Metoda měření komorbidity k predikci výsledku po intenzivní péči (AA)

V této studii vyšetřovatelé ověří dopad komorbidity na readmisi na jednotku intenzivní péče (JIP) a mortalitu po JIP a jaký způsob měření komorbidity a v jakém časovém bodě je nejvíce prediktivní.

Studovaná populace zahrnuje všechny registry pacientů kritické péče ve švédském registru intenzivní péče (SIR) v letech 2005 až 2012 s platným osobním identifikačním číslem. SIR dodává populaci do Statistics Sweden přímo nebo prostřednictvím klienta pro další doručení do Statistics Sweden. Údaje o všech jednotlivcích v populaci jsou shromažďovány z registrů švédského statistického úřadu. Statistics Sweden poskytuje čísla sociálního zabezpečení a sériová čísla Národnímu úřadu pro zdraví pro další sběr dat. National Board of Health and Welfare doručí vzorek dat klientovi, který jej odešle do Statistics Sweden ke spolupráci a anonymnímu. Veškerý datový materiál je neidentifikovaný v databázi MONA, kde k materiálu mají přístup pouze osoby spojené s projektem.

Soubor dat obsahující 293 342 pozorování a 223 495 unikátních jedinců. Pozorování, která jsou v čase zcela pokryta jiným pozorováním, jsou vyloučena. Dvě po sobě jdoucí pozorování s intervalem kratším než 24 hodin se považují za stejnou návštěvu. Konečný soubor dat obsahuje 273 741 pozorování (223 495 jedinců).

Pacienti s recidivujícími pobyty na JIP během sledovaného období byli považováni za recidivující příhody, které na sobě nejsou nezávislé. Interval mezi propuštěním na JIP a opětovným přijetím byl použit jako výsledná proměnná i k charakterizaci pacienta v době přijetí. V analýzách byla závislost mezi vícenásobnými příjmy pro stejného jedince řešena pomocí robustního sendvičového estimátoru. Každý pobyt na JIP byl zahrnut do studie, ale byl zpracován jako časově aktualizovaná expozice.

Bude analyzován složený výsledek úmrtí a readmise. Samostatně budou analyzovány i úmrtí a readmise. Sledování začíná při přijetí. Je vytvořena binární stavová proměnná (ne/ano), která odráží, zda k výsledku došlo nebo ne, spolu s odpovídající časovou proměnnou. U každého přijetí končí sledování opětovným přijetím, úmrtím nebo ukončením studia (2016-12-31), podle toho, co nastane dříve.

Diagnózy propuštění z nemocnice z pěti let před datem indexu pro přijetí na JIP byly extrahovány z National Board of Health and Welfare a spojeny s údaji SIR pomocí přesné vazby na osobu. Na základě těchto informací byl vypočten Charlsonův index komorbidity. Byla také provedena odlišná kategorizace komorbidity v modifikaci na základě kategorizace navržené Elixhauserem. Pro každou z 36 definovaných kategorií komorbidity počet přijetí s primární diagnózou, počet přijetí se sekundární diagnózou, celková délka pobytu s primární diagnózou a interval od posledního přijetí s komorbiditou jako primární diagnózou , byly vypočteny.

Základní stav způsobující přijetí na JIP byl kategorizován podle diagnózy a přijímacího oddělení.

Analýzy s coxovou regresí proporcionálních rizik, čas do události, na tréninkovém datovém souboru rok 2005-2010 Charlsonův index komorbidity (CCI) kategoriální 0, 1, 2, 3-5, 6-9, 10-17 Elixhauser 36 kategorií

1. Číslo primární diagnózy (počet)
2. Počet sekundárních diagnóz (počet)
3. Celková doba péče primární diagnóza (počet)
4. Časový interval od poslední primární diagnózy (chybějící, počet)

Analýzy

A Věk + pohlaví B A + CCI C A + a D A + a + b E A + a + b + c F A + a + b + c + d

V proměnných komorbidity samozřejmě žádná data chyběla. Chybějící informace týkající se věku a pohlaví byly minimální a nevyžadovaly imputaci. Předpoklad proporcionálních rizik byl ověřen pomocí Kaplan-Meierových křivek.

Studijní populace bude rozdělena do souboru tréninkových dat (2005-10) a testovacího souboru dat (2011-12) pro ověření našeho prognostického modelu. Prediktivní schopnost v souboru testovacích dat byla hodnocena na základě diskriminace, plochy pod křivkou (AUC) (C index), kalibrace a Brierova skóre.