Die schwierige Atemwegsmanagement-Studie: „The DIFFICAIR-Trial“ (DIFFICAIR)

Das vollständige Studienprotokoll ist veröffentlicht in Trials (2013) Band: 14, Ausgabe: 1, Seiten: 347 ISSN: 1745-6215 DOI: 10.1186/1745-6215-14-347 PubMed: 24152537 http://www.trialsjournal.com /content/14/1/347/abstract

Detaillierter statistischer Analyseplan für die DIFFICAIR-Studie (Schwieriges Atemwegsmanagement):

Einführung Die Studie zum schwierigen Atemwegsmanagement (DIFFICAIR) ist eine stratifizierte, parallele Gruppen-, Cluster- (Cluster = Abteilung) randomisierte und multizentrische Studie, an der 28 Anästhesieabteilungen in Dänemark beteiligt sind. Die DIFFICAIR-Studie vergleicht die Wirkung von zwei Regimen zur präoperativen Beurteilung der Atemwege auf die Häufigkeit von unerwartet schwierigem Atemwegsmanagement.

Die Vorhersage eines schwierigen Atemwegsmanagements bleibt eine zentrale Herausforderung in der Anästhesie. Eine schwierige tracheale Intubation und eine schwierige Maskenbeatmung können schwerwiegende Patientenkomplikationen verursachen [1-6]. Durch die Zuweisung von erfahrenem Personal und relevanter Ausrüstung kann eine bessere Vorhersage eines schwierigen Atemwegsmanagements Komplikationen und damit verbundene Morbidität und Mortalität reduzieren. Es gibt keinen einzelnen Prädiktor, der ausreichend valide ist, um eine schwierige tracheale Intubation vorherzusagen [7-12]. Mehrere Studien zeigen jedoch, dass durch die Kombination mehrerer Prädiktoren für eine schwierige tracheale Intubation der positive und negative prädiktive Wert der Bewertung zunimmt [12]. Sowohl in Dänemark als auch international gibt es keine klare Empfehlung zur Durchführung einer Atemwegsbeurteilung. Folglich basiert die Beurteilung der Atemwege in Dänemark ausschließlich auf der präoperativen klinischen Beurteilung des einzelnen Anästhesisten. Es ist nur unzureichend dokumentiert, wie genau diese präoperative klinische Beurteilung die tatsächlichen Bedingungen des Atemwegsmanagements vorhersagt.

Der „Simplified Airway Risk Index“ (SARI)[13] basiert auf einem von El-Ganzouri und Kollegen beschriebenen multivariaten Modell zur Beurteilung der Atemwege, das eine Abschätzung der Wahrscheinlichkeit einer schwierigen direkten Laryngoskopie ermöglicht. Der SARI enthält sieben einzelne Prädiktoren für eine schwierige direkte Laryngoskopie, die jeweils mit 0-1 oder 0-2 gewichtet bewertet werden. Ein zusammengefasster Wert des SARI-Scores > 3 weist darauf hin, dass eine spätere direkte Laryngoskopie schwierig sein wird. Es ist nicht bekannt, ob der SARI-Score eine schwierige Intubation besser oder schlechter vorhersagt als eine klinische Bewertung. Die Begründung für diese Studie war der prospektive Vergleich der Wirkung des SARI mit einer nicht spezifizierten klinischen Atemwegsbewertung auf die Häufigkeit eines unerwartet schwierigen Atemwegsmanagements.

Die Zielgruppe waren erwachsene Patienten, die sich einer Anästhesie unterziehen. Achtundzwanzig Abteilungen für Anästhesie wurden randomisiert einer von zwei Gruppen zugeteilt. Interventionsabteilungen verwendeten den SARI-Score für die präoperative Beurteilung der Atemwege. Die Interventionsgruppe führte zusätzlich eine Bewertung der Risikofaktoren für eine schwierige Maskenbeatmung durch, wie von Kheterpal und Kollegen beschrieben [14-16]. Die Abteilungen in der Kontrollgruppe setzten die übliche Praxis der präoperativen Beurteilung der Atemwege fort. Alle Daten wurden im DAD registriert. Ein ausführlicheres Versuchsprotokoll, das Hintergrund, Design und Begründung beschreibt, wurde in TRIALS[17] veröffentlicht.

