Skóre systému včasného varování při klinickém zhoršení (CDEWS)

Fáze 1. Odvození prediktivního modelu Data od pacientů přijatých do zúčastněných center v průběhu roku 2017 budou extrahována z elektronické zdravotnické dokumentace OBI a systému správy laboratorních dat. Datový analytik nasmlouvaný v tomto projektu bude spolu s klinickými spolupracovníky z oddělení řízení zdraví a výzkumného oddělení zodpovědný za čištění a čištění dat a za generování a interní validaci prediktivního modelu.

Fáze 2: Implementace v elektronickém lékařském záznamu: Jakmile bude model a stupnice rizika vygenerovány, bude implementován jako poplašný systém v Osabide Global v zúčastněných centrech. Za tímto účelem bude vytvořen akční průvodce UGS HGU, který bude po ověření exportován do dalších dvou center. Systém bude fungovat na základě prvků RIC spojených s vitálními funkcemi a provede odborníky celým procesem tak, aby lékaři zobrazili analytická data, která se ukázala jako nezbytná pro výpočet rizika nebo v případě že pacient nebyl požádán o tento konkrétní laboratorní test, doporučení pro extrakci. Jakmile má systém všechna data, na obrazovce se objeví varování s výsledky stupnice rizika a kategorie mírné-střední-závažné riziko a zpráva s doporučeními pro opatření.Doporučení na základě stupnice ViEWS, od lékaře informování odpovědné sestry při zahájení nepřetržitého sledování a návštěvy do 15 minut odpovědným ošetřujícím lékařem, který zároveň informuje lékaře JIP o převozu pacienta na oddělení, kde bude sledován a ošetřen, jsou uvedeny v příloze 1. Poplachový systém bude v HGU prezentován klinickými spolupracovníky, GSU ​​a datovým analytikem. Datový analytik bude spolu se spoluřešiteli osobou, která bude mít na starosti generování poplachového systému, účast na setkáních, na kterých je v centrech prezentován a následně bude provádět neustálý průzkum používání a dodržování stupnice rizik, bude shromažďovat pochybnosti a problémy, které mohou vzniknout při implementaci systému, a bude také odpovědný za implementaci stupnice rizik.

Fáze 3: Externí validace prediktivního modelu. Porovnání klinických výsledků: Prediktivní model bude validován, jakmile dojde ke 100 příhodám na centrum (doufejme, že jakmile bude přijato přibližně 8 000 pacientů). Během této doby budou během a po implementaci shromažďována data, aby bylo možné porovnat klinická zhoršení pozorovaná před a po implementaci. Datový analytik bude extrahovat informace, třídit je a čistit je, aby mohl později provádět odpovídající statistické analýzy.

STATISTICKÁ ANALÝZA

Postup zpracování dat tohoto projektu bude stanoven podle následujících kroků, rozdělených do dvou částí:

A) Vývoj a validace prediktivních modelů klinického zhoršení, převozu na jednotku intenzivní péče, zástavy srdce nebo úmrtí během hospitalizace.

Popisná analýza modelové derivační/interní validační kohorty sestávající z pacientů ze tří zúčastněných center retrospektivní kohorty. Budou shromažďovány informace o ztrátách v proměnných zaznamenaných ve studii. Budou shromažďovány také informace o vyloučených pacientech. Bude posouzena možnost aplikace imputačních technik na chybějící data v zaznamenaných proměnných.

