研究團隊以德國巴登－符騰堡邦法定醫療保險理賠資料，將Cambridge Multimorbidity Score（CMMS，多病共存評分）轉譯為ICD-10-GM診斷碼，並以外部驗證方式測試其跨國適用性。研究納入2011至2022年資料，以2021年計算的3,809,220名成人接受一年追蹤，另以217,964名糖尿病患者進行11年存活分析。
在一年追蹤中，CMMS預測因可避免住院而就醫、死亡及住院的表現均優於查爾森共病指數（CCI），分別高出2.7、3.6及4.0個百分點。糖尿病族群11年分析的C-index為0.663，優於CCI的0.651；依德國族群重新估算權重後，分數與原始CMMS表現大致相當。
結果顯示，CMMS不僅成功跨越英國與德國的醫療制度及疾病編碼差異，也能在控制年齡與性別後持續強化死亡風險分層能力，為跨國醫療研究與資源配置提供較具可攜性的工具。
這項研究本質上是醫療風險模型的外部驗證與方法學演進，並非政策、資金或產業利益對抗；真正需要釐清的是既有評分工具能否離開發源地，在不同疾病編碼、醫療可近性與人口結構下維持效度。CCI於1987年建立，原本用於紐約住院患者的死亡風險估計，僅納入19種共病，且缺乏失智症與精神疾病診斷，也未充分處理HIV權重及年齡校正。當醫療重心由住院治療轉向初級醫療與社區照護，舊有住院型指標的適用性便受到根本性挑戰。
CMMS以20種慢性疾病及基層就診、非計畫性住院與死亡為預測對象，先在英國臨床研究資料庫中驗證，再由研究團隊把疾病定義轉譯至德國ICD-10-GM。這個轉譯過程是模型能否跨國使用的關鍵瓶頸：疾病本質可以通用，但診斷碼、申報頻率、醫療服務可近性與疾病盛行率並不相同。若忽略這些差異，直接移植權重可能造成風險誤判。
研究顯示，原始CMMS在德國仍保有較佳區辨力，顯示其核心設計並非只依賴英國參數；依德國資料重新加權的版本則沒有顯著超越原始版本。這意味著模型效益主要來自指標組合與風險分層結構，而非單一地區的權重微調。不過，研究僅涵蓋一個德國邦、單一健康保險機構，且以既有理賠診斷作為疾病代理，尚未證明能直接推廣至其他國家、兒童族群或未納保人口。
從全球醫療資料發展史來看，評分工具正由單一疾病或住院情境，走向可攜、連續且以患者旅程為核心的風險模型；這與CMMS從 CCI 手中接下預測任務的演進方向一致。但可攜性並不等於可以直接跨國部署，每一套醫療體制的申報行為、診斷閾值與服務供給都會改變模型的實際意義。未來三年可分為三種情境：
整體而言，CMMS的下一個競爭重點不是再增加疾病項目，而是改善校準、確保外部效度並證明臨床行動能帶來實際健康效益。
01 起因觸發：CMMS原始模型無法直接對應德國ICD-10-GM診斷碼
02 一階傳導：研究團隊完成20種慢性疾病定義轉譯與外部驗證
03 二階擴散：CCI與CMMS在死亡、住院及ACSC預測上的差距受到關注
04 產業延伸：健康保險、醫療AI及照護管理平台加速導入可攜式風險分層
05 政策風險：高風險分層若未校正可近性與社經因素，可能放大健康不平等
06 宏觀終局：醫療評分由單一疾病走向跨國、動態且以患者旅程為核心的風險管理
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
