队列研究。
地点:包括所有79个荷兰ICU。
患者:我们使用了2014-2022年间588,568例ICU收治数据,这些数据与家庭层面的SES数据相关联。
干预措施:无。
测量和主要结果:我们使用混合效应逻辑回归模型来研究SES五分位数与医院死亡率之间的关联。模型调整了年龄、性别、入院年份、急性生理紊乱和并发症等因素。此外,我们还研究了七种并发症的调节作用:呼吸功能不全、肾功能不全、癌症、心血管功能不全、糖尿病、肝硬化和免疫功能不全。未调整的医院死亡率比值比(OR)在SES较低的患者中较高。调整后,SES五分位数与中间五分位数仍有显著差异,其OR分别为1.6(1.5–1.6)、1.1(1.0–1.1)、1.0(0.9–1.0)和0.9(0.9–1.0)。这种关联在SES最低的分位数中最为明显,并且在有和没有特定并发症的患者中都存在。
结论:无论是否存在并发症,SES较低的ICU患者的生存前景较差。这凸显了可能影响ICU结果的持续存在的健康差异。在解释结果指标、设计卫生政策以及制定旨在提高健康公平性的干预措施时,应考虑SES因素。
关键点:
- 问题:在荷兰重症监护患者中,较低的社会经济地位是否与较高的医院死亡率相关?并发症是否会影响这种关系?
- 发现:无论年龄、性别和急性生理紊乱状况如何,SES较低的患者医院死亡率显著较高。这种关联在SES最低的分位数中最为明显,并且在有和没有并发症的患者中都存在。
- 意义:我们发现了荷兰重症监护患者中存在的显著健康差异,这强调了在设计卫生政策和制定旨在提高健康公平性的干预措施时需要考虑SES因素。
最严重的患者接受ICU治疗,导致荷兰ICU的医院死亡率约为13%。因此,包括人口统计学、并发症和测量生理紊乱的实验室评估在内的风险因素已被认为是死亡率的预测因素。然而,在使用标准化和病例组合调整的结果指标评估ICU表现时,社会经济地位(SES)——即基于就业、财富和教育水平的个人相对社会地位——常常被忽视。较低的SES与较高的不良健康结果发生率、较差的健康轨迹和更高的医疗利用度相关。这种现象被称为“社会梯度”,被认为是主要的公共卫生挑战。先前在多个国家和卫生体系中的研究探讨了SES与ICU患者死亡率之间的关联。虽然一些研究報告SES较低的患者死亡率较高,但其他研究则未显示出统计学上的显著关联。这种观察到的异质性可能是由于卫生体系的不同(例如,非全民医疗服务[24, 27–29]、税收资助的全民医疗服务[13–17, 30]和基于保险的全民医疗服务[19–22, 31]),以及SES概念化和测量的差异所致。许多研究依赖于基于地区的指数[14–16, 18, 23–26, 30, 32–34],这可能导致个体情况的错误分类,尤其是在地区内部社会经济差异显著的情况下。相反,基于个体的指数(通常是调查性的)[13, 19–22, 31, 35]的研究样本量较小,并且容易受到非响应性的选择偏倚影响[36]。此外,对并发症的调整通常使用复合指数而不是个别并发症[14, 15, 17, 18, 22–25, 30, 31, 33, 37]进行,而每种并发症可能以不同的方式调节SES与死亡率之间的关联。因此,本研究使用了一个全国性的ICU队列,将家庭层面的SES与个别并发症联系起来,该队列位于一个全民覆盖的基于保险的卫生体系内。我们提出了三个假设:1)较低的SES与较高的医院死亡率相关;2)这种关联独立于年龄、入院前24小时内的急性生理紊乱和并发症;3)有和没有既往并发症的患者之间的关联存在差异。这种方法旨在提供对社会护理结果中社会梯度的细致理解,以指导有针对性的政策并促进健康公平性。
材料与方法