Um Verzerrungen bei der Ergebnisberichterstattung und Ergebnisse auf der Grundlage datengesteuerter Analysen zu vermeiden, wurde zunehmend ermutigt, prospektiv ein Studienprotokoll zu veröffentlichen [18, 19]. Dasselbe Argument gilt für eine prospektive Veröffentlichung eines statistischen Analyseplans. Entsprechend empfiehlt die Internationale Konferenz zur Harmonisierung (ICH) der Guten Klinischen Praxis (GCP), dass klinische Studien nach einem vorab festgelegten Plan analysiert werden[19].

Dieser Analyseplan wurde geschrieben, als die Datensammlung aus der DIFFICAIR-Studie noch andauerte und die Studiendaten nicht zugänglich waren. Die Datenanalyse der Hauptpublikation folgt diesem Plan. Die statistische Analyse wurde am 29. Dezember 2013 vom DIFFICAIR-Lenkungsausschuss genehmigt. Der letzte Tag der Datenerhebung war der 31. Dezember 2013. Die beteiligten Abteilungen erhielten einen zusätzlichen Monat Zeit, um die Registrierung aller Patienten in der dänischen Anästhesiedatenbank sicherzustellen. Am 31. Januar 2014 wurde die Datenbank gesperrt und Daten extrahiert. Der statistische Analyseplan wurde auf www.clinicaltrials.gov veröffentlicht vor der letzten Dateneingabe und vor der Datenextraktion und dem Beginn der Datenverwaltung.

Das DIFFICAIR-Studienprotokoll wurde gemäß den SPIRIT-Richtlinien verfasst und auf www.difficair.com veröffentlicht seit Beginn der Studie und ist unter www.clinicaltrials.gov registriert (NCT01718561). Die dänische Anästhesiedatenbank und die dänische Gesellschaft für Anästhesiologie und Intensivmedizin (DASAIM) unterstützten die Studie.

Der Versuch wird in Übereinstimmung mit der Deklaration von Helsinki durchgeführt. Die wissenschaftliche Ethikkommission des Bezirks Kopenhagen hat erklärt, dass es als Qualitätssicherungsprojekt betrachtet wird und daher nicht an das Kommissionssystem gemeldet werden sollte (Journal No.: H-3-2012-FSP2). Die Studie ist von der dänischen Datenschutzbehörde genehmigt (J.No.: 2007-58-0015/HIH-2011-10, I-Suite nr: 02079)

Ziel Das primäre Ziel der DIFFICAIR-Studie besteht darin, die Wirkung einer systematischen Atemwegsbewertung mit einer klinischen Standard-Atemwegsbewertung auf die Häufigkeit eines unerwartet schwierigen Atemwegsmanagements zu vergleichen. Beide sind in der Datenbank registriert. Die primäre Nullhypothese lautet: • Es gibt keinen Unterschied im Anteil unerwartet schwieriger Intubationen, wenn die präoperative Atemwegsbeurteilung auf dem SARI-Score basiert, im Vergleich zu einer präoperativen Atemwegsbeurteilung, die auf der individuellen Einschätzung des Anästhesisten basiert.

Die Alternativhypothese lautet

• Die Verwendung einer systematischen SARI-Atemwegsbewertung, Registrierung des SARI und der Risikofaktoren für schwierige Maskenbeatmung und kontinuierliche Schulung zur Atemwegsbewertung wird das relative Risiko einer schwierigen Intubation um 30 % verringern, was einer NNT von 180 Patienten entspricht.

Methoden Randomisierung und Stichprobengröße Unsere Berechnung der Stichprobengröße basierte auf einer Anpassung für die Schichtung und das clusterrandomisierte Design [20, 21]. Da es keine früheren Aufzeichnungen über den primären Endpunkt der Studie, „unerwartete schwierige Intubation“, gibt, wurde eine Grundlagenstudie auf der Grundlage von Daten aus der Dänischen Anästhesiedatenbank (DAD) durchgeführt. Um eine relative Risikoreduktion von 30 % in den Anteilen der unerwartet schwierigen Intubation zwischen der Interventionsgruppe und der Kontrollgruppe abzulehnen oder nachzuweisen, waren ungefähr 30 Abteilungen in einem Zeitraum von 15 Monaten erforderlich. Die Berechnungen basierten auf einem maximalen Risiko eines Fehlers 1. Art von 5 % und einem Risiko eines Fehlers 2. Art von maximal 20 % (80 % Power).

Insgesamt wurden 28 Abteilungen eingeschlossen und anhand einer computergenerierten Liste 1:1 randomisiert. Die Berechnung der Stichprobengröße basierte auf einer durchschnittlichen Clustergröße von 1.611 Patienten. Wir schätzten die durchschnittliche Clustergröße in der DIFFICAIR-Studie auf ungefähr 2.500 Patienten, was insgesamt 70.000 eingeschlossene Patienten während des Studienzeitraums ergibt. Die erhöhte Stichprobengröße ermöglicht einen potenziell leichten Verlust von Clustern gemäß der Leistungsberechnung von 30 auf potenziell 26. Unsere Schätzung der Stichprobengröße könnte konservativer Natur sein und mehr Cluster als nötig erfordern[22].

