Jednoduché observační studie kritické péče (SOCCS)

Postupy registru:

Způsobilí pacienti budou zařazeni do 3 hodin po jejich příjezdu na jednotku intenzivní péče. Po zařazení budou všechny parametry studie získány fyzikálním a fyziologickým vyšetřením. To se bude opakovat přibližně za 12 hodin a poté za přibližně 24 hodin.

Sledování:

Monitorování budou provádět nezávislí výzkumníci oddělení intenzivní péče Univerzitního lékařského centra Groningen (UMCG). Audity jsou plánovány jednou ročně.

Nábor:

Zařazení pacientů a měření proměnných bude provádět koordinátor studie nebo spoluřešitel pod dohledem a odpovědností hlavního řešitele. Vzhledem k její observační povaze nebude pro tuto studii získán informovaný souhlas.

Ověření zdrojových dat:

Při zařazení jsou všechny konvenční hemodynamické proměnné odvozeny fyzikálním vyšetřením a záznamem dat ze základního hemodynamického monitorování (monitor Philips ImageVue se sledováním srdeční frekvence, elektrokardiogramu (EKG), SpO2, arteriálního tlaku z měření tlaku v arteriální linii a/nebo z neinvazivního monitorování krevního tlaku). Všechny proměnné jsou předdefinovány (viz datový slovník), aby standardizovaly všechna měření provedená studentskými výzkumníky.

Obecné charakteristiky pacientů a laboratorní měření byly zaznamenány z elektronických pacientských tabulek a skóre akutní fyziologie a chronického zdraví (APACHE) II a IV, zjednodušené skóre akutní fyziologie II (SAPS) jsou extrahovány z naší místní databáze Národního hodnocení intenzivní péče (NICE). Sledování úmrtnosti ze všech příčin po 90 dnech a 3 letech se získává pomocí městské databáze osobních záznamů. Dlouhodobé sledování je shromažďováno prostřednictvím různých zdrojů, jako jsou nemocniční záznamy, rodinní lékaři a/nebo přímý kontakt.

Sběr dat:

Do 3 hodin po přijetí na JIP budou všechny proměnné získány prostřednictvím jednorázového klinického vyšetření a sestry a lékaři budou požádáni o jejich prognózu. Další proměnné (tj. laboratorní a zobrazovací hodnoty) budou získány z elektronických tabulek pacientů. Odůvodnění a konkrétní podrobnosti měření každé proměnné jsou podrobně popsány níže.

Systémové oběhové proměnné:

Srdeční frekvence (HR): bude zaznamenávána z elektrokardiografického monitoru u lůžka. V případě nepravidelného rytmu (tj. fibrilace síní) vyšetřovatelé použijí průměrnou srdeční frekvenci za minutu. Kromě srdeční frekvence bude zaznamenávána přítomnost fibrilace síní.

Systolický krevní tlak (SBP), diastolický krevní tlak (DBP) a střední arteriální tlak (MAP): ty se zjišťují intravaskulárním měřením pomocí arteriální linky, která je součástí běžné péče. Pokud není zavedena žádná arteriální linie, provede se neinvazivní měření.

Centrální žilní tlak (CVP): zaznamená se v případě, že je přítomna centrální žilní linie ve vnitřní jugulární nebo podklíčkové žíle.

Mikro- a periferní oběhové proměnné:

Doba naplnění kapilár (CRT): bude měřena po 10 sekundách vyvíjení pevného tlaku, nejlépe na distální falangu ukazováčku a na centrální část kolena. Nebude použito žádné cut-off skóre, ale kontinuální měření kvůli nesrovnalostem v hodnotách, které různé výzkumy CRT považují za normální.

Teplota kůže (Tskin): bude měřena subjektivně a objektivně. Subjektivní měření bude provedeno palpací končetin pacienta. Rozlišení mezi „teplým“ nebo „studeným“ se provede pomocí dorzální plochy rukou zkoušejícího. Pacienti budou považováni za „studené“ kožní končetiny, pokud jsou všechny vyšetřované končetiny považovány za chladné, nebo pokud jsou chladné pouze dolní končetiny navzdory teplým horním končetinám.