该队列研究使用了国家重症监护评估(NICE)注册处的数据,涵盖了2014年1月1日至2022年12月31日期间所有荷兰ICU的患者数据。数据集包含了所有79个荷兰ICU连续收治患者的 demographic、生理、实验室和医院死亡数据。急性生理与慢性健康评估III急性生理评分(APS)用于量化患者入住ICU后24小时内的急性生理紊乱情况。研究了七种并发症(住院前存在的除主要ICU诊断之外的医疗状况):呼吸功能不全、肾功能不全、癌症、心血管功能不全、糖尿病、肝硬化和免疫功能不全。NICE数据与荷兰国家统计局的家庭层面SES数据进行了确定性链接。SES评分基于财富、教育水平和就业历史的组成部分得分,并根据整个研究人群分为五分位数。数据提取、链接、纳入和准备的详细信息在补充方法(https://links.lww.com/CCM/I25)部分提供,并已在其他地方进行了全面描述。
混合效应逻辑回归
我们使用混合效应逻辑回归模型分析了SES五分位数与医院死亡率之间的关联,采用了适用于二元分布的对数链接函数的广义线性混合效应模型。模型在logit尺度上纳入了正态分布的随机截距,并使用Nelder-Mead优化算法,实现了良好的收敛性。首先,我们研究了一个未调整的模型(模型1),将SES五分位数作为医院死亡的分类决定因素,以中间五分位数(第3分位数)为参考,为较低和较高的SES五分位数提供效应估计。其次,模型1进一步调整了年龄、性别和入院年份(模型2)。然后,模型2分别单独添加了每种并发症,并包括了特定并发症与SES之间的交互项(模型3a–3g)。接着,根据每种并发症的存在与否对结果进行了分层,以评估SES五分位数与死亡率之间的关联是否因并发症状态而异(模型3a–3g,存在与不存在)。最后,为了获得一个完全调整的模型,模型2同时调整了所有研究的并发症(不包括交互项)和APS(模型4)。这些模型的概述见表S1(https://links.lww.com/CCM/I25)。通过调整模型2中并发症的数量(0、1、2或>2)与SES之间的交互作用进行了敏感性分析。我们还进行了两种极端情况敏感性分析,即将SES未链接或缺失的患者分配最小或最大的SES值,以评估缺失可能导致的偏差。对模型3a–3g进行了Wald检验和似然比检验,以评估每个并发症分层中SES的总体联合效应。由于APS可能影响并发症与医院死亡率之间的关联,因此使用了不包含APS的模型2来研究并发症的作用。为了提高收敛性,年龄和APS被标准化为z分数。对于所有模型,计算了固定效应的比值比(OR)及其95%置信区间(CI)。通过汇总模型3a–3g中SES和交互效应的相关系数,计算了按并发症存在与否分层的OR的CI。CI基于组合估计的标准误差。通过对数几率差异的结果估计及其相关的95% CI进行指数化,得到了带有95% CI的OR。
我们关注以OR及其95% CI表示的效果大小,因为在本研究中p值提供的附加价值有限,特别是考虑到较大的样本量。在特定并发症的交互作用分析中,我们没有进行多重检验校正,以避免第二类错误;应相应解释p值[44, 45]。结果基于作者使用荷兰统计局的非公开微观数据项目编号9247进行的计算。分析使用R Version 4.4.0(R Core Team, Vienna, Austria)进行。我们获得了阿姆斯特丹大学医学中心的医学审查伦理委员会于2023年9月6日批准的关于“在荷兰ICU常规收集的患者数据用于国家重症监护评估(NICE)质量注册的观察性研究”的知情同意豁免。该研究符合1975年赫尔辛基宣言和适用的国家法规[参考编号:2023.0259]。我们遵循了加强流行病学观察性研究报告和使用常规收集的数据进行的研究报告指南。
结果
总结来说,从2014年1月1日至2022年12月31日,共收集了703,773份ICU记录,其中79,935份因排除标准不符合条件而不适用于分析。在符合条件的ICU记录中,有18,082份(2.9%)无法通过荷兰统计局链接,17,188份(2.8%)在入院前两年内没有可用的SES数据(表S2,https://links.lww.com/CCM/I25)。最终的研究人群包括588,568份带有SES分数的ICU记录[41]。
