引用本文： 李朋禺, 趙婉君, 李志輝, 魏濤, 申文武. 甲狀腺癌手術入院優先級模型的構建方法. 中國循證醫學雜志, 2022, 22(6): 628-633. doi: 10.7507/1672-2531.202112112 復制
近年來，盡管國家積極推進分級診療政策，但患者對優質醫療資源的需求不斷提高，致使患者集中到三甲醫院就診現象普遍，醫療擁堵現象依舊顯著[1-2]。尤其近10年來，甲狀腺癌在全球范圍內發病率快速增長[3]。根據國際癌癥研究機構（international agency for research on cancer，IARC）數據顯示，2020年全球約有586 202例新增甲狀腺癌確診病例；我國甲狀腺癌年齡標準化發病率高達1.13/萬，新增確診病例221 093例，占全球新增病例總數的37.72% [4]。甲狀腺癌既有預后較好的乳頭狀癌、預后相對較差的濾泡狀癌和髓樣癌，也有惡性程度極高、預后極差的未分化癌（中位生存期5～6個月，占甲狀腺癌死亡病例數的30%～50%[5]），且有研究表明未分化癌由乳頭狀癌去分化進展而來[6]。不同亞型的甲狀腺癌惡性程度跨度大，導致現有的入院排程方式難以有效合理地對甲狀腺癌患者進行入院管理，不少惡性程度較高的患者往往因此錯過良好的治療時機。總體而言，甲狀腺癌患者的手術需求量基數大、手術專業要求高、基層醫院專業重視度低等問題，進一步增加了三甲醫院甲狀腺外科的就診需求與入院壓力。如何科學地對甲狀腺癌患者進行入院前評估，對確保醫療資源合理有效應用、規范甲狀腺外科患者入院排程顯得尤為重要。
國外已有較多針對優先級模型應用到手術排程、急診等候等方面的研究[7-11]，但尚無針對具體病種的入院管理研究。而國內有關入院前患者優先級評分的研究尚停留在理論分析階段，因此本文旨在建立甲狀腺癌患者入院管理與優先級評估模型，并就患者和專家對入院優先級認識差異展開探討。
1 資料與方法
1.1 調查對象
首先，在2021年8月至10月對四川大學華西醫院所有甲狀腺外科專家進行問卷調查。其次，在同一時期和地點，每個月隨機選擇一周工作日（周一至周五），通過系統抽樣法（分段間隔取10）隨機抽取開具入院證的門診患者，進行問卷調查。所有研究對象均自愿參加，并簽署知情同意。本研究已通過四川大學華西醫院生物醫學倫理委員會審查，倫理審批編號為2022年審（643）號。
1.2 問卷調查
本研究使用自制問卷進行調查。采用現場發放問卷形式進行調查實施，并由研究人員進行問卷說明。問卷內容基于課題組前期國內外文獻學習，并經5名具有高級技術職稱的管理學、臨床專家討論確定。問卷內容主要包含患者基本信息指標和甲狀腺癌疾病特征指標。基于指標對入院排程優先級影響程度，按照1～10分進行計分評價，得分越高代表該指標患者入院緊急度越高。共包含10個一級指標與44個二級指標。其中一級指標包括性別、年齡、歸屬地、醫保類型等4個基本信息以及癌癥分型、TNM分期、腫瘤浸潤部位、腫瘤浸潤程度、腫瘤大小、腫瘤與被膜關系等6個病種特征信息。各項指標均可在術前獲得。其中：癌癥分型、TNM分期可通過術前穿刺病理診斷獲得；腫瘤浸潤部位、腫瘤浸潤程度、腫瘤大小和腫瘤與被膜關系可通過超聲、CT等影像學檢查獲得；年齡、性別、患者歸屬地、醫保類型可在患者就診時獲得。
1.3 模型構建
