Forudsigelser for udfald efter perioperativt slagtilfælde

BAGGRUND

Perioperativt slagtilfælde er en ødelæggende komplikation af kirurgi, som i øjeblikket er dårligt karakteriseret med begrænsede kliniske værktøjer til rådighed til at opdage og forhindre dens forekomst. Peroperativt slagtilfælde er en cerebrovaskulær hændelse, der opstår efter operationen, og påvirker mellem 0,1-1,9 % af patienterne, der får ikke-kardial, ikke-neurologisk kirurgi. Perioperativt slagtilfælde er relativt understuderet sammenlignet med postoperative komplikationer af lignende forekomst og sværhedsgrad, såsom hjertekomplikationer. I løbet af de sidste par årtier er der blevet gjort en betydelig indsats for at reducere risikoen for perioperativt myokardieinfarkt og har ført til et fald i forekomsten over tid på grund af fremskridt inden for risikostratificering og perioperativ håndtering. Selvom forekomsten af ​​perioperativt slagtilfælde er den samme eller højere end forekomsten af ​​perioperativt myokardieinfarkt, har risikoen for denne komplikation været stigende over tid, og perioperativt slagtilfælde forbliver relativt negligeret. Den nuværende litteratur har identificeret, at patienter, der oplever et slagtilfælde efter operationen, har en højere dødelighed, opholdslængde og udskrivelse til en facilitet, men i betragtning af denne komplikations sjældne natur er relativt lidt kendt om, hvilke faktorer der forudsiger disse udfald blandt dem, der opleve et perioperativt slagtilfælde.

MÅL

SPECIFIKKE MÅL

1. Udled og eksternt valider risikoforudsigelsesmodeller for mortalitet (primært udfald), uønsket udledning, ICU-udnyttelse, trakeostomi/PEG/kraniektomi og liggetid efter perioperativt slagtilfælde.
2. Beskriv tidsmæssige tendenser i dødelighed efter perioperativt slagtilfælde mellem 2005 og 2020.
3. Udforsk mediatorer af dødelighedsrisiko efter perioperativt slagtilfælde.

METODER

Denne undersøgelse er en retrospektiv analyse af den prospektivt indsamlede American College of Surgeons National Surgical Quality Improvement Program-database mellem 2004 og 2020.

Afledningskohorten vil blive udtrukket fra NSQIP-databasen. Datasættets seneste år (2020) omfatter data om over en million tilfælde fra 708 steder. Valideringskohorten vil blive ekstraheret fra Population Data BC, en samling af sammenkædede provinsielle databaser, der leverer afidentificerede data på individuelt niveau om alle indbyggere i BC (befolkning 5,1 millioner). Et datointerval fra 1. januar 2002 til 31. december 2020 blev valgt for at afspejle moderne praksis for slagtilfældebehandling (f.eks. EVT) og den konsekvente brug af ICD-10-CA-kodning siden 2002.

Studiepopulation

NSQIP-afledningskohorte: Patienter med perioperativt slagtilfælde i NSQIP-databasen mellem 2004 og 2017 vil blive inkluderet. Vi vil udelukke neurokirurgiske (herunder carotis-endarterektomi) og interventionelle radiologiprocedurer. Hjerte- og ikke-hjertekirurgi-populationerne vil blive analyseret separat i betragtning af deres unikke risikoprofil for slagtilfælde.

PopDataBC valideringskohorte: Patienter med AIS vil blive identificeret ved hjælp af diagnosekoder I63.0-163.9 fra International Classification of Diseases (ICD), Tenth Revision, Canada (ICD-10-CA), som nøjagtigt og pålideligt identificerer AIS i store administrative datasæt med positiv prædiktiv værdi og følsomhed på mere end 97 %. Patienter, der oplevede en ICD-10-CA indlæggelsesdiagnose (top 3 positioner) af AIS inden for 30 dage efter indlæggelse til operation, eller som en udskrivelsesdiagnose fra indekset kirurgisk indlæggelse. Perioperative patienter vil blive ekstraheret yderligere fra den samlede AIS-kohorte, hvis de modtog kirurgisk faktureringskode i de 30 dage før indlæggelse for slagtilfælde.

