Mumtaz-poäng för återinläggning vid levercirros

Klinisk bakgrund

Cirka en av tre patienter med dekompenserad levercirros återinläggs inom 30 dagar efter utskrivning, och de flesta av dessa återinläggningar sker med en leverrelaterad diagnos [1]. Återinläggning i sig är inte bara en markör för sjukdomens svårighetsgrad utan även en stark prediktor för dödlighet: i en delkohort av patienter med hepatisk encefalopati var 30-dagars återinläggning den enskilt starkaste prediktorn för dödlighet under kalenderåret, med en hazardkvot på 4,03 [3].

Beslutet om hur tät uppföljning som behövs efter utskrivning är svårt att basera på klinisk bedömning ensam. Traditionella svårighetsgraderande instrument som MELD och Child-Turcotte-Pugh är utformade för att förutsäga mortalitet, inte återinläggning, och saknar specificitet för just detta utfall [2]. Mumtaz-poängen togs fram för att fylla denna lucka: att vid utskrivningstillfället identifiera vilka patienter som löper så hög risk för tidig återinläggning att intensifierad uppföljning är motiverad.

Beräkning av Mumtaz-poäng

Poängen är en summa av elva variabler tillgängliga vid utskrivningstillfället:

$$\text{Mumtaz} = P_{\text{ålder}} + P_{\text{försäkring}} + P_{\text{Elixhauser}} + P_{\text{etiologi}} + P_{\text{ascites}} + P_{\text{encefalopati}} + P_{\text{varicer}} + P_{\text{HCC}} + P_{\text{paracentes}} + P_{\text{hemodialys}} + P_{\text{destination}}$$

där respektive variabel bidrar med följande poäng:

Poängintervall: −11 till +49.

Härledningskohorten utgjordes av 123 011 indexvårdtillfällen för dekompenserad levercirros i den amerikanska Nationwide Readmission Database (NRD) åren 2013–2014 [1]. Modellen utvecklades på 2013-års data och validerades internt på 2014-års data. Inklusionskriteriet var cirrosdiagnos kombinerat med minst ett dekompensationstecken. Utfallet var återinläggning oavsett orsak inom 30 dagar. Av de inkluderade patienterna återlades 27 % in inom 30 dagar, varav 79,6 % med en leverrelaterad diagnos [1].

Flera av variablerna speglar sjukdomens svårighetsgrad (ascites, encefalopati, hepatocellulär cancer, behov av paracentes och hemodialys), medan andra fångar sociala och strukturella riskfaktorer (försäkringsskydd, utskrivningsdestination). Att varicerblödning bidrar med negativa poäng kan framstå som motintuitivt, men förklaras sannolikt av att dessa patienter i högre grad överflyttas till annan vårdinrättning eller avlider under indexvårdtillfället och därmed inte registreras som återinläggningar.

Tolkning i praktiken

Mumtaz-poängen stratifierar patienter i tre riskband för 30-dagars återinläggning [1]:

Poängen är ett beslutsstöd för resursfördelning, inte ett diagnostiskt test. Ett högt värde motiverar inte förlängd sjukhusvård i sig, utan ska leda till strukturerade åtgärder efter utskrivning.

Validering och prestanda

Mumtaz-poängen validerades internt på 2014-års NRD-data, vilket är en tidsmässig uppdelning snarare än en geografiskt oberoende extern validering [1]. Något c-statistikvärde (AUC) har inte kunnat verifieras i fulltext; det ursprungliga abstractet redovisar ingen siffra för diskrimineringsförmåga [1].

En kinesisk prospektiv tvåcentersstudie från 2025, med 636 patienter i härledningskohorten och 150 i extern validering, konstruerade ett maskininlärningsbaserat alternativ (random forest-modell) och uppnådde AUC 0,853 vid intern och 0,838 vid extern validering [2]. Studien påpekar uttryckligen att traditionella instrument för leversjukdomens svårighetsgrad (MELD, Child-Turcotte-Pugh) saknar tillräcklig specificitet och sensitivitet för att förutsäga återinläggning, vilket motiverar särskilda instrument som Mumtaz-poängen [2]. Studien validerade dock inte Mumtaz-poängen direkt.