采用層次分析法計算各指標的加權系數構建甲狀腺癌患者入院優先級評分模型。為保證專業性、可靠性和權威性，模型構建的數據僅來源于臨床專家的問卷結果。通過計算各一級指標得分所占總得分的比率，得出一級指標的權重系數；再計算各二級指標得分所占對應的一級指標得分的比率，得出二級指標的權重系數。將系數歸一化后，一、二級指標權重系數相加總分均為1。權重系數越高代表該指標對入院優先級的影響程度越高。
1.4 模型評價
采用層次分析法構建一致性矩陣，生成一級指標判斷矩陣，對判斷矩陣進行總比率一致性檢驗。在生成一級指標判斷矩陣時，選擇一個指標系數作為“基準系數1”，其余指標分別與其對比計算倍數（滿足兩兩對應指標系數相乘為1，各系數保留小數點后1位）。分別以每個一級指標作為“基準系數1”生成判斷矩陣，進行λmax計算，并通過總比率一致性檢驗，判斷矩陣中各指標的權重是否具有較好的一致性，進而判斷模型的邏輯合理性。
1.5 統計分析
收集問卷調查數據并錄入SPSS 21.0軟件進行數據分析。問卷調查結果采用均值±標準差表示（
±SD）。組間均值比較采用t檢驗，檢驗水準P<0.05。對一級指標判斷矩陣進行總比率一致性檢驗，公式為：CR=
，其中CI=
，RI為n階矩陣的隨機一致性指標，檢驗水準為CR<0.1。
2 結果
共向臨床專家12人發出問卷，回收有效問卷12份；向患者發出40份問卷，回收有效答卷40份。回收率均為100%。
2.1 甲狀腺癌入院優先級評分模型指標得分結果
如表1所示，結果表明甲狀腺臨床專家對影響患者入院緩急因素評估的一級指標得分由高到低依次為癌癥分型、TNM分期、腫瘤大小、腫瘤浸潤程度、腫瘤浸潤部位、腫瘤與被膜關系、年齡、性別、患者歸屬地、醫保類型，其中疾病特征指標得分高于患者基本信息指標得分，但差異無統計學意義（P=0.530）。患者問卷結果中，一級指標得分由高到低依次為：癌癥分型、腫瘤大小、腫瘤浸潤部位、TNM分期、腫瘤浸潤程度、腫瘤與被膜關系、年齡、性別、醫保類型、歸屬地，其中疾病特征指標得分較高于患者基本信息指標，但差異無統計學意義（P=0.107）。
表1
患者和專家問卷調查結果
2.2 專家和患者的入院優先級指標得分結果比較
本研究對臨床專家、患者調查結果進行對比分析發現，一級指標中僅醫保類型在兩組差異有統計學意義（t=2.545，P=0.019），其余一級指標均無統計學差異。二級指標中差異具有統計學意義的是：性別和年齡中的女性和18～55歲；癌癥分型中的甲狀腺乳頭狀癌（papillary thyroid carcinoma，PTC）和甲狀腺未分化癌（anaplastic thyroid carcinoma，ATC）；TNM分期中二級指標T1a、T1b、T4、Tx、N1a、Nx、M0、M1，腫瘤浸潤程度方面：輕、重，腫瘤大小中1～10、10～20、>40 mm，腫瘤與被膜關系中較遠、緊鄰，患者歸屬地中市內、市外省內，醫保類型中城鎮職工醫保、新農合醫保、城鎮居民醫保、離休干部醫保，其余二級指標差異均無統計學意義。甲狀腺癌患者入院優先級評分模型指標得分見表1。
2.3 甲狀腺癌入院得分優先級模型的構建
通過層次分析法計算系數得分權重，一級指標權重系數由高到低分別為癌癥分型（0.137）、TNM分期（0.134）、腫瘤大小（0.127）、腫瘤浸潤程度（0.126）、腫瘤浸潤部位（0.124）、腫瘤與被膜的關系（0.111）、年齡（0.093）、性別（0.061）、歸屬地（0.051）、醫保類型（0.035）。