Populationen Die DIFFICAIR-Studie konzentriert sich auf zwei wesentliche Elemente des Atemwegsmanagements, nämlich die tracheale Intubation durch direkte Laryngoskopie und die Maskenbeatmung. Dieser statistische Analyseplan befasst sich mit der Analyse der Daten zur Trachealintubation. Die Datenanalyse zur Vorhersage einer schwierigen Maskenbeatmung wird analog gehandhabt, aber in dieser Arbeit nicht weiter ausgeführt.

Der Teil der DIFFICAIR-Studie zur Vorhersage einer schwierigen Intubation umfasst zwei Populationen; 1) Patienten, die primär versucht wurden, durch direkte Laryngoskopie zu intubieren; 2) Patienten, bei denen primär versucht wurde, sie durch direkte Laryngoskopie zu intubieren (Population 1), sowie Patienten, die voraussichtlich schwierig zu intubieren sind und daher für eine fortgeschrittene Methode vorgesehen und intubiert wurden (z. videolaryngoskopische oder faseroptische Intubation).

Die Ergebnisse der Population 1 und 2 werden in einer Publikation präsentiert. Aufgrund des Umfangs der Daten werden weitere Publikationen folgen, die Daten aus der DIFFICAIR-Studie präsentieren, aber eine weitere Ausarbeitung der Datenanalyse würde den inhaltlichen Rahmen dieses Papiers sprengen.

Anpassungs- und Stratifizierungsvariablen Jeder Cluster (Abteilung) wurde randomisiert einer Kontroll- oder Interventionsgruppe zugeordnet, wodurch diese zum Interventionsgruppenindikator wurde. Das Studienzentrum kann weitere Interventionsheterogenität berücksichtigen und wird zur Anpassung bei der Analyse des Interventionseffekts verwendet. Darüber hinaus wird eine Stratifizierungsvariable, die die Abteilungen danach gruppiert, ob der Anteil der unerwartet schwierigen Intubation zu Studienbeginn ≥ oder < 2 % war, zur Anpassung gemäß neuerer Beweise für eine erhöhte Aussagekraft in der Analyse stratifizierter Studien verwendet [21].

Angenommene verwirrende Kovariaten Wir definieren das Alter; Geschlecht; ASA-Klassifizierung; Notfall-/Wahlverfahren; Body-Mass-Index (BMI); und Verwendung von neuromuskulären Blockern als Kovariaten, die mögliche Confounder sind, was angepasste Analysen des primären Ergebnisses und vordefinierte Subgruppenanalysen erforderlich macht.

Primäre Ergebnisse

Die primären Ergebnismaße sind:

1. Anteil der unerwartet schwierigen Intubationen = alle Intubationen mit unerwartet schwierigen [falsch negativ] / alle primär (versucht) intubierten Patienten durch direkte Laryngoskopie
2. Anteil der unerwartet einfachen Intubationen = alle Intubationen mit erwarteten Schwierigkeiten, die einfach waren [False Positive] / alle Patienten, die primär (versucht) durch direkte Laryngoskopie intubiert wurden

2. Die beiden primären Endpunkte sind miteinander verknüpft und simultane niedrige Fraktionen sind für die optimale Vorhersage einer schwierigen Intubation wünschenswert.

Sekundäre Ergebnisse

1. 48 Stunden Sterblichkeit
2. 30-Tage-Sterblichkeit
3. Anteil = zu erwartende schwierige Intubationen geplant und mit einer fortschrittlichen Methode intubiert / alle Patienten (versucht) intubiert.
4. Anteil = unerwartet schwierige Intubationen [falsch negativ] / alle schwierigen Intubationen ([falsch negativ] + [richtig positiv])
5. Empfindlichkeit
6. Spezifität
7. Positiv vorhergesagter Wert
8. Negativer Vorhersagewert
9. Positives Wahrscheinlichkeitsverhältnis = (Sensitivität / (1-Spezifität))
10. Negatives Wahrscheinlichkeitsverhältnis = ((1-Sensitivität) / Spezifität)
11. Die Receiver Operating Characteristic (ROC)-Kurve. Eine grafische Darstellung der Empfindlichkeit als Funktion von (1-Spezifität).