En spansk multicenterstudie från 2026 (REACT-poängen) utvecklade ett alternativt instrument baserat på 1 382 patienter från 20 centra, med 30-dagars återinläggningsfrekvensen 19,9 %, betydligt lägre än de 27 % som rapporterades i NRD-kohorten [4]. REACT-poängen använder färre och delvis andra variabler (tidigare dekompensation, Charlson-index, paracentes av stor volym, INR och bilirubin vid utskrivning) och uppvisar tydlig separation mellan hög- och lågriskgrupper vid extern validering [4]. Skillnaden i återinläggningsfrekvens mellan kohorterna belyser hur starkt basfrekvensen varierar mellan sjukvårdssystem, vilket påverkar poängens kalibrering.

Begränsningar

Försäkringsvariabeln är specifik för det amerikanska systemet. Variablerna Medicare, Medicaid, privat försäkring och egenbetalning saknar direkta motsvarigheter i sjukvårdssystem utan försäkringsbaserad finansiering. I svensk kontext blir denna variabel svår att översätta meningsfullt, vilket försvagar poängens tillämplighet.

Administrativa databaser har begränsad diagnostisk precision. En redaktionell kommentar i samma tidskrift som originalstudien påpekade att metodiken för att identifiera cirrospatienter i NRD är behäftad med brister, vilket ifrågasätter poängens tillförlitlighet [5]. ICD-koder för cirros och dekompensation har varierande sensitivitet och specificitet, och felklassificering av exponingsvariablerna fortplantar sig till poängen.

Basfrekvensen varierar kraftigt geografiskt. Nordamerikanska studier rapporterar 30-dagars återinläggningsfrekvenser på cirka 27–40 %, medan östasiatiska kohorter visar frekvenser så låga som 5,6–7,2 % [2]. Ett instrument kalibrerat mot en basfrekvens på 27 % kommer att överskatta risken i en population där den verkliga frekvensen är betydligt lägre.

Tidsmässig, inte geografisk, validering. Den enda valideringen utgjordes av en uppdelning mellan 2013 och 2014 i samma databas. Det finns ingen oberoende extern validering i en annan population eller i ett annat sjukvårdssystem.

Negativa poäng för varicerblödning kan feltolkas. Att varicerblödning minskar poängen betyder inte att tillståndet är skyddande, utan speglar sannolikt att dessa patienter i högre grad överflyttas, avlider eller inte registreras som återinläggningar inom 30 dagar. Kliniker som inte förstår denna mekanism kan underskatta risken.

Poängen gäller inte för patienter i mekanisk ventilation, under palliativ vård, efter levertransplantation eller inlagda planerat, enligt instrumentets exklusionskriterier.

Källor

1. Mumtaz K, Issak A, Porter K, m.fl. Validation of Risk Score in Predicting Early Readmissions in Decompensated Cirrhotic Patients: A Model Based on the Administrative Database. Hepatology. 2019;70(2):630–639. PMID: 30218583
2. Yang F, Li J, Yang Z, m.fl. Construction and validation of a machine learning-based model predicting early readmission in patients with decompensated cirrhosis: a prospective two-center cohort study. BioData Mining. 2025;18:479. PMID: 40993827
3. Kruger AJ, Aberra F, Black SM, m.fl. A validated risk model for prediction of early readmission in patients with hepatic encephalopathy. Annals of Hepatology. 2019;18(2):310–317. PMID: 31047848
4. Sánchez-Torrijos Y, Torres-Domínguez A, Carmona I, m.fl. REACT Score, a Novel Scoring System, Improves the Prediction of Non-Elective Readmissions in Patients With Decompensated Cirrhosis. Liver International. 2026;46(5):e70639. PMID: 41981917
5. Shaheen AA, Swain MG. Letter to Editor: Using Proper Methods To Identify Patients With Cirrhosis in Administrative Databases Is Crucial to Correctly Predict Outcomes. Hepatology. 2019;69(5):2301–2302. PMID: 30383299