模型計算公式具體為：
 |
其中，結果表示患者的最終入院得分；k1至k10分別代表各個一級指標下，患者所對應的二級指標權重；將患者所有一級指標對應的二級指標權重相加之和乘以100，即得到患者最終的入院總得分。經計算，該模型優先級最低得分為16分，最高得分為36分。為更加直觀、簡便地區分入院患者的優先級，根據模型得分區間將患者入院緩急平均分為四個層級：輕度（16～21）、中度（21～26）、重度（26～31）、極重度（31～36）。從而構建直觀、精準的入院排程的等候隊列。
2.4 模型評價
根據表2中一級指標的權重系數，生成一級指標一致性判斷矩陣（以性別為例，見表3）。對判斷矩陣進行總比率一致性檢驗：經計算，所有矩陣λmax一致，且λmax=10.097 3，n=10，CI=0.010 8，RI=1.49，CR=0.007 3，根據一致性檢驗水準CR<0.1，可認為模型各級指標的權重系數邏輯性高。
表2
甲狀腺外科入院優先級得分模型指標權重系數
表3
一級指標對比判斷矩陣
3 討論
本研究成功建立了甲狀腺癌患者入院緩急優先級評分模型的構建方法，并對問卷內容進行分析比較。該評分模型能夠直觀、簡便地計算出患者入院優先級得分，具有較好的臨床實用性。本課題組有關甲狀腺癌患者入院優先級評分模型構建方法的研究在國內創新性高，為后續研究提供一定的借鑒與經驗。
本研究結果顯示，癌癥分型、TNM分期及腫瘤大小在醫生和患者問卷結果中得分均較高。這反映出，在臨床實踐中，患者的疾病特征信息是分層級診療的首要考慮因素。ATC作為臨床上侵襲性和惡性程度最高的癌癥之一[12]，其中位生存期僅有5～6個月[13-15]，是甲狀腺外科臨床診治優先級最高的癌癥類型[16]。TNM分期客觀反映了腫瘤的進展、轉移情況[17]，能夠很好地提示患者病情危險度和診治優先級。臨床實踐中十分重視腫瘤大小對患者生活質量的影響，腫瘤過大需要考慮優先診治[18-19]。由此可見，該模型結果中癌癥分型、TNM分期、腫瘤大小是影響甲狀腺癌患者入院優先級評分的主要因素，這與疾病危險度及疾病進展評價因素一致。
在評價患者歸屬地對入院排程的影響時，“市內”、“市外省內”在患者問卷結果中得分均高于專家問卷結果，且差異具有統計學意義，這可能因為調查過程中更多本地的患者參與了調查。考慮到較遠地區的醫療供給能力、患者住宿、交通等問題，在醫生問卷結果中“省外”得分最高。這種醫患評分差異性提示專科醫生對專科病種的醫療資源分布、供給能力等有更清楚的認識，對學科服務半徑和學科影響力的重視程度更高。對于醫保類型而言，所有指標均存在統計學差異，且患者得分較高，這表明患者在就診和入院時較為重視醫保支付的保障作用，相比之下專家則認為醫保類型對于患者入院排程的影響較小。在目前的臨床工作中，醫保類型被認為在患者入院管理中的重要性較低，專家的調查結果認為醫保類型權重最低也符合目前社會和倫理要求。但越來越多學者指出，醫保類型在患者就診、入院管理等方面需得到重視[20-21]。隨著醫保和公立醫院改革，目前我國醫保類型以社會醫保和基本醫保為主，無醫保和商業醫保的情況在不同醫院的入院管理流程不同[22-23]，醫保類型對入院優先級的影響尚需要開展進一步的社會調查和相關研究。
