基于多元回归模型的临床工程人员配置方案研究.pdf

Correspondingauthor:XUDa-wei.E-mail:.Hosmo临床工程BME&ClinMed,May2023,Vol.27,No.3367生物医学工程与临床2 0 2 3年5月第2 7 卷第3期网络出版时间：2 0 2 3-0 4-2 3316:31:455D0I:10.13339/ki.sglc.20230420.020网络出版地址：https:/ 家三级以上医疗机构临床工程部门进行横截面调查研究，以临床工程人员配置数量为因变量，技术工作时长、开放床位数、设备数量、出院病人数和服务率为自变量，进行Spearman秩相关性分析并采用逐步向前回归法建立多元回归模型。结果相关性分析显示人员配置数量与技术工作时长（r=0.840,P0.01）开放床位数(r=0.890,P0.01)和设备数量(r=0.846,P0.01)显著正相关，多元回归分析结果显示其标准化回归系数分别为12.782、3.339 和2.346,且方程的决定系数R2=0.837，表明该模型的预测精度较强。结论通过提供一个预测工具来制定医疗机构临床工程人员配置水平的新准则，对医疗机构临床工程人员配置测算具有一定的适用性。关键词：多元回归分析；临床工程学；人员配置；医疗设备中图分类号：R197.32文献标识码：B文章编号：10 0 9-7 0 9 0(2 0 2 3)0 3-0 36 7-0 6Analysis of allocation number of clinicalI engineering staffing in medical institutes based on multiple regressiondelSHEN Hui,XU Da-wei?(1.The Peoples Hospital of Xinghua,Taizhou225700,Jiangsu,China;2.Tumorpital of Shaanxi Province,Xian710061,Shaanxi,China)Abstract:Objective To estimate the staffing numbers of clinical engineers in medical institutions based on multiple regres-sion model,and provide methodological basis for the establishment and improvement of reasonable staffing in medical institu-tions.Methods A cross-sectional study was conducted on the clinical engineering departments of 52 tertiary medical insti-tutions in J province.The number of clinical engineers was dependent variable,and technical management hours,assignedbeds,number of devices,number of discharged patients and service rate were independent variables.Spearman rank correla-tion analysis was performed,and multiple regression models were established by stepwise forward regression.Results TheSpearmans rho correlation analysis showed that number of clinical engineers were statistically significant correlated with totaltechnology management hours(r=0.840,P 0.01),total assigned beds(r=0.890,P 0.01),and total number of devices(r=0.846,P 0.01).The results of multiple regression analysis showed that the standardized regression coefficients were 12.782,3.339 and 2.346,respectively.The determination coefficient of the equation R?