Risiko for genoperation efter første MTP-ledartrodese

Antallet af primære operationer i den voksne befolkning (18 år eller ældre) vil blive indsamlet fra patientinformationssystemer ved hjælp af NOMESCO-procedurekoden NHG80 uanset diagnose. Disse patienter vil blive yderligere screenet for diabetes og arthritiske sygdomme (International Classification of Diseases 10th Revision (ICD-10) diagnostiske koder E10.**-E14.** og M05.**-M14.**). Da reoperationer vil blive betragtet som kirurgi under NOMESCO procedurekoderne NH***, QDB***, QDG***, ZZH***. Komorbiditeter blev indsamlet fra de tidligere patientjournaler efter diagnosekoder for diabetes type 1 (E10.**), anden diabetes (E11.**-14.**), seropositiv reumatoid arthritis (M05.9), seronegativ reumatoid arthritis (M06.0), psoriasis (M07.**), gigt (M10.**), anden gigt (M09.**, M11-M14).

Dataene vil blive opdelt og analyseret i to separate faser. Først vil vi indsamle alle de oplysninger, som vi pålideligt kan bruge fra registret. Dataene vil omfatte den primære operation, alle reoperationer, kirurgens erfaringsniveau, patienternes alder, køn og om patienten er blevet diagnosticeret med andre komorbiditeter nævnt ovenfor.

I anden fase vil vi indsamle matchede patienter for de patienter, der gennemgik reoperationer ved hjælp af propensity score matching med forholdet 1:3 med nærmeste nabo metode. De variabler, der bruges til at matche vil være alder, køn og alle andre følgesygdomme (diabetes type 1, anden diabetes, seropositiv leddegigt, seronegativ leddegigt, psoriasis, gigt, anden arthritis) Vi vil også screene de reopererede patienters lægejournaler. de matchede kontroller. Fra præ- og postoperative røntgenbilleder vil vi bestemme graden af ​​artrose og hallux valgus og intermetatarsale vinkler. Operationsrapporter vil blive screenet for kirurgisk teknik (dvs. metode til fjernelse af brusk, fiksering og brug af knogletransport). Disse data vil blive brugt til at analysere sammenhængen mellem perioperative faktorer og reoperationer. Disse modeller vil ikke inkludere variabler, der blev brugt til matchning.

I begge faser vil vi bruge logistisk regression til at analysere sammenhæng mellem antagne risikofaktorer og reoperationer ved at bruge data fra registret (første fase) eller fra patienternes journaler og røntgenbilleder (anden fase). Vi vil evaluere kausalitet med dirigerede acykliske grafer (DAG) og udvikle logistiske modeller separat for hver af de antagne risikofaktorer. Variablerne anvendt i DAG'erne vil blive udvalgt på baggrund af tidligere viden og hypotesemæssige årsagssammenhænge. Resultater fra begge analyser vil fortolkes med justerede oddsratioer (OR) med 95 % konfidensintervaller (CI). Modeltilpasning vil blive vurderet ved McFadden R2-indeks, multikollinearitet ved at evaluere Variance Inflation Factor (VIF) og heteroskedasticitet ved at inspicere de tilpassede værdier vs. residualplot. Statistiske analyser vil blive udført med R version 4.0.5.