在評價甲狀腺癌疾病特征指標對入院排程的影響時，較多與甲狀腺癌疾病特征相關的二級指標得分存在統計學差異：癌癥分型中的PTC、ATC，TNM分期中T1a、T1b、T4、Tx、N1a、Nx、M0、M1，腫瘤浸潤程度中輕、重，腫瘤大小中1～10、10～20、>40 mm，腫瘤與被膜關系中較遠、緊鄰差異均存在統計學差異。與專家的調查結果相比，患者調查結果中甲狀腺癌疾病指標得分顯得較不合理，反映了患者對疾病的認識存在不足。目前對甲狀腺癌的科普大多集中在乳頭狀癌[24]，而對有轉移和耐藥傾向的乳頭狀癌的其他亞型、髓樣癌及未分化癌等惡性程度高的癌種介紹甚少，患者對甲狀腺癌的認識可能會存在誤區。此外，未分化癌與乳頭狀癌的去分化關系密切[6]，一旦發展為未分化癌，現有治療手段則十分有限且療效不佳。因此，針對甲狀腺癌的知識普及不能僅局限于預后良好的亞型，全面地介紹各病種的特點和差異很有必要。
Solans-Domènech等[25]建立了針對手術等候患者通用的8個維度的優先級評分系統，但由于該系統各維度下缺乏具體的評估指標，在計算優先級得分時信息的選擇、管理和記錄過程較為困難，其應用受到了很大的限制。相比之下，本研究建立的甲狀腺癌患者入院優先級評分模型則側重于評價疾病和患者基本特征對患者的入院優先級的影響，計算方法簡便易行，使模型更加便捷、直觀。與缺乏驗證的優先級模型相比[26-28]，Escobar等[29]研究發現對優先級模型進行一致性檢驗能夠顯示模型的適用性。因此，在本研究中，我們對模型指標進行總比率一致性檢驗，結果表明該模型指標合理性高，具有一定的臨床應用價值。
本研究的局限性：本研究建模采用的臨床數據有限，需要更多的實踐完善模型并驗證模型的適用性和合理性。本課題組對于模型臨床應用效果的評價和驗證的多中心、前瞻性的臨床研究正逐步開展。
綜上所述，本研究首次在國內建立了甲狀腺癌患者入院優先級模型的構建方法，但后續尚需更多的數據進行對評分模型進行優化和驗證。
近年來，盡管國家積極推進分級診療政策，但患者對優質醫療資源的需求不斷提高，致使患者集中到三甲醫院就診現象普遍，醫療擁堵現象依舊顯著[1-2]。尤其近10年來，甲狀腺癌在全球范圍內發病率快速增長[3]。根據國際癌癥研究機構（international agency for research on cancer，IARC）數據顯示，2020年全球約有586 202例新增甲狀腺癌確診病例；我國甲狀腺癌年齡標準化發病率高達1.13/萬，新增確診病例221 093例，占全球新增病例總數的37.72% [4]。甲狀腺癌既有預后較好的乳頭狀癌、預后相對較差的濾泡狀癌和髓樣癌，也有惡性程度極高、預后極差的未分化癌（中位生存期5～6個月，占甲狀腺癌死亡病例數的30%～50%[5]），且有研究表明未分化癌由乳頭狀癌去分化進展而來[6]。不同亞型的甲狀腺癌惡性程度跨度大，導致現有的入院排程方式難以有效合理地對甲狀腺癌患者進行入院管理，不少惡性程度較高的患者往往因此錯過良好的治療時機。總體而言，甲狀腺癌患者的手術需求量基數大、手術專業要求高、基層醫院專業重視度低等問題，進一步增加了三甲醫院甲狀腺外科的就診需求與入院壓力。如何科學地對甲狀腺癌患者進行入院前評估，對確保醫療資源合理有效應用、規范甲狀腺外科患者入院排程顯得尤為重要。
國外已有較多針對優先級模型應用到手術排程、急診等候等方面的研究[7-11]，但尚無針對具體病種的入院管理研究。而國內有關入院前患者優先級評分的研究尚停留在理論分析階段，因此本文旨在建立甲狀腺癌患者入院管理與優先級評估模型，并就患者和專家對入院優先級認識差異展開探討。