=0.837 indicated the strong power of predictionaccuracy.Conclusion It is demonstrated that the novel criteria for allocation level of clinical engineering personnel in medicalinstitutions are formulated by prediction tools,which has certain applicability for calculation of clinical engineering personnel al-location in medical institutions.Key words:multiple regression analysis;clinical engineering;staff allocation;medical device临床工程师是将临床医学基础、工程和管理等知识应用于医疗保健服务中，从而支持和改善患者治疗和护理的专业人员！。随着现代医疗服务对相关医疗设备的依赖程度越来越高，医疗机构对临床工程人员的需求也越来越大 2 4。中国医师协会临床工程师协会在2 0 2 0 年发布的中国临床工程师职业发展规划研究报告中指出，与其他专业技术人员相比，临床工程人员的配置数量少。同年，在三级综合医院评审标准中对于医学装备的管理，也明确提出了合理配置临床工程人员的要求，但迄今为止中国还没有广泛接受或准确的模型来确定临床工程部门人员的配置数量。医疗机构中临床工程人员配置数量取决于人员职责的范围和深度，最常见的人员配置标准是医院的业务发展，床位数量、医疗设备的数量和价值及工作作者单位：1.兴化市人民医院，江苏泰州2 2 57 0 0;2.陕西省肿瘤医院医学装备部，陕西西安7 10 0 6 5作者简介：沈慧（19 9 0 一），女，江苏扬州市人，硕士，主管技师，主要从事医疗设备全生命周期管理方面的研究工作。电话：18 8 6 10 32 2 2 5。E-mail：sh_。基金项目：江苏省医院协会医院管理创新基金项目（JSYGY-3-2020-756）通信作者：续大伟（19 8 2 一），男，山西襄汾人，本科，副主任技师，主要从事医疗设备的参数论证、维护保养、质量控制和升级改造等方面的研究。电话：[phone]。E-mail:。版权保护，不得翻录。BME&Clin Med,May 2023,Vol.27,No.3368生物医学工程与临床2 0 2 3年5月第2 7 卷第3期量等实际情况 6 9 ,而没有考虑各配置标准指标共同影响的结果，势必会造成人员配置的不均衡 10 。笔者采用横断面调查的研究方法，获取医疗机构及其临床工程部门的基本特征，通过多元回归分析探讨临床工程人员配置水平的影响因素，深入了解各决定因素对临床工程人员配置数量的影响程度,得出医疗机构临床工程人员配置数量的预测模型1材料与方法1.1实验材料以J省三级以上医疗机构临床工程部门为调查对象，综合考虑临床工程人员配置标准 10 13,结合中国医师协会开展的“中国临床工程师执业情况调研”的基础上 5,实验重新设计了临床工程部门人员配置需求的调研问卷，包括医疗机构的基本情况（如医院等级、开放床位数、出院病人数、医疗设备固定资产总值、医疗设备数量、年度内部维护成本和年度外部维护成本等），临床工程部门的基本情况（如临床工程人员数量、是否进行外包托管和技术工作时长等）。并于2021年11月至2 0 2 2 年3月采用“问卷星”的方式在线进行横断面调查，1.2方法1.2.1模型的建立对调查问卷的基本信息进行梳理和分组，以临床工程人员配置数量为因变量，技术工作时长、开放床位数、设备数量、出院病人数和服务率为自变量，采用逐步向前回归法建立多元回归方程，首先引人开放床位数变量构建模型1，然后通过引人其余变量设备数量和技术工作时长构建模型2。通过确定当引人或从模型1中删除新变量时常数项是否发生显著变化，从而评估新变量对模型2 的影响。其中技术工作时长、开放床位数、设备数量、出院病人数、服务率和临床工程人员数量都是不需要特殊运算转换的数值型变量。由于结果变量配置数量相对于设备数量、出院病人数和技术工作时长数值较小，同时这些变量与结果变量临床工程人员配置数量的离散图呈现持续增加的趋势 4,为了消除异方差，需对各自变量进行对数转换1.2.2统计学方法所有的统计分析均使用SPSS26.0进行，检验的显著性水平为设定P5表示共线性,则需将该变量从模型中剔除 14。残差的自相关性采用DurbinWatson检验 15,在k=3,=0.01时,DurbinWatson的临界值du=1.60。使用ShapiroWilk正态分布检验残差的正态性，以P0.05表示呈正态分布。