SES五分位数在疾病严重程度、并发症、死亡率和人口统计学特征方面存在差异(表1)。最低和平均SES五分位数平均包含较年长的患者(68.8岁和68.4岁),最低SES五分位数中的男性比例低于其他五分位数(53.3%)。与最高和较高SES五分位数相比,最低和较低SES五分位数的APS得分较高(48.0分和46.3分 vs 42.7分和41.0分)。并发症在SES五分位数中的分布不均。呼吸功能不全、肾功能不全和糖尿病的患病率在最低和较低SES五分位数中较高,而癌症在最低SES五分位数中的患病率低于最高和较高SES五分位数。免疫功能不全的患病率在SES五分位数中相对一致。
表1. 荷兰ICU患者社会经济地位五分位数的描述性统计。数据以平均值±标准差或数字和百分比的形式呈现。社会经济地位类别根据从最低到最高的SES五分位数划分。
变量
最低SES(n = 118,476)
低SES(n = 122,175)
中等SES(n = 119,076)
高SES(n = 112,099)
最高SES(n = 116,742)
总队列(n = 588,568)
年龄,平均值(标准差)
61.1(16.8)
68.8(13.6)
68.4(12.7)
61.5(15.2)
57.4(14.7)
63.5(15.3)
性别(男性),n(%)
63,086(53.2)
71,369(58.4)
75,228(63.2)
71,776(64.0)
77,388(66.3)
358,847(61.0)
急性生理评分(APS),平均值(标准差)
48.0(27.6)
46.3(25.7)
45.0(25.2)
42.7(24.9)
41.0(24.6)
44.6(25.7)
呼吸功能不全,n(%)
24,278(20.5)
23,072(18.9)
18,729(15.7)
13,710(12.2)
10,211(8.7)
90,000(15.3)
肾功能不全,n(%)
8,817(7.4)
8,620(7.1)
7,222(6.1)
5,027(4.5)
3,754(3.2)
33,440(5.7)
癌症,n(%)
5,642(4.8)
7,226(5.9)
7,858(6.6)
7,200(6.4)
8,079(6.9)
36,005(6.1)
心血管功能不全,n(%)
5,579(4.7)
6,394(5.2)
5,773(4.8)
4,430(4.0)
3,874(3.3)
26,050(4.4)
糖尿病,n(%)
26,186(22.1)
25,570(20.9)
21,303(17.9)
16,231(14.5)
12,512(10.7)
101,802(17.3)
肝硬化,n(%)
2,643(2.2)
1,421(1.2)
1,315(1.1)
1,246(1.1)
1,290(1.1)
7,915(1.3)
免疫功能不全,n(%)
9,675(8.2)
10,201(8.3)
10,520(8.8)
9,614(8.6)
10,012(8.6)
50,022(8.5)
医院死亡率,n(%)
19,932(16.8)
16,805(13.8)
14,720(12.4)
10,763(9.6)
9,259(7.9)
71,479(12.1)
在未调整的模型(图1,模型1)中,最低和较低SES的OR(95% CI)分别为1.4(1.4–1.4)和1.1(1.1),与参考的中间SES(第3分位数)相比;而最高和较高SES五分位数的OR分别为0.6(0.6–0.6)和0.8(0.7–0.8)。即使调整了潜在的混杂因素,这些效应仍然存在(图1,模型2和4)。尽管大多数五分位数的OR强度降低,但最低SES五分位数的OR在调整后有所增加。完全调整后的模型,包括年龄、性别、入院年份、所有并发症和APS(图1,模型4),与中间五分位数相比,最低、较低、较高和最高SES五分位数的OR分别为1.6(1.5–1.6)、1.1(1.0–1.1)、1.0(0.9–1.0)和0.9(0.9–1.0)。更多细节见表S3–S13(https://links.lww.com/CCM/I25)。
开放多媒体模式
