發展長者醫護生態系統

在今年 2 月農曆新年期間，醫護服務需求急增，早已不勝負荷的公共醫療體系經歷嚴峻考驗。整體醫院病床佔用率高達 111% ，個別地區更為嚴重，多間九龍區醫院的佔用率超過 120% ，輪候時間逾 8 小時。

增聘醫生和護士是否就能解決問題？屯門醫院一位醫生說：「病床佔用率這麼高，擁擠得舉步維艱，如何能容納更多醫護人員？」

然而，構成公共醫療危機的原因，並非全然負面。香港榮膺全球最長壽地區，女性和男性的平均壽命分別為 87.3 歲和 81.2 歲，但隨之而來的問題，就是香港人口迅速老化。以相對較少的資源而言，本港醫院效率其實頗高，目前，香港的醫療開支只佔本地生產總值 5.7%，與美國的 17.2% 及日本的 10.1% 相比，差異顯而易見。在香港雙軌制的環境下，公立醫院首當其衝，只僱用了全港 40% 的醫生，卻要照顧 90% 的病人。除此以外， 65 歲或以上長者的醫療需求更是問題的徵結所在，目前急症室和住院病人中就有一半是長者。若說未來數年的醫療服務重點在於老人醫護服務，這絕非誇大其辭。

陳教授及其研究團隊在梁以文博士協助下，進行了多方面的研究。他們提出實際方案以紓緩醫院的擠迫情況、評估社區服務對減低住院需求的影響，以及預測未享有社會服務的長者帶來的潛在風險。有關研究是大學教育資助委員會資助的主題研究計劃「為香港提供 21 世紀的醫療服務 ──建構一個品質與效率導向的服務體系」的一部份，並獲李宗德博士和劉達泉先生的慷慨捐贈，才能取得如此豐碩的成果。

香港醫院擠迫情況嚴峻，為解決這艱巨難題，陳教授的團隊提出三種模型並進行驗證：預測不同類別病人與住院時間的新模型、再度入院風險估計的新模型，以及透過改善急症後持續護理的配置以降低再入院率的混合決策樹模型。團隊亦發展全新以張量分解（Tensor factorization）為基礎的機器學習法，以預測新型長期疾病的出現及發展趨勢。目前，研究團隊正與其中一間醫院合作，於病人各個治療階段執行上述分析，在病人入院之際已根據數據進行出院規劃，以提高緊急護理階段及持續護理階段的質素和效率。

安老院亦設有數據主導的護理規劃模型，盡量降低急症住院率。團隊亦為前線醫護人員建立決策模型，盡量減少非必要的再入院情況。

團隊建立了一套體弱風險分級模型，以預計出院後的服務對降低再入院率的成效。其中一項發現是，如果長者在社區接受社會服務，包括執藥、陪診、送餐及基本護理等服務，他們無需住院的時間會比沒有接受上述服務的長者為長。

目前並非所有長者能受惠於社區護理服務。一隊由護士和社工組成的團隊正就 1,500 位社區長者的臨床、身體機能、心理及社交等指標收集數據，並分析風險狀況，因應個人需要制訂護理計劃，以管理風險，主要目的同樣是盡量降低住院機會。

陳教授提出長遠發展「長者醫護生態系統」，再配合六個層面的輔助技術，期望最終能減少社區對醫護人力資源的需求。

• 個人層面 － 就長期病患管理、防止跌倒、輕度認知障礙介入等實行人工智能輔助的個人護理計劃。
• 組織層面 － 以數據主導的方式改善服務及資源分配。
• 社區層面 － 以先進分析方法改善醫療與社會服務之間的協調，降低再入院率，延遲入住安老院的時間。
• 公共健康層面 － 監測健康狀況和疾病趨勢，並建立相關模型。
• 政府政策 － 訂立以實證為基礎的政策，吸引私人企業進入銀髮市場，透過公私營合作，營造可持續的安老生態。
• 健康護理變革的可持續發展 － 加強長者醫護服務的人材培訓，大學亦可透過實習機會，讓學生接觸銀髮市場。

這項跨領域研究工作的範圍廣泛，牽涉到城大多個重要學術單位、香港特區政府及其他持份者。陳教授期望研究項目能帶來更豐碩的成果，為長者醫護生態系統的發展作出貢獻。