采用解释方差（即R)检验多元回归方程模型的预测精度，当模型的R0.7时，表明模型具有较强的预测能力2结果2.1问卷调查结果累计给6 0 家医疗机构发放问卷6 0 份，回收有效问卷52 份，问卷的有效回收率为8 6.6 7%。采用C*Power3.1.9.7软件估算样本量114,鉴于该领域以往实证研究的稀缺性和有效性，为了保守起见选择中等效应量。在效应量为0.3时，为了达到0.8 的统计功效（在=0.05时）,评估得到的样本量为2 9 个，即至少需要2 9 个临床工程部门，说明实验研究的样本量满足调查要求。如表1所示为J省三级以上医疗机构和临床工程部门的基本情况，从表中可以看出各变量的标准偏差较大，说明所调研的医疗机构具有多样性和代表性。其中9 2.31%以上的记录表明医疗机构采用基于内部模式的临床工程模式，此变量没有统计测量标准差数据，因此多元回归分析模型中没有包括临床工程部门模式变量2.2相关性分析结果临床工程人员数量和技术工作时长、开放床位数、设备数量、出院病人数、服务率之间的相关系数矩阵如表2 所示，Spearman秩相关分析显示临床工程人员数量与技术工作时长、设备数量、开放床位数及出院病人数呈显著相关性，其相关系数分别为0.8 40.0.8 46、0.890、0.9 40,且P0.01。但出院病人数与技术工作时长、设备数量及开放床位数之间的Spearman秩相关系数大于临界值0.8,因此未将出院病人数纳人多元回归模型。而临床工程人员数量与服务率无相关性(r=0.212,P=0.131),故也未将服务率纳入多元回归模型2.3多元回归模型的结果表3为模型的多元回归分析结果，与模型1相比，模型2 的决定系数（R=0.837）增加了2 0.2%134.822+12.782 x人员配置数量369生物医学工程与临床2 0 2 3年5月第2 7 卷第3期BME&Clin Med,May 2023,Vol.27,No.3表1医疗机构和临床工程部门的基本情况Tab.1 Basic information of medical institutions and clinical engineering departments变量均值标准差医疗机构基本情况1.开放床位数/张2.061.19535.272.出院病人数/人88844.8623 401.423.设备数量（台）13 306.606 207.434.医疗设备固定资产总值/亿元10.464.935.年度内部维护成本万元/年562.65267.996.年度外部维护成本万元/年564.71153.847.服务率/%1.300.408.临床工程部门模式：采用基于内部模式的临床工程部门占比%92.31临床工程部门基本情况9.临床工程人员数量人12.523.9010.技术工作时长小时/年2.520.90366.14(1)行程时间/小时79.1916.81（2)安装、维护和监测设备小时2198.7227.54(3）继续教育培训/小时83.8625.70(4)设备预购评估小时68.02147.26（5)其他任务，比如信息技术任务小时91.1156.81一一表示该变量不适用于该统计量表2 各自变量之间的Spearman秩相关分析Tab.2Spearman rank correlation analysis in independent variables指标临床工程人员数量技术工作时长设备数量开放床位数出院病人数服务率临床工程人员数量1.000技术工作时长+0.840*1.000设备数量+0.846*+0.687*1.000开放床位数+0.890*+0.755*+0.781*1.000出院病人数+0.940*+0.836*+0.801*+0.813*1.000服务率-0.212-0.084-0.275*0.273-0.1071.000*在P0.01水平（双侧)上相关性显著（R=0.202）。因此采用模型2 来分析临床工程人员配置数量的影响因素。从表3中进一步看出技术工作时长、开放床位数和设备数量与临床工程人员配置数量在统计学上呈现显著正相关（=12.782,P=0.001;=3.339,P=0.009;=2.346,P=0.001)。得到的多元回归方程为：ln（技术工作时长）+3.339 ln（开放床位数）+2.346 In(设备数量)(1)表3回归系数及显著性检验Tab.3Results of regression coefficient and significance test模型1模型2变量SEtPSEtP常数项-67.6148.595-7.8670.001-134.82213.9419.6710.001开放床位数10.5551.1319.3300.0013.3391.2242.7280.009设备数量2.3460.6963.3720.001技术工作时长12.7822.4285.2650.001：回归系数；SE：标准偏差。