En-dags prævalensundersøgelse af trykskader på intensivafdelinger (DecubICUs)

Målet er at give et opdateret, internationalt "globalt" billede af omfanget og mønstrene af trykskader på intensivafdelinger. Derfor er planen at udføre en 1-dags, prospektiv, multicenter point-prævalens undersøgelse. Projektets store skala skulle muliggøre grundige epidemiologiske analyser. Mere præcist vil undersøgelsen gøre det muligt at identificere:

• væsentlige risikofaktorer for udvikling af tryksår;
• forebyggende foranstaltninger, der anvendes i forskellige ICU-populationer og lande;
• mangel på tilgængelighed af evidensbaserede foranstaltninger til forebyggelse af tryksår;
• misligholdelse af tryksårsforebyggelse i bestemte regioner eller lande;
• forekomst af tryksår med/uden nøjagtig justering for risikoprofil og truffet forebyggende foranstaltninger;
• benchmarking mellem regioner/lande; kliniske resultater forbundet med tryksår (større organforstyrrelser og dødelighed);
• økonomiske resultater forbundet med tryksår (længde på intensivophold) og kobling af disse resultater med lokal praksis med hensyn til anvendte/tilgængelige forebyggende foranstaltninger.
• lande og regionale forskelle i prævalens af tryksår og resultat.

Tryksårsstadier vil blive klassificeret efter klassifikationssystemet udviklet i fællesskab af National Pressure Ulcer Advisory Panel og European Pressure Ulcer Advisory Panel.

Data, der skal registreres, omfatter patientdemografi, data om sværhedsgraden af ​​underliggende sygdom og akut sygdom, organsvigt, tryksår, væsentlige risikofaktorer for tryksår og foranstaltninger, der er truffet for at forebygge tryksår.

Statistisk Plan

Strømberegning. For at en risikofaktor med en prævalens i studiekohorten på kun 10 % (for eksempel patienter med et BMI <20) og en udfaldsforskel på kun 5 % skal være statistisk signifikant (15 % vs. 20 % i decubitus-forekomstrate), en stikprøvestørrelse på 5255 patienter er påkrævet (478 patienter med indeksrisikofaktoren og 4777 uden) (alfa=0,05; Beta>0,80).

Datarensning og manglende data. Ekstraordinære værdier vil blive sporet gennem distributionsplotning. I tilfælde af usikkerhed vil de enkelte efterforskere blive kontaktet. Manglende data vil blive håndteret ved imputation (1, 2). Der vil blive udført kontrol af datakvalitet, såsom kontrol af fuldstændighed, konsistens, rigtighed og unikhed.

Beskrivende. En enkelt afsluttende analyse er planlagt i slutningen af ​​undersøgelsen; der er ikke planlagt foreløbige analyser. Sociodemografiske studiekohortekarakteristika vil blive beskrevet som proportioner for kategoriske variable og for kontinuerte variable som middelværdi og standardafvigelse, hvis normalfordelt eller median- og interkvartilområde, hvis ikke normalfordelt (ifølge Kolmogorov-Smirnov-testen for normalitet).

Andelen af ​​patienter med decubitus (procent, % og deres 95 % konfidensintervaller) vil blive rapporteret samlet og i henhold til geografisk region (kontinent), landeklassifikation efter indkomst som defineret af Verdensbanken (høj-, øvre-midt-, lavere-mellem- og lavindkomstlande), procentdel af bruttonationalproduktet brugt på sundhedspleje (opnået fra Verdenssundhedsorganisationen), og ifølge Education and Health Human Development Report fra FN's udviklingsprogram. Efterfølgende kan potentielle forskelle i prævalens give mulighed for at evaluere varianser i forebyggelsestiltag i stor skala.

Modellering. Kovariater, der vil blive evalueret på deres forhold til tilstedeværelsen af ​​decubitus, omfatter forskellige organisatoriske aspekter af ICU (f.eks. sygeplejerske-til-patient forhold), decubitusforebyggende foranstaltninger (f.eks. type madrasser, der anvendes), og patientspecifikke karakteristika (f.eks. alder, underliggende tilstande, sværhedsgraden af ​​akut sygdom, kropsmorfologi, BMI, længde af intensivophold osv.). Kovariater vil blive overvejet til justeret analyse, når de har en sammenhæng med trykskader på et statistisk niveau <0,25 i ujusteret (univariat) analyse eller på grund af deres kliniske relevans. En trinvis tilgang vil blive brugt til at eliminere termer fra regressionsmodellen; p<0,15 eller p<0,10 vil blive sat som grænsen for at beholde kovariater i modellen.

Relationer med binære udfaldsvariable (f.eks. decubitus, dødelighed) vil blive vurderet ved hjælp af ujusterede statistiske test og multivariat logistisk regression. Værdien af ​​yderligere propensity score korrektion i regressionsmodellen vil blive vurderet. Multinomiel logistisk regression vil blive udført for at vurdere uafhængige relationer med decubitus stadier. Ligeledes vil lineær blandet-effekt modellering blive brugt til at vurdere ujusterede og justerede forhold med kontinuerlige udfaldsvariable (f.eks. længden af ​​ICU-opholdet og indlæggelsens længde). Resultater af logistisk regression vil blive rapporteret som justerede oddsforhold med 95 % konfidensintervaller.

For at udvikle en decubitus-forudsigelsesmodel for forskellige ICU-populationer (f.eks. traumer, kirurgiske eller medicinske patienter) vil der blive bygget modeller ved hjælp af maskinlæringsteknikker (f.eks. Random Forest, Gradient Boosting Machine). I processen vil forskellige teknikker blive anvendt for at opnå den optimale nøjagtighed. For at få indsigt i sammenhængen mellem prædiktorer og variabler vil der som nævnt ovenfor blive anvendt regressionsteknikker.

Til validering af vores modeller vil studiekohorten blive opdelt i et trænings-, test- og valideringssæt. Som sådan giver dette en retvisende fortolkning af resultaterne. Alternativt kan ti gange krydsvalidering anvendes for at forhindre overpasning.

Benchmarking for individuelle centre baseret på decubitus vil blive udført ved at levere direkte eller indirekte standardiserede risici baseret på fikserede centereffekter i en logistisk regressionsmodel (3, 4). Udover tilstedeværelsen af ​​det binære kvalitetsresultat (dvs. decubitus) og centerkoden, inkluderer denne model også patientspecifikke basislinje-covariater for at justere for differentiel case-mix. Firth-korrektionen vil blive anvendt på den logistiske regressionsmodel for at opretholde konvergens i nærværelse af meget små centre (5).

Statistisk analyse vil blive udført ved brug af SPSS og R. Head investigator (SB) er ansvarlig for al statistisk analyse. Avancerede statistiske metoder vil blive udført af MiekeDeschepper (Strategic Policy Cell ved Gent Universitetshospital).