Die Ergebnisse 5-11 werden für die Vorhersage einer schwierigen Intubation für beide Interventionsgruppen gemessen.

Datenpunkte Baseline-Kovariaten

Individuelles Level:

1. Sex
2. Das Alter
3. Höhe
4. Gewicht
5. BMI
6. Klassifikation der American Society of Anesthesiologists (ASA).
7. Verwendung von neuromuskulären Blockern
8. Krankenhauseinheit
9. Region
10. Voraussichtlich schwierige Trachealintubation
11. Voraussichtlich schwierige Maskenbeatmung
12. Geplanter Atemweg
13. Priorität; Akut/Elektiv
14. Codes für chirurgische Eingriffe
15. Intubationspunktzahl
16. Maskenbeatmungs-Score

Interventions-Kovariaten

1. Mundöffnung
2. Thyro-mentale Distanz
3. Modifizierte Mallampati-Klassifikation
4. Kiefervorsprung
5. Nackenmobilität
6. Früheres schwieriges Atemwegsmanagement
7. Anzahl der abgeschlossenen Risikofaktoren
8. Der berechnete SARI-Score
9. Dichotomisierter SARI-Score (< oder ≥ 4)
10. Schnarchen
11. Schlaf Apnoe
12. Vorhandensein von Bart
13. Veränderungen im Nacken durch Strahlung

Zusammenfassungen auf Clusterebene

1. Mittlere Clustergröße
2. Mittlere Anzahl intubierter Patienten
3. Bruchteil der privaten Krankenhäuser
4. Mittlerer Anteil unerwartet schwieriger Intubation
5. Das Alter
6. BMI
7. ASA-Klassifizierung

Definition der schwierigen Intubation Im DAD wird ein Intubations-Score basierend auf der Anzahl der Intubationsversuche und der Gerätenutzung programmiert.

1. Maximal zwei Intubationsversuche - Nur durch direkte Laryngoskopie
2. Maximal zwei Intubationsversuche, bei denen andere Intubationsgeräte oder Hilfsmittel zur direkten Laryngoskopie verwendet werden (z. Videolaryngoskop)
3. Drei Intubationsversuche oder mehr - Unabhängig von der Intubationsmethode
4. Die Intubation schlug trotz Versuchen fehl

Die Trachealintubation durch direkte Laryngoskopie ist im DAD als unproblematisch mit einem Score = 1 und als schwierig mit einem Score ≥ 2 vordefiniert. In unseren Primäranalysen und der Stichprobenberechnung verwenden wir dieselbe Definition wie DAD.

Allgemeine Analyseprinzipien

1. Sofern nicht anders angegeben, werden alle Hauptanalysen die beiden Interventionsgruppen anhand der Intention-to-treat (ITT) vergleichen [23].
2. Um eine korrekte Fehlerquote 1. Art zu gewährleisten, berücksichtigen alle Hauptanalysen das geclusterte Design der Studie und die Schichtungsvariable [24-26]. Die Analysen basieren auf Daten auf individueller Patientenebene, aber die Clusterbildung von Patienten und die Schichtungsvariable werden in einem Modell mit gemischten Effekten berücksichtigt.
3. In allen Analysen wird ein Fehler 1. Art von maximal 5 % (zweiseitig) als statistisch signifikant angesehen, sofern nicht anders angegeben
4. Die Hauptanalysen werden gemäß ITT um Cluster- und Schichtungsvariablen bereinigt. Sensitivitätsanalysen werden adjustiert und unadjustiert für die zuvor aufgelisteten potenziell verwirrenden Kovariaten durchgeführt. Wir werden diskutieren, ob die Ergebnisse von den Hauptanalysen abweichen. Der Abschluss der Studie basiert auf den Primäranalysen.
5. Interaktionstests werden für Subgruppenanalysen angewendet.
6. Risiken werden als relative Risiken ausgewiesen. Wenn relative Risiken aus Odds Ratios mit 95 % Konfidenzintervall (KI) berechnet werden, erfolgt dies gemäß Zhang et Yu[27].
7. Für fehlende Daten, die eine Rate von 5 % überschreiten, und mit einem statistisch signifikanten Little-Test, der darauf hinweist, dass die fehlenden Daten keine vollständige Zufallsstichprobe der Gesamtdaten sind, werden Punktschätzungen mit 95 % KI unter Verwendung eines Worst-/Best-Case-Szenarios berechnet Imputation auf die fehlenden Werte. Wenn die Imputation eines Worst-/Best-Case-Szenarios unterschiedliche Schlussfolgerungen impliziert, werden mehrere Imputationen auf den fehlenden Werten durchgeführt, wobei zufällig angenommen wird, dass sie fehlen[28]. Unadjustierte und vollständige Fallanalysen werden ebenfalls präsentiert.
8. Um zu vermeiden, dass eine echte Nullhypothese verworfen wird, werden wir das Problem der Multiplizität durch Bonferroni-Anpassungen an den sekundären Ergebnismaßen angehen. Wenn nicht angepasste Analysen nicht signifikant sind (P>0,05), werden Bonferroni-Anpassungen nicht angewendet. Falls die Anpassung einen nicht angepassten signifikanten P-Wert in einen nicht signifikanten P-Wert ändert, wird dies besprochen.
9. Um vollständige Objektivität zu gewährleisten, wird der Statistiker in der primären Ergebnisanalyse für die Interventionsgruppe verblindet. Nach der Datenerhebung wird ein Datenmanager eines Drittanbieters einen vollständigen Datensatz mit verblindeter Codierung der Interventionsgruppen und anderer Variablen generieren, die möglicherweise die Intervention aufdecken. Der Statistiker führt die primäre Ergebnisanalyse an diesem Datensatz durch. Wenn sich das primäre Ergebnis zwischen den Gruppen unterscheidet, werden wir unterschiedliche Schlussfolgerungen ziehen, die die Ergebnisse widerspiegeln, wobei wir berücksichtigen, dass signifikante Unterschiede der Intervention sowohl Nutzen als auch Schaden haben können. Nachdem wir die Schlussfolgerungen geschrieben haben, werden wir den Code der Verblindung aufdecken und anschließend die richtige Schlussfolgerung anwenden[29].