1 資料與方法
1.1 調查對象
首先，在2021年8月至10月對四川大學華西醫院所有甲狀腺外科專家進行問卷調查。其次，在同一時期和地點，每個月隨機選擇一周工作日（周一至周五），通過系統抽樣法（分段間隔取10）隨機抽取開具入院證的門診患者，進行問卷調查。所有研究對象均自愿參加，并簽署知情同意。本研究已通過四川大學華西醫院生物醫學倫理委員會審查，倫理審批編號為2022年審（643）號。
1.2 問卷調查
本研究使用自制問卷進行調查。采用現場發放問卷形式進行調查實施，并由研究人員進行問卷說明。問卷內容基于課題組前期國內外文獻學習，并經5名具有高級技術職稱的管理學、臨床專家討論確定。問卷內容主要包含患者基本信息指標和甲狀腺癌疾病特征指標。基于指標對入院排程優先級影響程度，按照1～10分進行計分評價，得分越高代表該指標患者入院緊急度越高。共包含10個一級指標與44個二級指標。其中一級指標包括性別、年齡、歸屬地、醫保類型等4個基本信息以及癌癥分型、TNM分期、腫瘤浸潤部位、腫瘤浸潤程度、腫瘤大小、腫瘤與被膜關系等6個病種特征信息。各項指標均可在術前獲得。其中：癌癥分型、TNM分期可通過術前穿刺病理診斷獲得；腫瘤浸潤部位、腫瘤浸潤程度、腫瘤大小和腫瘤與被膜關系可通過超聲、CT等影像學檢查獲得；年齡、性別、患者歸屬地、醫保類型可在患者就診時獲得。
1.3 模型構建
采用層次分析法計算各指標的加權系數構建甲狀腺癌患者入院優先級評分模型。為保證專業性、可靠性和權威性，模型構建的數據僅來源于臨床專家的問卷結果。通過計算各一級指標得分所占總得分的比率，得出一級指標的權重系數；再計算各二級指標得分所占對應的一級指標得分的比率，得出二級指標的權重系數。將系數歸一化后，一、二級指標權重系數相加總分均為1。權重系數越高代表該指標對入院優先級的影響程度越高。
1.4 模型評價
采用層次分析法構建一致性矩陣，生成一級指標判斷矩陣，對判斷矩陣進行總比率一致性檢驗。在生成一級指標判斷矩陣時，選擇一個指標系數作為“基準系數1”，其余指標分別與其對比計算倍數（滿足兩兩對應指標系數相乘為1，各系數保留小數點后1位）。分別以每個一級指標作為“基準系數1”生成判斷矩陣，進行λmax計算，并通過總比率一致性檢驗，判斷矩陣中各指標的權重是否具有較好的一致性，進而判斷模型的邏輯合理性。
1.5 統計分析
收集問卷調查數據并錄入SPSS 21.0軟件進行數據分析。問卷調查結果采用均值±標準差表示（±SD）。組間均值比較采用t檢驗，檢驗水準P<0.05。對一級指標判斷矩陣進行總比率一致性檢驗，公式為：CR=，其中CI=，RI為n階矩陣的隨機一致性指標，檢驗水準為CR<0.1。
2 結果
共向臨床專家12人發出問卷，回收有效問卷12份；向患者發出40份問卷，回收有效答卷40份。回收率均為100%。
2.1 甲狀腺癌入院優先級評分模型指標得分結果
如表1所示，結果表明甲狀腺臨床專家對影響患者入院緩急因素評估的一級指標得分由高到低依次為癌癥分型、TNM分期、腫瘤大小、腫瘤浸潤程度、腫瘤浸潤部位、腫瘤與被膜關系、年齡、性別、患者歸屬地、醫保類型，其中疾病特征指標得分高于患者基本信息指標得分，但差異無統計學意義（P=0.530）。患者問卷結果中，一級指標得分由高到低依次為：癌癥分型、腫瘤大小、腫瘤浸潤部位、TNM分期、腫瘤浸潤程度、腫瘤與被膜關系、年齡、性別、醫保類型、歸屬地，其中疾病特征指標得分較高于患者基本信息指標，但差異無統計學意義（P=0.107）。