模型1统计分析，ANOVA检验，F=87.055,P0.001，决定系数R2=0.635,DurbinWatson检验d=1.118。模型2 统计分析，ANOVA检验，F=82.009,P0.001,决定系数R2=0.837,DurbinWatson检验d=1.7112.4多元回归模型的检验如表3所示模型2 的ANOVA检验的F为82.009,P 0.7），说明拟合度较好，即模型的预测精度较高。DurbinWatson检验统计量d=1.711da=1.60，可知该模型中残差不存在自相关 15。表4共线性统计及共线性诊断结果表明，技术工作时长、设备数量和开放床位数的VIF均小于5，条件指数均小于30,表明模型不存在多重共线性，模型回归有效 6 进一步使用ShapiroWilk检验残差的正态性，标准预测值和标准残差的显著性P值分别为0.314和0.083，均大于0.0 5，表明残差近似于正态曲线，满足模型假设。表4共线性统计及共线性诊断结果Tab.4Results of collinearity statistics and collinearity diagnosis共线性统计共线性诊断变量容差VIF特征值条件指标常数项开放床位数设备数量技术工作时长常数项3.9981.0000.000.000.000.00开放床位数0.3982.5120.0025.5520.060.010.420.01设备数量0.4282.3390.00119.4860.050.850.470.00技术工作时长0.4352.3010.00120.5890.890.140.120.993讨论笔者研究旨在探讨临床工程人员配置方案，为此在52 家医疗机构的调研结果上建立了预测精度（R=0.837)很高的多元回归方程模型，这使得医疗机构管理者能够评估需要多少名临床工程人员来执行临床工程部门的主要任务。进一步分析表3，影响临床工程人员配置数量最重要的因素是技术工作时长。虽然技术工作时长易被工作人员操纵，但可以通过绩效考核等方法测算17,那么技术工作时长就可作为预测临床工程部门人员数量的有效指标 18,19 。际随着临床环境正在从独立的医疗设备向整合的临床系统转变，促进了临床工程部门和信息技术部门之间的任务汇聚，扩展了临床工程人员的工作范围，例如执行信息技术项目，这会导致技术工作时长的增加，从而需要更多的临床工程人员。而且随着医疗技术的发展，医疗机构建立了许多分院，形成了临床工程人员网络，这意味着人力资源的共享。临床工程人员往返各分院及总院区之间需花费大量的差旅时间，这进一步解释了临床工程人员数量随着技术工作时长增加而增加的原因。需要注意的是，为了准确真实测算出临床工程人员的技术工作时长，需要借助信息系统的帮助，首先明确界定临床工程人员的职责范围，其次对各临床工程任务如故障维修、预防性维护、安装验收等进行数据采集，从而测算出临床工程人员的技术工作时长，既往研究表明开放床位数影响临床工程人员的配备水平1.2 0 1。笔者研究结果恰如预期临床工程人员数量随着开放床位数的增加而增加，支持了开放床位数作为临床工程人员配置数量的影响因素。然而需要注意的是，有些医疗机构将长期护理和急诊护理病床混合在一起，而且病例组合指数较高。重症监护病房内开放的床位数比普通病房内开放的床位数需要配备更多的医疗设备，这就需要配置更多的临床工程人员来进行维护管理。因此，有必要在后续研究中进一步细化床位数量类型，探讨其对临床工程人员配置数量的影响。临床工程人员配置数量也随着设备总数量的增加而增加,这一结果支持了DavidY等 8 的研究，因此笔者研究进一步证实了设备总数量是影响临床工程人员数量的重要指标。随着医疗机构配置的医疗设备数量的增加，与技术管理职能相关的工作量也随之增加，那么临床工程部门需要更多的工程人员。但应考虑到技术管理职能不仅包括医疗设备维护等任务，还应包括其他耗时的任务，比如与医疗器械相关的促进患者安全的任务，而这也是医疗机构的最终目标医疗机构的出院病人数未被纳人模型中,因其对多元回归模型产生共线性问题。出院病人数与设备数量之间呈现显著正相关，但一般而言即使减少出院病人数，现有的设备配置仍会保留，因此对临床工程人员的需求保持不变 6.2 1服务率计算为医疗设备维护总费用/总购置费用112 ,以百分比表示，其也未被纳入到多元回归模型中，因为它与人员配置数量不相关。虽然这一说法仍存在争议 13,但争议的主要原因是部分被调研医院的信息化程度不高，以及设备的购置总成本不一致一一部分医疗机构记录的是实际支付的价格，而部分医疗机构记录的是合同标价。此外，零配件成本及是否包含额外维护协议也会影响服务率 2 ,因此笔者的结果是不采用服务率作为估算临床工程人员配置水平的测算模型。