Statistische Analysen Studienprofil Der Fluss der Studienteilnehmer wird in einem Diagramm der Consolidated Standards of Reporting Trials (CONSORT) auf Clusterebene und auf individueller Ebene dargestellt. Die Anzahl der Cluster, die das Einschlusskriterium erfüllen, und die Anzahl der Cluster, die in Primär- und Sekundäranalysen eingeschlossen wurden, werden dargestellt. Die Anzahl der Patienten, die die Einschlusskriterien der Studie erfüllten, sowie die Anzahl, die in die Primär- und Sekundäranalyse eingeschlossen wurden, werden berichtet. Gründe für den Ausschluss von Clustern und Patienten in der Primär- und Sekundäranalyse werden berichtet.

Primärer Endpunkt Häufigkeiten und Prozentsätze pro Gruppe werden mit 95 % KI angegeben. Das primäre Ergebnis wird als Odds Ratios und Relative Risk Ratios dargestellt.

Die erste Analyse des primären Endpunkts wird adjustiert für die Stratifizierungs- und die Cluster-Variable nach dem ITT-Prinzip durchgeführt, einschließlich Patienten, die die Einschluss- und nicht die Ausschlusskriterien erfüllten. Es wird eine logistische Regression mit einem Mixed-Effect-Modell verwendet. Interventionsgruppe und Stratifizierungsvariable werden im Modell als fixe Effekte und der Studienort als zufällige Effekte betrachtet.

Die zweite Analyse des primären Endpunkts wird um die Stratifizierungs- und Cluster-Variablen sowie um die als Confounder angenommenen Baseline-Kovariaten adjustiert, die in einem Mixed-Effect-Modell enthalten sind.

Die dritte Analyse des primären Endpunkts vergleicht die Patienten in der Kontrollgruppe, die die Einschluss- und nicht die Ausschlusskriterien erfüllten, mit Patienten in der Interventionsgruppe, die die protokollierte Intervention erhalten haben. Das heißt, eine Per-Protokoll-Analyse der Kontrollgruppe gegenüber der Untergruppe in der Interventionsgruppe, die eine ausreichend registrierte SARI hatte. In der Interventionsgruppe wird ein Interaktionstest zwischen Patienten durchgeführt, die eine ausreichende/unzureichende SARI-Registrierung erhalten.

In einer alternativen Sensitivitätsanalyse der ersten Analyse des primären Endpunkts werden wir einen anderen Cut-off-Wert für schwierige Intubation verwenden, indem wir ≥ 3 statt ≥ 2 als Definition für schwierige Intubation verwenden.

Sekundäre Ergebnisse Häufigkeiten, Anteile, Prozentsätze, Chancen und Risikoverhältnisse werden mit 95 % KI für jede Gruppe dargestellt. Ein Chi-Quadrat-Test wird verwendet, um die Wirkung der Intervention auf binäre Ergebnisse zu bewerten. Für kategoriale Endpunkte und die adjustierten Analysen wird eine logistische Regressionsanalyse durchgeführt.

