Score for tidlig varslingssystem for klinisk forringelse (CDEWS)

Fase 1. Udledning af den prædiktive model Data fra patienter indlagt på de deltagende centre i løbet af 2017 vil blive udtrukket fra OBIs elektroniske journal og laboratoriedatahåndteringssystemet. Den dataanalytiker, der er kontraheret i dette projekt, vil sammen med kliniske samarbejdspartnere fra sundhedsledelsesenheden og forskningsenheden være ansvarlig for rensning og rensning af data og for generering og intern validering af den prædiktive model.

Fase 2: Implementering i den elektroniske journal: Når modellen og risikoskalaen er genereret, implementeres den som alarmsystem i Osabide Global i de deltagende centre. Til dette formål vil der blive lavet en handlingsvejledning af HGU's UGS, som, når den er valideret, derefter eksporteres til de to andre centre. Systemet vil fungere ud fra de RIC-elementer, der er knyttet til vitale tegn, og vil guide fagpersoner gennem processen, således at lægen får vist de analytiske data, der har vist sig nødvendige for at beregne risikoen, eller evt. at patienten ikke er blevet bedt om den specifikke laboratorietest, anbefalinger til ekstraktion. Når systemet har alle data, vil der poppe en advarsel op på skærmen med resultaterne af risikoskalaen og risikokategorien mild-moderat-svær og en rapport med anbefalinger til handling. Anbefalinger baseret på VIS-skalaen, fra lægen informere den ansvarlige sygeplejerske ved starten af ​​kontinuerlig overvågning og besøg på mindre end 15 minutter af den ansvarlige behandlende læge, som også vil informere ICU-lægen om overførsel af patienten til en enhed, hvor han/hun vil blive overvåget og handlet, er angivet i bilag 1. Alarmsystemet vil blive præsenteret i HGU'en af ​​de kliniske samarbejdspartnere, GSU ​​og dataanalytiker. Dataanalytikeren vil sammen med medforskerne være den ansvarlige for generering af alarmsystemet, for at deltage i de møder, hvor det præsenteres i centrene og efterfølgende foretage en konstant udforskning af brug og efterlevelse. af risikoskalaen, vil indsamle tvivl og problemer, der kan opstå ved implementeringen af ​​systemet, og vil desuden stå for implementeringen af ​​risikoskalaen.

Fase 3: Ekstern validering af den prædiktive model. Sammenligning af kliniske resultater: Den prædiktive model vil blive valideret, når 100 hændelser pr. center har fundet sted (forhåbentlig når omkring 8000 patienter er blevet indlagt). I løbet af denne tid vil der blive indsamlet data under og efter implementering for at sammenligne kliniske forringelser observeret før og efter implementering. Dataanalytikeren vil udtrække informationen, sortere og rense den for senere at kunne udføre de tilsvarende statistiske analyser.

STATISTISK ANALYSE

Databehandlingsproceduren for dette projekt vil blive etableret efter følgende trin, opdelt i to sektioner:

A) Udvikling og validering af prædiktive modeller for klinisk forværring, overførsel til intensivafdeling, hjertestop eller død under indlæggelse.

Deskriptiv analyse af modelafledning/intern valideringskohorte bestående af patienter fra de tre deltagende centre i den retrospektive kohorte. Der vil blive indsamlet oplysninger om tab i de variabler, der er registreret i undersøgelsen. Der vil også blive indsamlet oplysninger om udelukkede patienter. Muligheden for at anvende imputationsteknikker på de manglende data i de registrerede variable vil blive vurderet.

2.- Følgende punkter vil blive fulgt ved oprettelsen af ​​de prædiktive modeller: a. Den indsamlede prøve skal opdeles i to delprøver: Afledningsgruppe 1: Den samlede prøve vil blive opdelt i 60 % til udledning af de prædiktive modeller for hovedresultatvariablen - klinisk forringelse; Gruppe 2 af validering af de prædiktive regler: modellerne vil blive valideret i denne stikprøve (40 % af stikprøven). Analyser vil også blive udført opdelt efter køn. b. I gruppe 1 vil risikofaktorer for klinisk forværring blive identificeret, samt for overførsel til intensivafdeling, hjertestop eller død under indlæggelse. En bivariat analyse vil blive udført for at undersøge, hvilke af de mulige prædiktorvariabler, der er relateret til hver udfaldsparameter. Disse variabler med en p-værdi <0,20 vil blive identificeret som potentielle prædiktorer, der skal indgå i en multi-level multivariat logistisk regressionsmodel. De variable, der er statistisk signifikante, vil blive valgt til den endelige skala. Kategorierne af variabler i denne model vil blive tildelt en score i forhold til parameteren β opnået i den multivariate model. På denne måde opnås en totalscore og en ROC-kurve for det. Fra denne skala vil der blive oprettet X risikokategorier.