2.- Při vytváření prediktivních modelů budou dodrženy následující body: a. Odebraný vzorek se rozdělí na dva podvzorky: Derivační skupina 1: Celkový vzorek bude rozdělen na 60 % pro odvození prediktivních modelů pro hlavní výslednou proměnnou – klinické zhoršení; Skupina 2 validace prediktivních pravidel: modely budou validovány v tomto vzorku (40 % vzorku). Analýzy budou také prováděny v členění podle pohlaví. b. Ve skupině 1 budou identifikovány rizikové faktory pro klinické zhoršení, stejně jako pro převoz na jednotku intenzivní péče, zástavu dýchání nebo úmrtí během hospitalizace. Bude provedena bivariační analýza za účelem studia, které z možných prediktorových proměnných souvisí s každým výstupním parametrem. Proměnné s p-hodnotou <0,20 budou identifikovány jako potenciální prediktory, které budou vloženy do víceúrovňového vícerozměrného logistického regresního modelu. Pro konečné měřítko budou vybrány ty proměnné, které jsou statisticky významné. Kategoriím proměnných v tomto modelu bude přiřazeno skóre ve vztahu k parametru β získanému v tomto vícerozměrném modelu. Tímto způsobem se pro něj získá celkové skóre a ROC křivka. Z této škály se vytvoří X rizikových kategorií.

3.- Správnost shody a srovnání vyvinutých prediktivních modelů. Budou nalezeny parametry pro vyhodnocení diskriminační a kalibrační kapacity prediktivních modelů vyvinutých v části 2. Na jedné straně bude v případě dichotomických závislých proměnných vypočítána plocha pod ROC křivkou (AUC, diskriminační kapacita) s uvážením hodnotu >0,80, aby se jednalo o robustní prediktivní model. Kromě AUC bude kalibrace modelu odhadnuta pomocí Hosmer-Lemeshowova testu (dobrá kalibrace pro p-hodnotu ≥0,05).

4.- Interní validace prediktivních modelů Validace prediktivního modelu bude provedena ve validační skupině 2. Prediktivní model a škála budou v této skupině validovány zvážením predikovaných hodnot získaných v derivačním vzorku (skupina 1) . Senzitivita, specificita a plocha pod křivkou budou získány jejich porovnáním s výsledky získanými v derivačním vzorku. Kalibrační schopnost modelů bude posouzena Hosmer-Lemeshowovým testem a rozlišovací schopnost ROC křivkami. Jako forma další interní validace bude provedena validace metodami bootstrappingu.

5.-Externí validace prediktivních modelů Externí validace modelů vyvinutých v retrospektivní kohortě bude aplikována na prospektivní kohortu. Lineární prediktor (LP) bude nejprve nalezen ve zbývajících kohortách zvážením regresních koeficientů získaných v původních modelech. Budou vyvinuty modely logistické regrese. Pro externí validaci těchto modelů budou zváženy tři hlavní postupy: přizpůsobení modelu, diskriminace a kalibrace. Nejprve, abychom ověřili vhodnost modelu, vyvineme model logistické regrese na zbývajících kohortách, přičemž LP budeme považovat za kovariát pro odhad jeho koeficientu beta regrese. Pokud je koeficient beta regrese směrnice 1, bude považován za vhodný. Za druhé, pro posouzení diskriminace modelu se vypočte AUC pomocí metod bootstrappingu a křížové validace. Hodnota AUC >0,80 bude považována za robustní prediktivní model. Za třetí, kalibrace bude vyhodnocena výpočtem celkové kalibrace, kalibrační strmosti (obojí odvozené z kalibračních grafů) a Hosmer-Lemeshowova testu.

B) Vyhodnocení EWS pro klinické postižení 6.- Porovnání výsledků: Pro srovnání výsledků po implementaci alarmového systému bude provedeno srovnání procenta pacientů trpících klinickým zhoršením před a po jeho implementaci HGU a také mezi procenty objevujícími se v HGU, kde bude implementován poplašný systém, a HUD a HUA, kde budou během tohoto vyhodnocovacího období pokračovat ve své obvyklé praxi. Aby bylo možné vyhodnotit možnost výskytu zkreslení při vytváření kohort, vypočte se skóre sklonu, které vysvětluje pravděpodobnost přiřazení jedné (pacienti HGU) nebo druhé kohortě (HUD+HUA) podmíněné pozorovanými a vysvětlenými nezávislými proměnnými. v sekci "Proměnné expozice". Toto propensity score bude zadáno jako nezávislá proměnná v replikaci finálních modelů spolu s expozicí a koeficienty získané v obou případech budou porovnány.