Baseline-Vergleiche von Patientencharakteristika Baseline-Charakteristika werden für jede Interventionsgruppe präsentiert. Häufigkeiten, Anteile und Prozentsätze werden verwendet, um diskrete Variablen zusammenzufassen. Bei fehlenden Werten werden Prozentzahlen mit dem tatsächlichen Nenner dargestellt und ansonsten nach der Anzahl der teilnehmenden Patienten berechnet. Kontinuierliche Variablen werden unter Verwendung von Standardmaßen der zentralen Tendenz und Streuung zusammengefasst, wobei entweder Mittelwert ± SD für Daten mit Normalverteilung oder Median und Interquartilbereich für nicht normalverteilte Daten verwendet werden.

Baseline-Vergleiche von Cluster-Merkmalen Cluster-Merkmalen werden für jede Gruppe, Kontrolle und Intervention dargestellt. Sofern nicht anders angegeben, werden Daten als Mittelwerte mit SD für Daten mit Normalverteilung oder Median und Interquartilbereich für nicht normalverteilte Daten dargestellt.

Überblick über Abbildungen und Tabellen Die erste Abbildung wird ein CONSORT-Flussdiagramm auf individueller Patientenebene und Clusterebene sein. Die zweite Abbildung veranschaulicht die SARI-Partitur und die Tutorial-Instrumente. Die dritte Abbildung zeigt die Registrierung im DAD, einschließlich des Intubations-Scores. Die vierte Abbildung zeigt Ausgangsdaten von jeder Interventionsgruppe auf individueller und Cluster-Ebene und die fünfte Abbildung skizziert die wichtigsten Ergebnisergebnisse für jede Interventionsgruppe.

Diskussion Um Verzerrungen bei der Ergebnisberichterstattung und datengetriebene Ergebnisse zu vermeiden, stellt dieses Papier den detaillierten statistischen Analyseplan für die Hauptveröffentlichung der DIFFICAIR-Studie vor. Die DIFFICAIR-Studie wirft zwei wichtige Fragen auf: Ist es durch die Intervention möglich, die Häufigkeit schwieriger Intubation und/oder schwieriger Maskenbeatmung zu reduzieren? Dieser Plan befasst sich nur mit der statistischen Analyse der Population intubierter Patienten. Dies liegt daran, dass unsere Berechnungen der Stichprobengröße auf derselben Grundgesamtheit basierten; der SARI wurde als Vorhersageinstrument für schwierige Intubationen entwickelt; und aufgrund des Umfangs der Daten.

Indem wir unsere primäre Ergebnisanalyse für verschiedene Designvariablen wie Clustering und Schichtung anpassen, streben wir danach, überhöhte Typ-1-Fehlerraten als Folge des Studiendesigns zu eliminieren. Ein Modell mit gemischten Effekten wird basierend auf einer Bewertung jeder Variablen als zufällige oder feste Effekte angewendet [30, 31].

Wenn mehrere Vergleiche zwischen zwei Gruppen durchgeführt werden, besteht die Gefahr, dass Sie fälschlicherweise einen Interventionseffekt akzeptieren (Fehler 1. Art). Es gibt mehrere Ansätze, die sich mit multiplen Tests befassen. Wir entschieden uns für eine Bonferroni-Anpassung der sekundären Ergebnismaße, um zweifelhafte signifikante Ergebnisse zu bewerten, zu identifizieren und zu diskutieren, die auf statistische Multiplizität zurückzuführen sein könnten.

Der Wert eines diagnostischen Tests wird normalerweise als Sensitivität und Spezifität dargestellt. Wir haben (1 – Gesamtgenauigkeit) gewählt, d. h. den Anteil der unerwartet schwierigen Intubationen (False Negative, FN) und den Anteil der unerwartet leichten Intubationen (False Positive, FP). Beide Szenarien sind von klinischer Relevanz, da für FN das Risiko einer Hypoxie, einer erhöhten Morbidität und sogar des Todes besteht, während für FP das Risiko besteht, unnötige Beschwerden durch z. Wachintubation. Gleichzeitig können sowohl der FN als auch der FP unnötige Ressourcen beanspruchen. Sensitivität und Spezifität sind intuitiv schwieriger zu interpretieren. Folglich haben wir uns dafür entschieden, transparentere primäre Ergebnisse darzustellen. Die Verwendung von Anteilen an unerwartet schwieriger Intubation ermöglichte uns die Durchführung einer grundlegenden Kohortenstudie, auf der wir unsere Stichprobengröße und Leistungsberechnungen basierten.