图1. 以中间SES为参考的社会经济地位(SES)五分位数的医院死亡率比值比。模型1仅将SES五分位数作为决定因素。模型2调整了年龄、性别和入院年份。模型3进一步调整了个别并发症(图2)。模型4根据年龄、性别、入院年份、所有七种合并症以及急性生理评分进行了调整。颜色和形状表示不同模型;水平条表示95%的置信区间,比率以对数尺度显示。模型3a–3g的结果见表S5–S11(https://links.lww.com/CCM/I25)。对于每个包含单一合并症的模型(模型3a–3g),通过Wald检验和似然比检验发现社会经济地位(SES)与合并症之间存在统计学上的显著交互作用(p < 0.05),心血管功能不全(模型3d)和糖尿病(模型3e)除外(表S14和S15,https://links.lww.com/CCM/I25)。在存在呼吸功能不全、肾功能不全、肝硬化和免疫功能不全的情况下,最低SES五分位的医院死亡率比值比降低(图2和图3)。Wald检验显示,在所有模型中,SES五分位的联合效应与死亡率相关(表S14,https://links.lww.com/CCM/I25),并且这种关联在每个合并症亚组中仍然具有统计学意义(表S16,https://links.lww.com/CCM/I25)。敏感性分析表明,合并症数量越多,死亡率越高;并且SES五分位的效果在伴有两种或更多合并症的患者中更为明显(表S17,https://links.lww.com/CCM/I25)。极端情况敏感性分析显示最低和最高SES五分位的比率比存在轻微差异(表S18和S19,https://links.lww.com/CCM/I25)。
图2:按合并症分层的社会经济地位(SES)五分位的医院死亡率比值比,以中间SES五分位为参考(模型3a–3d)。这些模型使用了ICU作为随机截距的混合效应逻辑回归模型,并调整了年龄、性别、入院年份和合并症因素,同时包括了SES与合并症之间的交互项。分层后的比值比显示了合并症存在(橙色三角形)和不存在(蓝色圆点)的情况(A–D):呼吸系统、肾脏、癌症和心血管疾病。水平条表示95%的置信区间;比率以对数尺度显示。
图3:按合并症分层的社会经济地位(SES)五分位的医院死亡率比值比,以中间SES五分位为参考(模型3e–3g)。这些模型使用了ICU作为随机截距的混合效应逻辑回归模型,并调整了年龄、性别、入院年份和合并症因素,同时包括了SES与合并症之间的交互项。分层后的比值比显示了合并症存在(橙色三角形)和不存在(蓝色圆点)的情况(A–C):糖尿病、肝硬化和免疫系统疾病。水平条表示95%的置信区间;比率以对数尺度显示。
**讨论**
在这项全国性队列研究中,我们探讨了荷兰ICU入院患者的社会经济地位(SES)与医院死亡率之间的关系。较低的社会经济地位与较高的医院死亡率和合并症发生率相关。即使在调整了年龄、性别、ICU入院年份、急性生理评分(APS)和测量到的合并症后,这种关联依然存在。这表明社会经济差异不能完全由已知的合并症或急性疾病的严重程度来解释。与中间SES五分位相比,最低SES五分位的医院死亡率比值比显著更高。此外,每种合并症都改变了SES与死亡率之间的关联,心血管功能不全和糖尿病除外。通过针对个别合并症的分层分析(模型3a–3g),发现SES与死亡率之间的关联强度在不同合并症组中略有差异。尽管如此,在有合并症和没有合并症的情况下,这种关联的方向保持一致。总体而言,这项全面的研究提供了证据,表明尽管荷兰拥有高质量、全民覆盖且基于保险的医疗系统,较低的社会经济地位仍与较高的医院死亡率相关。