随着医疗设备信息化的不断提高，完善的设备操作说明可以帮助临床工程部门确定维生物医学工程与临床2 0 2 3年5月第2 7 卷第3期BME&Clin Med,May 2023,Vol.27,No.3持医疗设备平稳有序运行所需的临床工程人员，服务率也会逐渐得到客观数据的支持，未来将被纳人人员配置数量的预测模型中临床工程部门所采用的工作模式会影响其工作绩效，更多的任务由内部临床工程人员完成可以帮助医疗机构降低医疗设备维护的总成本。由于目前大多数临床工程部门都使用内部的临床工程人员，无法确定与基于内部模式相比，采用外包模式的临床工程人员数量是否发生变化。因此未来的研究将在分析中加人人员配置模式（内部服务比率及内部服务费用等变量）。医院复杂性（如是否为教学医院）对临床工程人员配置数量的影响比出院病人数的影响更为直接 8.18。教学性质的医疗机构拥有的医疗设备比临床治疗诊断型医院需要更多医疗设备，因为它们需要这些医疗设备来教学和培训临床医护人员。由于缺乏有经验的使用人员（实习生、规培生），这些医疗设备可能会产生更多的故障，因此医疗机构需要配备更多的临床工程人员。因此，教学医院可作为医疗机构出院病人数和临床工程人员数量的调节变量。未来该变量将在调查问卷中体现，确定该变量对临床工程人员数量配置的影响。此外，为进一步提高模型对医疗机构临床工程人员配置数量的预测能力，可以纳人更多要素，比如医院的等级及临床工程部门的绩效等。4丝结论采用笔者提出的多元回归模型对医疗机构临床工程人员配置数量进行预测，相关部门可依此制定相应的临床工程人员配置指标来编制规范要求，作为医疗机构医疗设备安全使用管理规范的保障措施。需要注意的是，该多元回归分析模型反映了医疗机构及其临床工程人员的现状，可能不是最优的，而是局部最优的。例如可能大多数为这种分析提供数据的临床工程部门以一种次优的方式执行临床工程任务，因此使用回归分析作为计划工具只是延续了这种情况，而不是不断地持续改进。另外，医疗机构临床工程人员的配置水平与医疗机构所在地区的经济发展水平也有一定相关性，笔者研究的调查对象来自特定区域内的某些三级医院，调查对象具有一定的局限性，未来的研究将会在其他地区的医疗机构进行类似的分析，以获得适用面更广泛的预测模型(利益冲突：所有作者均声明不存在利益冲突）参考文献：1 J Subhan A.Clinical engineering staffingJ.Journal of ClinicalEngineering,2013,38(2):47-48.2】沈慧，王启茹，刘哗，等.基于KANO-DANP模型的医疗设备维护外包服务质量关键影响因素分析 J.医疗卫生装备，2022,43(3):70-74.SHEN Hui,WANG Qi-ru,LIU Ye,et al.Analysis of key in-fluencing factors of outsourcing medical equipment mainte-nance service quality based on KANO-DANP modelJ.Chi-nese Medical Equipment Journal,2022,43(3):70-74.3 J Hossain MA,Ahmad M,Islam MR,et al.Mathematical model-ing of clinical engineering approach to evaluate the quality ofpatient careJ.Health Technol(Berl),2020,10(2):547-561.【4 高关心.我国临床工程学科的发展与思考 J.国际生物医学工程杂志,2 0 18,41(5)：455-459.GAO Guan-xin.Development and thoughts of clinical engi-neeringJ.International Journal of Biomedical Engineering,2018,41(5):455-459.【5 高关心.中国临床工程师职业发展规划研究报告 M.北京：北京大学医学出版社，2 0 2 0.GAO Guan-xin.The research report on career development ofclinical engineers in ChinaMj.Beijing:Peking University Med-ical Press,2020.6JEwing C.Developing a staffing model for service delivery:Kaiser Permanente Northern California Clinical TechnologyJJ.Journal of Clinical Engineering,2015,40(1):25-34.7 Bohman J,Day M,Gandillon R,et al.Building a better staffingmodel:Using predictive workload analysis for biomedicaltechnician staffingJ.Journal of Clinical Engineering,2015,40(1):37-42.8 J David Y,Judd T.Evidence-based impact by clinical engineerson global patients outcomesJJ.Health Technol(Berl),2020,10(2):517-535.