Durch die Veröffentlichung dieses Papiers, in dem wir unsere Methoden und Analysen vorab spezifizieren, hoffen wir, dass die Ergebnisse der DIFFICAIR-Studie so transparent und robust wie möglich sind.

Schlussfolgerung Dieses Papier stellt die Analyseprinzipien vor, die in der DIFFICAIR-Studie für die erste Veröffentlichung der Hauptergebnisse für die Population intubierter Patienten verwendet wurden. Unser Ansatz zielt darauf ab, das Risiko von datengetriebenen Ergebnissen und Verzerrungen bei der Ergebnisberichterstattung zu minimieren.

Verweise

1. Cooper GM, McClure JH: Anästhesie-Kapitel aus Saving mothers' lives; Müttersterblichkeit überprüfen, um die Schwangerschaft sicherer zu machen. Br. J. Anaesth 2008, 100:17-22.
2. Hove LD, Steinmetz J, Christoffersen JK, Møller A, Nielsen J, Schmidt H, Moller A: Analyse der Todesfälle im Zusammenhang mit Anästhesie im Zeitraum 1996-2004 aus abgeschlossenen Schadensfällen, die von der dänischen Patientenversicherungsgesellschaft registriert wurden. Anesthesiology 2007, 106:675-680.
3. Peterson GN, Domino KB, Caplan RA, Posner KL, Lee LA, Cheney FW: Management des schwierigen Atemwegs – Eine geschlossene Schadensanalyse. Anesthesiology 2005, 103:33-39.
4. Rosenstock C, Møller J, Hauberg A: Beschwerden im Zusammenhang mit respiratorischen Ereignissen in der Anästhesie und Intensivmedizin von 1994 bis 1998 in Dänemark. Acta Anaesthesiol Scand 2001, 45:53-58.
5. McClure JH, Cooper GM, Clutton-Brock TH: Das Leben von Müttern retten: Müttersterblichkeit überprüfen, um die Mutterschaft sicherer zu machen: 2006-8: eine Überprüfung. Br. J. Anaesth 2011, 107:127-32.
6. Cook T, Woodall N, Frerk C: Schwerwiegende Komplikationen des Atemwegsmanagements im Vereinigten Königreich. National Audit Proj 2011.
7. Lundstrøm LH, Vester-Andersen M, Møller AM, Charuluxananan S, L'hermite J, Wetterslev J: Schlechter prognostischer Wert des modifizierten Mallampati-Scores: eine Metaanalyse mit 177 088 Patienten. Br. J. Anaesth 2011, 107:659-67.
8. Lee A, Fan LTY, Gin T, Karmakar MK, Ngan Kee WD: Eine systematische Überprüfung (Meta-Analyse) der Genauigkeit der Mallampati-Tests zur Vorhersage des schwierigen Atemwegs. Anesth Analg 2006, 102:1867-1878.
9. Lundstrøm LH, Møller AM, Rosenstock C, Astrup G, Wetterslev J: Ein hoher Body-Mass-Index ist ein schwacher Prädiktor für eine schwierige und fehlgeschlagene tracheale Intubation: eine Kohortenstudie mit 91.332 konsekutiven Patienten, die für eine direkte Laryngoskopie vorgesehen waren und in der dänischen Anästhesiedatenbank registriert sind. Anesthesiology 2009, 107:266-274.
10. Lundstrøm LH, Møller AM, Rosenstock C, Astrup G, Gätke MR, Wetterslev J: Die Vermeidung von neuromuskulären Blockern kann das Risiko einer schwierigen trachealen Intubation erhöhen: eine Kohortenstudie mit 103.812 aufeinanderfolgenden erwachsenen Patienten, die in der dänischen Anästhesiedatenbank erfasst sind. Br. J. Anaesth 2009, 103:283-90.
11. Lundstrøm LH, Møller AM, Rosenstock C, Astrup G, Gätke MR, Wetterslev J: Eine dokumentierte frühere schwierige tracheale Intubation als prognostischer Test für eine spätere schwierige tracheale Intubation bei Erwachsenen. Anästhesie 2009, 64:1081-8.
12. Shiga T, Wajima Z, Inoue T, Sakamoto S, Sakamoto A: Vorhersage einer schwierigen Intubation bei scheinbar normalen Patienten. Anesthesiology 2005, 103:429-437.