**优势和局限性**
本研究的主要优势在于使用了大规模的全国性ICU入院患者队列,并结合了高质量的家庭层面社会经济数据。来自所有荷兰ICU的常规收集数据能够得出具有全国代表性的结论。高精度社会经济数据与详细临床信息的结合为研究社会经济地位对健康结果的影响提供了独特的机会。然而,这项研究也存在一些局限性。一个潜在的局限性是合并症分层偏差,因为分析仅限于ICU患者。ICU入院受到SES以及其他因素(如年龄、疾病严重程度和合并症)的影响,这种条件可能导致SES与这些变量之间的虚假关联,从而扭曲观察到的SES-死亡率关联。通过调整年龄、APS和合并症后,未调整的关联发生了显著变化,表明大部分与选择相关的偏差得到了纠正。然而,无法完全排除未测量的ICU入院和死亡原因造成的剩余偏差,这主要限制了我们的研究结果在ICU环境之外的普遍性。此外,排除不符合标准医院的做法可能导致选择偏差,但这主要是由于临时性的软件或数据传输问题,而不是资源或患者人群的结构性差异。被排除的患者的SES分布和医院类型与纳入的患者相似。同样,排除无法映射或缺乏SES信息的患者也可能引入选择偏差,但这一群体规模较小(5.0%),包括社会经济地位优越和劣势的个体(如外籍人士、游客、劳工移民和无家可归者)。假设被排除患者的ICU生存情况与研究人群没有显著差异,并且考虑到排除比例较小,这些排除对结果的影响可能微不足道,极端情况敏感性分析也支持这一点。当数据随机缺失时,完整病例分析(CCA)存在一定的局限性。然而,鉴于我们的研究重点和缺乏强有力的推断依据,我们更倾向于结合极端情况敏感性分析来更好地理解引入的偏差。
尽管我们的研究调整了关键的人口统计因素、合并症和急性生理紊乱,但仍可能存在残余混杂因素,例如通过生活方式因素和未测量的合并症。此外,合并症的定义有限(例如,心血管功能不全仅被归类为纽约心脏协会IV级)。因此,一些合并症较轻的患者没有被包括在内。SES的定义、测量、分布和记录因国家而异,因此我们的结果在其他国家的普遍性可能受到限制。尽管如此,当前结果的方向可能是普遍的,但具体程度可能因地区或国家而异。此外,本研究没有包括所有可能影响SES相关结果的社会和人口统计因素,如移民状况、母语或种族。最后,尽管我们的分析显示SES与死亡率之间存在明显关联,但由于观察性研究的性质,无法得出确定的因果结论。
**研究的意义**
多项研究报告称较低SES群体的死亡率较高(12–17),而其他研究则未发现统计学上的显著关联(18–26)。研究设计的差异可能是造成这种异质性的原因,包括SES的概念化方式(例如,收入与财富)、SES测量的精度(例如,个人与家庭或地区为基础的SES),以及抽样框架(例如,仅限于特定医院)。尽管最近的一项系统评价得出结论,总体而言较低SES与ICU出院后的较高死亡率相关(11),但这种趋势的幅度可能因医疗系统环境和SES对生活社会和经济条件的捕捉程度而异。来自非普遍医疗系统的证据(例如美国)表明,保险覆盖和医疗准入影响了护理路径和结果(24, 27–29)。然而,在税收资助的普遍医疗系统中(例如英国、加拿大、澳大利亚和丹麦),即使有普遍覆盖,SES梯度依然存在(13–17, 30)。在类似荷兰的(部分)基于保险的普遍医疗系统中(例如法国和韩国),大多数研究未发现明确的SES-死亡率关联(19–22, 31),可能是因为这些研究规模较小、是单中心或基于调查的。相反,当前的全国性分析显示了明确的SES-死亡率梯度,表明基于保险的普遍医疗覆盖不足以消除社会经济健康不平等。
在以往报告调整后关联性的研究中,混杂因素的调整改变了SES-死亡率关联的幅度,有时甚至改变了其方向。然而,这种梯度的形状通常保持稳定,SES各层之间的排名顺序未改变(14, 15, 24, 30, 33)。相比之下,我们的研究在调整混杂因素后发现SES组间的具体变化,显示出最低SES五分位的额外风险。此外,以往的ICU研究通常将合并症视为混杂因素,常通过综合指数进行评估(14, 15, 17, 18, 22–25, 30, 31, 33, 37),并报告较低SES组中合并症的发生率较高(18, 46–52)。然而,合并症对SES-死亡率关联的具体影响研究较少。本研究通过使用针对特定合并症的交互项提供了证据,揭示了不同合并症之间的详细修正效应。尽管如此,总体SES-死亡率梯度在有合并症和没有合并症的情况下都存在。