Pro objektivizaci teploty kůže má použití rozdílu teplot mezi centrálním a periferním a periferním prostředím (respektive dTc-p a dTp-a) nebo gradientu teploty kůže předloktí-prst (Tskin-diff). byly navrženy v literatuře. Vyšetřovatelé využijí měření od centra k periferii:

Centrální a periferní teplotní rozdíl (dTc-p): pro měření tohoto rozdílu budou vyšetřovatelé porovnávat teplotu močového měchýře, měřenou termistorovým katetrem močového měchýře, s teplotou nohy měřenou kožní sondou (DeRoyal Skin Temperature Sensor produkt č. 81- 010400EU) na levé nebo pravé noze (dorsum). Vyšetřovatelé použijí teplotu močového měchýře jako náhradu za centrální teplotu a teplotu na nohou jako periferní měření. V literatuře se jako horní hranice obecně používá teplotní rozdíl buď 5 °C nebo 7 °C. Hodnoty vyšší než 7 °C budou vyšetřovatelé proto považovat za abnormální.

Skóre skvrnitosti: toto skóre popsali Ait-Oufella et al v roce 2011. Skvrnitost je skvrnité zbarvení kůže způsobené dysfunkcí mikrocirkulace. Obvykle se týká oblasti kolem kolena. Skóre skvrnitosti se pohybuje od 0 do 5 v závislosti na rozsáhlosti skvrnité oblasti. Skóre 0 nebo 1 je považováno za mírné, 2 nebo 3 za střední a 4 nebo 5 za závažné.

Výdej moči (ml/kg/h): i ten se měří v rámci pravidelné péče. Vyšetřovatelé použijí celkový výdej moči před vyšetřením (tj. od přijetí do vyšetření). U pacientů s již existujícím renálním selháním se výdej moči nepoužívá.

Další proměnné:

Respirační frekvence: bude zaznamenána elektrokardiografickým monitorem u lůžka. Pokud je pacient na mechanické ventilaci, viz níže.

Mechanická ventilace: budou shromažďovány údaje o přítomnosti a typu umělé ventilace a také základní informace o podmínkách dýchání (např. PEEP a FiO2).

Inotropní a vazopresorické použití: zaznamená se jakýkoli požadavek na inotrop nebo vasopresin, typ, dávka a rychlost. Za inotropní/vazopresory jsou považovány noradrenalin, vasopresin, dobutamin, dopamin a milrinon. Za sedativum jsou považovány midazolam, propofol a S-ketamin.

Odhady funkce pumpy a periferní cirkulace: odhad provede buď člen ošetřujícího týmu, nebo výzkumník.

Sérový laktát, hemoglobin, troponin-T a kreatinin: ty se zjišťují v rámci pravidelné péče. Pro studijní účely budou vyšetřovatelé používat hodnotu nejbližší našemu vyšetření.

Zaznamenány budou i další biochemické hodnoty stanovené v rámci pravidelné péče, jako je pH, leukocyty, hematokrit atd.

Po provedení klinického vyšetření budou z databáze NICE extrahovány informace o následujících obecných charakteristikách. To zahrnuje demografické údaje (jako je BMI, věk a pohlaví), anamnézu, diagnózy a závažnost onemocnění hodnocené různými generacemi skóre APACHE, SAPS, hodnocením sekvenčního selhání orgánů (SOFA) a všemi dalšími publikovanými predikčními modely. Za tímto účelem bude vytvořena a publikována rozsáhlá rešerše literatury a následně provedena, aby bylo zajištěno zahrnutí všech publikovaných modelů s jejich proměnnými. Kromě toho budou vyšetřovatelé shromažďovat laboratorní hodnoty (podrobnosti jsou popsány výše), výdej moči (podrobnosti jsou popsány výše) a rutinní vstupní EKG a zobrazení. Po 30 dnech vyšetřovatelé znovu posoudí spisy pacientů, aby shromáždili informace o celkovém pobytu na JIP ve dnech.

Správa dat:

Data budou zaznamenána pomocí OpenClinica a přenesena k analýze. Po přenosu z OpenClinica budou všechna data spravována v databázi vytvořené pomocí Stata verze 15 (StataCorp, College Station, TX). Všechny studijní subjekty obdrží ID studijního subjektu sestavené z názvu studie a jejich zařazovacího čísla. Toto ID studijního předmětu bude použito v OpenClinica i Stata. Pouze výzkumník s vlastnostmi účtu 'study director' v OpenClinica bude moci propojit ID předmětu studie s číslem pacienta.