【9 李斌.医学工程学科发展助力全民健康 J.中国医疗设备，2020,35(11):1-4,8-8.LI Bin.Development of clinical engineering disciplines to pro-mote national healthJ.China Medical Devices,2020,35(11):1-4,8-8.10裴智军,高关心.医疗机构临床工程人员配置研究进展 中国医疗设备，2 0 15，（5）：7 3-7 5.PEI Zhi-jun,GAO Guan-xin.Research progress on allocationof clinical engineering staffinng in medical institutesJ.ChinaMedical Devices,2015,(5):73-75.11 Painer FR,Baretich MF.Medical equipment maintenanceprogramme overviewM.Geneva:World Health OrganizationPress,2011.12邓文艳，郑混，徐向天，等.医疗设备维护费用现状分析及改进措施 .中华医院管理杂志，2 0 18,34(11)：9 44-9 46.DENG Wen-yan,ZHENG Kun,XU Xiang-tian,et al.Analysisof medical devices maintenance cost and optimization proposalJ.Chinese Journal of Hospital Administration,2018,34(11):信息动态372BME&Clin Med,May 2023,Vol.27,No.3生物医学工程与临床2 0 2 3年5月第2 7 卷第3期944-946.13 Cohen T.AAMIs benchmarking solution:Analysis of cost ofservice ratio and other metricsJ.Biomed Instrum Technol,2010,44(4):346-349.14 Portney LG.Foundations of clinical research:Applications toevidence-based practiceMj,4th edition.Philadelphia:FA Davis,2020.15 Sheskin DJ.Handbook of parametric and nonparametric sta-tistical proceduresM.4th edition.New York:Chapman&Hall/CRC,2011.16 Hair Jr JF,Hult GTM,Ringle CM,et al.A primer on partialleast squares structural equation modeling(PLS-SEM)M.Springer International Publishing,2017.17杨林，戴剑峰,陆阳，等.医疗设备维护部门绩效考核指标体系构建 .中华医院管理杂志，2 0 18,34(5)：38 1-38 5.YANG Lin,DAI Jian-feng,LU Yang,et al.Development of aperformance appraisal indicator system for medical equipmentmaintenance departmentsJ.Chinese Journal of Hospital Man-agement,2018,34(5):381-385.18余柳君，付翠平，王丹玲，等.基于职业发展力视角下的医学工程人员绩效管理新模式构建与应用 J中国医学装备，2021,18(7):135-138.SHE Liu-jun,FU Cui-ping,WANG Dan-ling,et al.Con-struction and application of a new performance managementmodel for medical engineering personnel from the perspectiveof career developmentJ.China Medical Equipment,2021,18(7):135-138.19沈慧，王启茹，刘哗，等.