在本次调查中,SES五分位之间的基线特征差异显著。最低SES五分位患者的平均年龄低于较低和中间SES五分位。这与其他研究一致,可以由过早衰老、寿命较短和合并症分层偏差解释(53–56)。较低SES五分位还包括更多女性和病情严重的患者,如较高的APS所示。与以往的研究类似,我们观察到较低SES五分位中呼吸功能不全、肾功能不全、糖尿病和肝硬化的发生率较高(14, 52, 57–60)。相比之下,较低SES五分位中癌症的发生率较低。先前的研究表明,前列腺癌、乳腺癌和结肠癌在低社会经济群体中的发病率较低(61, 62),而结直肠癌、肺癌、胃癌、口咽癌和食道癌在低社会经济群体中更常见(62–64)。这突显了SES与合并症之间关联的复杂性,其中许多因素可能起作用,如生活方式、避免医疗保健、文盲和文化。即使在调整了基线特征后,SES与医院死亡率之间的关联仍然存在,尽管因果路径仍然复杂。即使在普遍医疗系统中,较低SES的个体也面临累积的就医障碍,例如较低的预防筛查参与率(65, 66)。复杂的护理路径反复阻碍了患者的参与,可能导致就医延迟,直到需要入住ICU(67–69)。重要的是,这些机制因医疗系统而异。在荷兰的全科医生 gatekeeping 模型中,按人头收费的资金分配可能限制了社会经济贫困地区的医疗能力。此外,较低的医疗素养阻碍了有效的医患沟通。此外,预期的自付费用可能阻碍或延迟专科转诊(70)。缺乏财务资源还会妨碍预防性护理、治疗依从性和健康生活方式。在医院层面,社会经济因素可能进一步复杂化患者与医疗服务提供者之间的沟通(71, 72)。尽管难以量化,但这些因素可能导致了我们研究中观察到的健康差异。
我们发现,患有呼吸功能不全、肾功能不全、癌症、糖尿病和免疫功能不全的患者的效果大小较小。这可能反映了患有慢性合并症的患者通常与医疗保健系统的互动更多。然而,分层分析显示,无论是否存在特定合并症,社会经济差异都持续存在。我们发现了显著的健康差异,并建议政策制定者帮助医疗专业人员减轻其不利影响。医疗专业人员处于独特的位置,能够识别来自较低社会经济背景的患者。尽管他们无法直接解决财务或社会风险因素,但他们可以通过定制的沟通来改善结果,克服语言和知识障碍(71, 73, 74)。鉴于财务讨论的敏感性、时间限制和培训不足,应通过有针对性的教育、沟通协议和治疗计划来支持医疗专业人员(72, 75)。此外,在比较ICU表现时,应考虑社会经济因素,以避免照顾更多社会经济劣势患者的ICU在评估中受到不公平的惩罚。
**未来研究**
需要进一步的研究来明确SES的哪些组成部分(例如财富、教育或就业)驱动了ICU结果的差异。这有助于识别脆弱性机制,并为有针对性的干预提供机会。此外,我们敦促研究人员进行类似的分析,以评估SES、合并症和医院死亡率之间的关联是否在不同国家和医疗系统中一致。未来的研究还应探讨重症监护病房(ICU)前的护理、沟通障碍以及ICU收治流程如何影响这些关联结果。
**结论**
在这项使用精准家庭层面社会经济数据的全国性研究中,即使在调整了人口统计因素、共病状况和急性生理紊乱情况后,较低的社会经济地位(SES)仍与ICU患者较高的死亡率独立相关。这些发现强调了健康的社会决定因素对重症监护结果的影响,进一步凸显了提供有效且公平护理的必要性。不同地区在社会经济构成上的差异以及SES对结果的影响应为政策制定者和医疗专业人员提供有关预防策略和护理提供的参考。解决这些不平等问题对于改善重症患者的预后以及确保优质护理的广泛可及性至关重要。
**致谢**
我们感谢所有ICU为向国家重症监护评估(NICE)注册系统提供高质量数据所做的努力,并感谢他们将这些数据提供给我们的研究。同时,我们特别感谢荷兰统计部门(Statistics Netherlands)和NICE研究与支持组织在数据链接过程中的协助。该项目得到了马斯特里赫特大学医学中心董事会(Board of Directors of Maastricht University Medical Centre+)及国家重症监护评估组织的资助。