表1
患者和專家問卷調查結果
2.2 專家和患者的入院優先級指標得分結果比較
本研究對臨床專家、患者調查結果進行對比分析發現，一級指標中僅醫保類型在兩組差異有統計學意義（t=2.545，P=0.019），其余一級指標均無統計學差異。二級指標中差異具有統計學意義的是：性別和年齡中的女性和18～55歲；癌癥分型中的甲狀腺乳頭狀癌（papillary thyroid carcinoma，PTC）和甲狀腺未分化癌（anaplastic thyroid carcinoma，ATC）；TNM分期中二級指標T1a、T1b、T4、Tx、N1a、Nx、M0、M1，腫瘤浸潤程度方面：輕、重，腫瘤大小中1～10、10～20、>40 mm，腫瘤與被膜關系中較遠、緊鄰，患者歸屬地中市內、市外省內，醫保類型中城鎮職工醫保、新農合醫保、城鎮居民醫保、離休干部醫保，其余二級指標差異均無統計學意義。甲狀腺癌患者入院優先級評分模型指標得分見表1。
2.3 甲狀腺癌入院得分優先級模型的構建
通過層次分析法計算系數得分權重，一級指標權重系數由高到低分別為癌癥分型（0.137）、TNM分期（0.134）、腫瘤大小（0.127）、腫瘤浸潤程度（0.126）、腫瘤浸潤部位（0.124）、腫瘤與被膜的關系（0.111）、年齡（0.093）、性別（0.061）、歸屬地（0.051）、醫保類型（0.035）。
模型計算公式具體為：
|
其中，結果表示患者的最終入院得分；k1至k10分別代表各個一級指標下，患者所對應的二級指標權重；將患者所有一級指標對應的二級指標權重相加之和乘以100，即得到患者最終的入院總得分。經計算，該模型優先級最低得分為16分，最高得分為36分。為更加直觀、簡便地區分入院患者的優先級，根據模型得分區間將患者入院緩急平均分為四個層級：輕度（16～21）、中度（21～26）、重度（26～31）、極重度（31～36）。從而構建直觀、精準的入院排程的等候隊列。
2.4 模型評價
根據表2中一級指標的權重系數，生成一級指標一致性判斷矩陣（以性別為例，見表3）。對判斷矩陣進行總比率一致性檢驗：經計算，所有矩陣λmax一致，且λmax=10.097 3，n=10，CI=0.010 8，RI=1.49，CR=0.007 3，根據一致性檢驗水準CR<0.1，可認為模型各級指標的權重系數邏輯性高。
表2
甲狀腺外科入院優先級得分模型指標權重系數
表3
一級指標對比判斷矩陣
3 討論
本研究成功建立了甲狀腺癌患者入院緩急優先級評分模型的構建方法，并對問卷內容進行分析比較。該評分模型能夠直觀、簡便地計算出患者入院優先級得分，具有較好的臨床實用性。本課題組有關甲狀腺癌患者入院優先級評分模型構建方法的研究在國內創新性高，為后續研究提供一定的借鑒與經驗。
本研究結果顯示，癌癥分型、TNM分期及腫瘤大小在醫生和患者問卷結果中得分均較高。這反映出，在臨床實踐中，患者的疾病特征信息是分層級診療的首要考慮因素。ATC作為臨床上侵襲性和惡性程度最高的癌癥之一[12]，其中位生存期僅有5～6個月[13-15]，是甲狀腺外科臨床診治優先級最高的癌癥類型[16]。TNM分期客觀反映了腫瘤的進展、轉移情況[17]，能夠很好地提示患者病情危險度和診治優先級。臨床實踐中十分重視腫瘤大小對患者生活質量的影響，腫瘤過大需要考慮優先診治[18-19]。由此可見，該模型結果中癌癥分型、TNM分期、腫瘤大小是影響甲狀腺癌患者入院優先級評分的主要因素，這與疾病危險度及疾病進展評價因素一致。