基于循证的医疗设备维护管理研究以监护仪和注射泵为例 J.医疗卫生装备,2 0 2 0,41(10):65-69,73-73.SHEN Hui,WANG Qi-ru,LIU Ye,et al.Evidence-based ap-proach for medical device maintenance management:Cases ofmonitors and syringe pumpsJ.Chinese Medical EquipmentJournal,2020,41(10):65-69,73-73.20房坤，吴苗苗，储友群，等.新形势下医疗机构临床医学工程师KAQ人才培养模式探索中国医疗设备，2 0 2 0,35(2)：170-173.FANG Kun,WU Miao-miao,CHU You-qun,et al.Exploringthe KAQ talent training mode for clinical medical engineers inmedical institutions under the new situationJ.China MedicalDevices,2020,35(2):170-173.21 Dummert M.Staffing models:How to do it rightJ.Biomed In-strum Technol,2012,46(1):44-47.22沈慧，卜欣,刘哗，等.基于加权平均法的医疗器械配件成本管理研究 J.中国医疗设备，2 0 19,34（11)：132-133，137-137.SHEN Hui,BU Xin,LIU Ye,et al.Research on cost manage-ment of medical device spare parts using weighted averageJ.China Medical Devices,2019,34(11):132-133,137-137.（收稿日期：2 0 2 2-11-10；修回日期：2 0 2 2-12-2 6）G蛋白信号在心脏代谢性疾病中的作用据McNeillSM2023年3月2 5日（BrJPharmacol,2023Mar25.Doi:10.111/bph.16076.）报道，G蛋白偶联受体（GPCR）是最大的跨膜蛋白家族，其作用是将细胞外刺激转化为细胞内信号反应。人们发现G蛋白信号传导（RCS)表达或功能的紊乱可能导致多种心脏代谢疾病的发病机制。在许多心脏代谢状况中观察到CPCR信号传导失调。这种失调并不总是直接归因于受体本身，而是归因于GPCR介导的途径（包括换能器、调节器和效应器）的关键成分的活性和/或表达的改变。在人类患者和动物模型中,Gi/o表达增强与心力衰竭有关。其他GPCR调节因子也与心脏代谢疾病表型有关。这可能有助于了解心脏代谢疾病的发病机制。CPCR是细胞表面最突出的受体，在心脏和代谢功能的调节中发挥着核心作用。GPCR通过激活一种或多种异源三聚体G蛋白将细胞外刺激传递到细胞内部。RCS在心血管系统中具有重要的调节作用。早期证据表明，在体外细胞模型中共表达RCS蛋白可以再现在天然心脏组织中观察到的GIRK通道的快速失活动力学。由于GIRK通道电流是维持正常心率的核心，因此在动物模型和人类中,RGS蛋白的差异表达或RGS功能受损与高血压和低血压表型有关并不奇怪。与RGS介导的M2受体/Gi/o信号传导的负调控相反,RGS2选择性地减弱血管系统中的Gq信号传导以影响心脏功能。缺乏RCS2的小鼠表现出强烈的高血压表型,其特征是血管张力增加和对GPCR的延长信号传导的依赖，从而导致有效的小动脉血管收缩。尽管如此，另一项研究报道称,RCS2KO小鼠对NO供体硝普钠的反应显示出血管舒张减少，这表明RCS2介导的血压调节的另一种机制。这些发现可能具有临床相关性,因为在从Barters/Gitelman综合征患者分离的外周血单核细胞中观察到RCS2过表达。尽管血浆血管紧张素水平升高，但这种情况与正常血压/低血压和血管紧张素介导的信号传导降低有关。相反，与血压正常的对照者相比,高血压患者在分离的外周血单核细胞中RGS2的表达显著降低。此外,RCS2基因内的单核苷酸多态性与人类高血压密切相关，这表明RGS2是血管张力的潜在关键调节因子综上所述，除了靶向途径和控制RCS蛋白稳定性的关键调节因子，还可通过各种基因递送方法直接递送RGS蛋白也可以作为恢复或增强RGS活性的新方法。使用AAV递送RGS蛋白仍然是一个令人兴奋的探索途径，特别是在RGS功能或表达受损的一些心脏代谢疾病的情况下