Udfaldsvariable: Det primære udfald er 30-dages dødelighed; sekundære udfald er ICU-udnyttelse, længde af hospitalsophold, markører for alvorligt slagtilfælde (trakeostomi, PEG, hemikraniektomi for cerebralt ødem) og uønsket udflåd (ikke-hjemmefacilitet eller død).

Kandidatprædiktorvariabler: Udfald efter perioperativt slagtilfælde er potentielt relateret til patient-, kirurgiske og anæstetiske faktorer samt karakteristika ved slagtilfældet. Kandidatprædiktorvariabler vil omfatte patientkarakteristika (alder, køn, komorbiditeter inklusive anamnese med slagtilfælde), kirurgiske karakteristika (speciale, kompleksitet, type, nødsituation), anæstesiteknik (generel versus regional/neuraksial) og slagtilfælde karakteristika (timing i forhold til operationen) , genindlæggelse for slagtilfælde vs indlagt slagtilfælde). Kontinuerlige variabler vil blive overvejet til transformation ved brug af brøkpolynomier for at tillade en kontinuerlig ikke-lineær association.

STATISTISK ANALYSE

Mål 1: Udledning og validering af risikoforudsigelsesmodeller. Multivariable modeller til at forudsige 30-dages dødelighed efter perioperativt slagtilfælde vil blive oprettet separat for hjerte- og ikke-hjertekirurgi, givet deres unikke mekanismer for slagtilfælde. For at undgå overtilpasning vil vi gennemføre en datareduktionsstrategi og udelukke variabler med mere end 10 % manglende data eller mindre end 20 observationer. Hvor >1% men <10% data mangler, vil vi overveje multiple eller middel imputation; variabler med <1 % manglende data vil blive håndteret gennem komplet case-analyse.

Forudspecificerede prædiktorvariabler vil blive brugt til at konstruere en logistisk regressionsmodel, hvor koefficienter vil blive formindsket ved hjælp af elastisk nettopenalisering. Denne metode til variabel udvælgelse og straf er valgt, fordi vi forudser muligheden for et stort antal potentielle prædiktorer i forhold til antallet af udfald, og at flere vigtige prædiktorer vil være kollineære. Ved at bruge elastisk nettoregularisering kan vi anvende en balance mellem mindste absolutte svind og selektoroperator (LASSO) straf og RIDGE-regression. RIDGE-regression vil give os mulighed for at beholde vigtige kollineære prædiktorer, men formindske deres koefficienter (som kan blive oppustet på grund af kollinearitet). LASSO-metoder vil tillade koefficienterne for nogle ikke-medvirkende prædiktorer til nul, og derfor fjernes dem fra modellen. Inkluderede variabler vil blive vurderet for interaktioner og yderligere termer, der overvejes for at forbedre modellens ydeevne efter behov. Specifikt vil vi på forhånd undersøge følgende interaktioner: alder*køn, kirurgisk kompleksitet (WRVU)*alder, WRVU*speciale og specialitet*anæstesiteknik. Modeldiskriminering vil blive evalueret ved hjælp af arealet under modtagerens driftskarakteristikkurve (c-statistik). Modelkalibrering vil blive vurderet med et løs-udjævnet plot af observerede vs forudsagte risici over risikospektret. En lignende analyse vil blive brugt til at skabe en forudsigelsesmodel for opholdets længde (som vil være en log-transformeret lineær model). Da døden er et konkurrerende resultat for disposition af udskrivelse, vil uønsket udskrivning blive modelleret som et ordinært udfald (hjem, udskrivelse uden for hjemmet eller død).