在評價患者歸屬地對入院排程的影響時，“市內”、“市外省內”在患者問卷結果中得分均高于專家問卷結果，且差異具有統計學意義，這可能因為調查過程中更多本地的患者參與了調查。考慮到較遠地區的醫療供給能力、患者住宿、交通等問題，在醫生問卷結果中“省外”得分最高。這種醫患評分差異性提示專科醫生對專科病種的醫療資源分布、供給能力等有更清楚的認識，對學科服務半徑和學科影響力的重視程度更高。對于醫保類型而言，所有指標均存在統計學差異，且患者得分較高，這表明患者在就診和入院時較為重視醫保支付的保障作用，相比之下專家則認為醫保類型對于患者入院排程的影響較小。在目前的臨床工作中，醫保類型被認為在患者入院管理中的重要性較低，專家的調查結果認為醫保類型權重最低也符合目前社會和倫理要求。但越來越多學者指出，醫保類型在患者就診、入院管理等方面需得到重視[20-21]。隨著醫保和公立醫院改革，目前我國醫保類型以社會醫保和基本醫保為主，無醫保和商業醫保的情況在不同醫院的入院管理流程不同[22-23]，醫保類型對入院優先級的影響尚需要開展進一步的社會調查和相關研究。
在評價甲狀腺癌疾病特征指標對入院排程的影響時，較多與甲狀腺癌疾病特征相關的二級指標得分存在統計學差異：癌癥分型中的PTC、ATC，TNM分期中T1a、T1b、T4、Tx、N1a、Nx、M0、M1，腫瘤浸潤程度中輕、重，腫瘤大小中1～10、10～20、>40 mm，腫瘤與被膜關系中較遠、緊鄰差異均存在統計學差異。與專家的調查結果相比，患者調查結果中甲狀腺癌疾病指標得分顯得較不合理，反映了患者對疾病的認識存在不足。目前對甲狀腺癌的科普大多集中在乳頭狀癌[24]，而對有轉移和耐藥傾向的乳頭狀癌的其他亞型、髓樣癌及未分化癌等惡性程度高的癌種介紹甚少，患者對甲狀腺癌的認識可能會存在誤區。此外，未分化癌與乳頭狀癌的去分化關系密切[6]，一旦發展為未分化癌，現有治療手段則十分有限且療效不佳。因此，針對甲狀腺癌的知識普及不能僅局限于預后良好的亞型，全面地介紹各病種的特點和差異很有必要。
Solans-Domènech等[25]建立了針對手術等候患者通用的8個維度的優先級評分系統，但由于該系統各維度下缺乏具體的評估指標，在計算優先級得分時信息的選擇、管理和記錄過程較為困難，其應用受到了很大的限制。相比之下，本研究建立的甲狀腺癌患者入院優先級評分模型則側重于評價疾病和患者基本特征對患者的入院優先級的影響，計算方法簡便易行，使模型更加便捷、直觀。與缺乏驗證的優先級模型相比[26-28]，Escobar等[29]研究發現對優先級模型進行一致性檢驗能夠顯示模型的適用性。因此，在本研究中，我們對模型指標進行總比率一致性檢驗，結果表明該模型指標合理性高，具有一定的臨床應用價值。
本研究的局限性：本研究建模采用的臨床數據有限，需要更多的實踐完善模型并驗證模型的適用性和合理性。本課題組對于模型臨床應用效果的評價和驗證的多中心、前瞻性的臨床研究正逐步開展。
綜上所述，本研究首次在國內建立了甲狀腺癌患者入院優先級模型的構建方法，但后續尚需更多的數據進行對評分模型進行優化和驗證。