Posouzení velikosti vzorku:

Každý rok je na jednu ze čtyř jednotek JIP přijato 3000 pacientů. Přibližně 1500 z těchto příjmů jsou neplánované urgentní příjmy. Vyšetřovatelé odhadují, že polovina těchto neplánovaných přijetí splňuje kritéria pro zařazení. To ponechává 750 pacientů způsobilých pro zařazení. Vyšetřovatelé však předpokládají, že z logistických a praktických důvodů nebudou schopni zahrnout všechny způsobilé pacienty. Cílem vyšetřovatelů je proto zahrnout 400 pacientů ročně.

Plán pro chybějící data:

Nejprve prozkoumáme vzorec, který je základem našich chybějících dat: chybí zcela náhodně, chybí náhodně nebo chybí náhodně. Na základě předchozích zkušeností s SICS-I se očekává, že data budou chybět náhodně. Proto budou primární analýzy prováděny s imputací chybějících dat pomocí vícenásobných imputací. Robustnost závěrů bude ověřována pouze sekundárními analýzami citlivosti včetně dostupných dat.

Plán statistické analýzy:

Vyšetřovatelé použijí obecné charakteristiky k vytvoření základní tabulky. Statistické analýzy budou prováděny pomocí Stata verze 15 (StataCorp, College Station, TX). Data budou prezentována jako průměry se standardní odchylkou, pokud jsou normálně rozděleny, nebo jako mediány s rozsahy v případě zkreslených dat.

Budou provedeny jednorozměrné analýzy a všechny proměnné s p<0,1 budou zahrnuty do vícerozměrných modelů. Vícerozměrné analýzy budou prováděny pomocí krokového modelu. Srdeční výdej bude modelován pomocí lineární regrese a mortalita bude modelována pomocí logistické regrese. Všechny analýzy budou přizpůsobeny věku a pohlaví; ostatní obecné charakteristiky nebudou do modelu standardně přidávány. Všechny analýzy budou testovány oboustranně a p-hodnoty menší než 0,05 budou považovány za statisticky významné.

Pokud to velikost vzorku dovolí, výzkumníci provedou analýzu v různých subpopulacích. Příklady subpopulací, které mohou být vhodné pro další analýzu, jsou ty se sepsí nebo těžkým oběhovým šokem.

Plány do budoucna zahrnují využití metod strojového učení pro další analýzu dat. SOCCS byl navržen tak, aby sběr dat byl zároveň co nejjednotnější a co nejrozsáhlejší. Jak již bylo popsáno dříve, budou zahrnuti téměř všichni pacienti přijatí na JIP, a to díky dostupnosti vyškoleného studentského týmu v pohotovosti 24 hodin denně. To zaručuje, že mohou být kdykoli zařazeni noví pacienti, a poskytuje možnost vytvoření velkého souboru jednotných dat. Mnoho proměnných je registrováno přesně u lůžka u všech pacientů akutně přijatých na JIP do 3 hodin od přijetí. Jak tradičnější, tak i inovativní projekty analýzy dat těží z optimálního procesu sběru dat. Všechna data shromážděná pro studii SOCCS budou shromážděna v rozsáhlé a kompletní databázi, ze které lze snadno definovat a nastavit studie prediktivního modelování založené na strojovém učení. V pozdější fázi budou tato data použita pro vytvoření prediktivních nebo rizikových stratifikačních modelů, jejichž cílem je pravděpodobnostní sledování vývoje kriticky nemocných pacientů nebo zdůraznění potenciálně zajímavých parametrů pro následné studie.

Strojové učení (ML) je odvětví umělé inteligence, které umožňuje datovým vědcům navrhovat řízené nebo nekontrolované algoritmy, aby se „učili“ z obecně velkých vzorků dat pomocí odvození. ML začala jako dobře známá metoda v genové analýze, která se od té doby rozšířila do mnoha dalších oblastí medicíny. Jeho potenciál podpořit klinicky orientovaný výzkum se ukázal především při identifikaci a upřednostňování konkrétních složek péče, jejichž studium může pacientům přinést největší užitek. Kromě toho několik autorů uvedlo použití rámců založených na ML v kritické péči s použitím různých typů dat. Tato data lze získat různými způsoby, přičemž nejběžnější je měřením u lůžka, jaká se provádí pro studie SOCCS a SICS, nebo sběrem většího počtu parametrů z předchozích fyziologických dat od skupiny podobných subjektů.