13. El-Ganzouri AR, McCarthy RJ, Tuman KJ, Tanck EN, Ivankovich AD: Präoperative Atemwegsbeurteilung: Vorhersagewert eines multivariaten Risikoindex. Anesth Analg 1996, 82:1197-1204.
14. Kheterpal S, Han R, Tremper KK, Shanks AM, Tait AR, O'Reilly M, Ludwig TA, Martin L: Inzidenz und Prädiktoren für schwierige und unmögliche Maskenbeatmung. Anesthesiology 2006, 105:885-891.
15. Kheterpal S, Martin L, Shanks AM, Tremper KK: Vorhersage und Ergebnisse einer unmöglichen Maskenbeatmung: eine Überprüfung von 50.000 Anästhetika. Anesthesiology 2009, 110:891-897.
16. Kheterpal S, Healy D, Aziz M: Inzidenz, Prädiktoren und Ergebnis einer schwierigen Maskenbeatmung in Kombination mit einer schwierigen Laryngoskopie: Ein Bericht der Multicenter Perioperative Outcomes Group. Anästhesiologie 2013:1-10.
17. Nørskov AK, Rosenstock CV, Wetterslev J, Lundstrøm LH: Inzidenz von unerwartet schwierigen Atemwegen unter Verwendung eines objektiven Atemwegs-Scores im Vergleich zu einer klinischen Standard-Atemwegsbeurteilung: die DIFFICAIR-Studie – Studienprotokoll für eine cluster-randomisierte klinische Studie. Trials 2013, 14:347.
18. Chan A–W, Tetzlaff JM, Altman DG, Laupacis A, Gøtzsche PC, Hro A, Mann H, Dickersin K, Berlin JA, Dore CJ, Parulekar WR, Summerskill WSM, Groves T, Schulz KF, Sox HC, Rockhold FW, Rennie D , Moher D, Krleža-Jerić K, Hróbjartsson A, Doré CJ: Research and Reporting Methods SPIRIT 2013 Statement: Defining Standard Protocol Items for Clinical Trials. Ann Intern Med 2013, 158:200-7.
19. Dwan K, Gamble C, Williamson PR, Altman DG: Berichterstattung über klinische Studien: eine Überprüfung der Richtlinien von Forschungsförderern. Prozesse 2008, 9:66.
20. Hayes RJ, Bennett S: Einfache Stichprobengrößenberechnung für Cluster-randomisierte Studien. Int. J. Epidemiol. 1999, 28: 319-26.
21. Kahan B, Morris T: Berichterstattung und Analyse von Studien mit stratifizierter Randomisierung in führenden medizinischen Fachzeitschriften: Überprüfung und erneute Analyse. BMJ 2012, 345:e5840.
22. Crespi CM, Wong WK, Wu S: Ein neuer Abhängigkeitsparameteransatz zur Verbesserung des Designs von cluster-randomisierten Studien mit binären Ergebnissen. Clin Trials 2011, 8:687-98.
23. Fergusson D, Aaron SD, Guyatt G, Hébert P: Post-Randomisation Exclusions: the Intention to Treat Prinzip und Ausschluss von Patienten aus der Analyse. BMJ 2002, 325:652-4.
24. Klar N, Donner A: Aktuelle und zukünftige Herausforderungen bei Design und Analyse von Cluster-Randomisierungsstudien. StatMed 2001, 20:3729-3740.
25. Hayes RJ, Moulton LH: Cluster-randomisierte Studien (Chapman & Hall/CRC Interdisziplinäre Statistik). Chapman und Hall/CRC; 2009:338.
26. Kahan BC, Morris TP: Bewertung potenzieller Clustering-Quellen in individuell randomisierten Studien. BMC Med Res Methodol 2013, 13:58.
27. Zhang J, Yu KF: Wie hoch ist das relative Risiko? Eine Methode zur Korrektur des Odds Ratio in Kohortenstudien mit gemeinsamen Ergebnissen. JAMA 1998, 280:1690-1.
28. Schafer JL: Multiple Zuschreibung: eine Grundierung. Stat Methods Med Res 1999, 8:3-15.
29. Gøtzsche PC: Verblindung bei der Datenanalyse und dem Schreiben von Manuskripten. Control Clin Trials 1996, 17:285–90.
30. Kahan BC, Morris TP: Anpassung an mehrere prognostische Faktoren bei der Analyse randomisierter Studien. BMC Med Res Methodol 2013, 13:99.
31. Kahan BC, Morris TP: Analyse multizentrischer Studien mit kontinuierlichen Ergebnissen: Wann und wie sollten wir Zentrumseffekte berücksichtigen? Stat Med 2013, 32:1136-49.