Pancreaskirurgi - Optimale caseload-tærskler og prædiktiv nøjagtighed (PaSuT)

De vigtigste forskningsspørgsmål:

• Kan der identificeres specifikke interventionstilfælde, der er egnede som tærskler for årlige minimumsvolumener og er forbundet med signifikant lav hospitalsdødelighed?
• Næsten alle tidligere undersøgelser af sagsnummereffekter har kun vist en beskrivende sammenhæng mellem antallet af sager i et givet år og kvaliteten af ​​resultaterne i samme år. Formålet med denne undersøgelse er at undersøge, om de beskrevne sammenhænge kan påvises ved anvendelse af det foregående års procedurevolumen som prædiktor. Undersøgelsen søger at besvare, om procedurens sagsmængde har prædiktiv værdi, specifikt antallet af sager i et år og hospitalsdødelighed i det følgende år.

Baggrund:

Talrige undersøgelser har vist en sammenhæng mellem antallet af tilfælde og kvaliteten af ​​resultaterne for forskellige kirurgiske indgreb. For eksempel havde patienter, der blev opereret på højvolumenhospitaler (HVH), lavere dødelighedsrater, længere overlevelsesrater, lavere komplikationsrater og lavere reoperationsrater end patienter, der blev opereret på lavvolumenhospitaler (LVH). For at opdele i HVH'er og LVH'er blev der brugt enten konkrete sagsnumre eller kvartil- eller kvintilgrænser med lige mange operationer eller klinikker pr. gruppe. Formålet med undersøgelsen er objektivt at bestemme disse grænser ved hjælp af et spline-modelleret caseload-udtryk og undgå vilkårlige beslutninger.

En begrænsning af de tidligere fund er, at de muligvis ikke kan generaliseres på grund af brugen af ​​et begrænset antal cases og resultatkvalitet fra samme år. Det er dog vigtigt at bemærke, at volumen fra det foregående år er afgørende for at bestemme den forudsigelige betydning af sagsmængden for fremtidig resultatkvalitet. En nylig undersøgelse (i pressen) rapporterede, at der er betydelige udsving i kvaliteten af ​​resultater blandt HVH'er, selv mellem forskellige år. Derfor blev det antaget, at brug af antallet af tilfælde som en prædiktor for resultater af høj kvalitet kan føre til overvurdering.

Metoder:

De landsdækkende hospitalsfaktureringsdata for Tyskland (DRG-statistik) for perioden 2010 til 2019 vil blive analyseret. De risikojusterede dødelighedsrater bestemmes. Til dette formål beregnes logistiske regressionsmodeller, der justerer mortalitetsrisikoen for følgende variabler Køn, alder, akut indlæggelse, resektionsår, diagnose (malign neoplasma vs. benign neoplasma vs. neoplasma med uklar værdighed vs. akut pancreatitis vs. kronisk pancreatitis vs. andre pancreassygdomme), yderligere procedurer (venøse resektioner/ multiviscerale resektioner/ arteriel resektion/ splenektomi/ kolecystektomi/ galdedrænage/ dialyseprocedurer) og udvalgte komorbiditeter. For at klassificere yderligere procedurer for at afspejle omfanget af kirurgi og tekniske vanskeligheder, vil en mindre ændring af klassifikationssystemet som beskrevet i Mihaljevic et al, 2021 blive brugt (PMID: 33386130). Elixhauser-definitionerne bruges til komorbiditeterne som beskrevet i Quan et al, 2005 (PMID: 16224307). Udvælgelsen af ​​komorbiditeter, der skal overvejes, er baseret på publikationen af ​​Hunger et al, 2022 (PMID: 35525416).

Sagsnummereffekten er modelleret ved hjælp af naturlige kubiske splines. 10., 20., 40., 60., 80. og 90. tilfældetalpercentiler bruges som knudepunkter. Den justerede hospitalsdødelighed som funktion af antallet af tilfælde bestemmes ved hjælp af Estimated Marginal Means. Lokale ekstremer (maksima og minima) i splines bestemmes ved hjælp af 1. og 2. grafafledte.

Forskellige regressionsmodeller beregnes ved at bruge enten antallet af tilfælde fra det aktuelle driftsår eller det foregående år. Modellernes prædiktive nøjagtighed bestemmes ved hjælp af de etablerede mål fra signaldetektionsteori (AUC, sensitivitet, specificitet, positiv prædiktiv værdi, negativ prædiktiv værdi). Der vil blive udført undergruppeanalyser for individuelle resektionsprocedurer.