3.- Goodness of fit og sammenligning af de udviklede prædiktive modeller. Der vil blive fundet parametre til at evaluere diskriminations- og kalibreringskapaciteten af ​​de prædiktive modeller udviklet i afsnit 2. På den ene side vil arealet under ROC-kurven (AUC, diskriminerende kapacitet) i tilfælde af dikotome afhængige variable blive beregnet under hensyntagen til en værdi >0,80 for at være en robust prædiktiv model. Ud over AUC vil kalibreringen af ​​modellen blive estimeret gennem Hosmer-Lemeshow testen (god kalibrering for en p-værdi ≥0,05).

4.- Intern validering af de prædiktive modeller Valideringen af ​​den prædiktive model vil blive udført i valideringsgruppe 2. Den prædiktive model og skalaen vil blive valideret i denne gruppe ved at reflektere over de forudsagte værdier opnået i udledningsprøven (gruppe 1) . Sensitivitet, specificitet og areal under kurven vil blive opnået ved at sammenligne dem med resultaterne opnået i udledningsprøven. Modellernes kalibreringsevne vil blive vurderet ved Hosmer-Lemeshow-testen og diskriminationsevnen ved ROC-kurver. Som en form for yderligere intern validering vil en validering ved bootstrapping-metoder blive udført.

5.-Ekstern validering af prædiktive modeller Ekstern validering af modellerne udviklet i den retrospektive kohorte vil blive anvendt på den potentielle kohorte. Den lineære prædiktor (LP) vil først blive fundet i de resterende kohorter ved at overveje regressionskoefficienterne opnået i de originale modeller. Der vil blive udviklet logistiske regressionsmodeller. Tre hovedprocedurer vil blive overvejet for den eksterne validering af disse modeller: modeltilpasning, diskrimination og kalibrering. For det første, for at verificere modeltilpasning, vil vi udvikle en logistisk regressionsmodel på de resterende kohorter, idet vi betragter LP som en kovariat for at estimere dens beta-regressionskoefficient. Hvis beta-regressionskoefficienten for hældningen er 1, vil det blive betragtet som en god pasform. For det andet, for at vurdere diskriminationen af ​​modellen, vil AUC blive beregnet ved bootstrapping og krydsvalideringsmetoder. En AUC-værdi >0,80 vil blive betragtet som en robust prædiktiv model. For det tredje vil kalibreringen blive evalueret ved at beregne den samlede kalibrering, kalibreringshældningen (begge afledt fra kalibreringsplottene) og Hosmer-Lemeshow-testen.

B) Evaluering af EWS for klinisk svækkelse 6.- Sammenligning af resultater: Til sammenligning af resultater efter implementeringen af ​​alarmsystemet vil der blive foretaget en sammenligning af procentdelen af ​​patienter, der lider af klinisk forringelse før og efter implementeringen af ​​HGU'en og også mellem de procenter, der fremgår af HGU'en, hvor alarmsystemet vil blive implementeret og HUD'erne og HUA'erne, hvor de vil fortsætte med deres sædvanlige praksis i denne evalueringsperiode. For at evaluere muligheden for bias, der opstår ved dannelsen af ​​kohorterne, vil en tilbøjelighedsscore blive beregnet for at forklare sandsynligheden for at blive tildelt den ene (HGU-patienter) eller den anden kohorte (HUD+HUA) betinget af de uafhængige variabler, der observeres og forklares. i afsnittet "Eksponeringsvariable". Denne tilbøjelighedsscore vil blive indtastet som en uafhængig variabel i en replikering af de endelige modeller sammen med eksponering, og de opnåede koefficienter i begge tilfælde vil blive sammenlignet.