Intern validering: Efter udledning vil 5.000 bootstrap-prøver blive brugt til intern validering og til at generere en estimeret optimisme. Følsomhedsanalyser vil teste modellens ydeevne i forskellige tidsepoker for at vurdere virkningen af ​​operationsåret (f.eks. 2 til 3-årige epoker, afhængigt af antallet af tilgængelige observationer i hvert år). Efter udledning af den endelige model til at forudsige dødelighed, vil vi udlede et forenklet prædiktivt indeks ved at konvertere regressionskoefficienterne til punkter, der afspejler deres relative vægte. Den forudsigelige nøjagtighed af det resulterende værktøj vil blive vurderet på samme måde som ovenfor.

Ekstern validering: Den endelige logistiske model vil blive eksternt valideret i det særskilte datasæt opnået fra PopDataBC efter at have kortlagt NSQIP-dataelementer til PopDataBC-databasen. Regressionskoefficienter vil blive anvendt på PopDataBC fra den NSQIP-afledte model til at beregne forventede udfaldssandsynligheder og sammenligne forudsagte med observerede udfald. Diskriminering og kalibrering vil blive målt, med et areal under modtagerens driftskarakteristikkurve >0,70 betragtet som acceptabel modeldiskrimination og Hosmer-Lemeshow-test med p>0,05, der indikerer acceptabel god pasform.

Mål 2: Tidsmæssige tendenser i dødelighed. Vi vil udføre en eksplorativ ujusteret almindelig mindste kvadraters regressionsmodel med årlig dødelighed efter perioperativt slagtilfælde som den afhængige variabel og år som prædiktor for at estimere den årlige ændring i dødelighed over tid. En multivariabel lineær regressionsmodel vil blive specificeret, der justerer for vigtige prædiktorer.

Mål 3: Formidlere af dødelighedsrisiko. For at udforske mulig effektmodifikation af dødelighedsrisiko før slagtilfælde ved post-slagtilfælde, vil vi specificere en række logistiske regressionsmodeller med død som den afhængige variabel og sandsynligheden for død fra vores primære model som en lineær prædiktor. Vi vil derefter tilføje præspecificerede prædiktorer (ovenfor), hver som en ekstra variabel, for at undersøge, om sandsynligheden for død stiger eller falder baseret på tilføjelse af den postulerede effektmodificerende variabel.

Køns-/kønsbaseret analyse: Vi vil udforske forholdet mellem køn og resultater efter perioperativt slagtilfælde ved at udføre subgruppeanalyser på kvinder og mænd og karakterisere og sammenligne baseline-træk og -resultater for disse to populationer. Vi vil endvidere inddrage køn a priori som en prædiktor i den justerede model og undersøge interaktioner med andre variable. Vi er ikke i stand til at undersøge ikke-binært køn, da NSQIP kun giver "mand", "kvinde" eller "ukendt".

Prøvestørrelse og kraft: Vi brugte Riley et al's metoder til at estimere den nødvendige stikprøvestørrelse for at udlede en stabil logistisk regressionsmodel, der minimerer overfitting. Ved at bruge 30 modelparametre og en estimeret udfaldsprævalens på 25 % dødelighed hos personer med slagtilfælde3 estimerede vi de nødvendige minimale stikprøvestørrelser baseret på potentiel modeldiskrimination (c-statistik) og forklaret varians (Cox-Snell R2). Hvis vores model opnår en c-statistik på 0,7 (R2 0,09), kræver vi 2.754 deltagere. Stærkere diskrimination (c-statistik 0,8, R2 0,2) ville reducere den nødvendige stikprøvestørrelse til 1.145. NSQIP-databasen 2004-2017 indeholder 6,6 millioner patienter, og baseret på vores foreløbige analyse af 2015-datasættet vil 99,5% være ikke-hjertekirurgi med en 0,19% forekomst af slagtilfælde, og 0,5% vil være hjertekirurgi med en incidens på 1,76%. af slagtilfælde. Vi estimerer derfor i alt mindst 12.434 og 5.808 ikke-hjerte- og hjerte-perioperative slagtilfælde.

En p-værdi <0,05 vil blive betragtet som signifikant for alle analyser, og al dataanalyse vil blive udført ved hjælp af STATA 17 (StataCorp, Texas, USA).