Die Rolle der leitliniengerechten perioperativen Antibiotikagabe und das Risiko postoperativer Wundinfektionen nach nicht-kardialen Eingriffen.

Einführung:

Die Prävention von postoperativen Wundinfektionen (SSI) ist nach wie vor eine große Herausforderung für das Gesundheitssystem, da sie einen erheblichen Tribut an die öffentliche Gesundheit verursacht und die Gesundheitskosten erheblich in die Höhe treibt. Wundinfektionen sind heute die häufigste Ursache für Infektionen im Gesundheitswesen und verkomplizieren etwa 2-5 % aller Operationen(1-3). SSIs betreffen jährlich etwa 125.000 Fälle, was zu fast einer Million zusätzlicher Krankenhaustage und knapp 1,6 Milliarden US-Dollar an zusätzlichen Gesundheitskosten führt(4). Es wird geschätzt, dass die Hälfte der SSIs vermeidbar sind(5), und es überrascht nicht, dass die Prävention von Infektionen im Zusammenhang mit dem Gesundheitswesen in den letzten Jahren ein vorrangiges Ziel des US-Gesundheitsministeriums (HHS)(6) war . Die öffentliche Berichterstattung über SSI-Ergebnisse ist jetzt obligatorisch, und die Kostenerstattung für die Behandlung von SSIs wird reduziert oder verweigert (7,8), um die Häufigkeit einzudämmen.

Trotz der Einführung strenger Maßnahmen und Überwachungsprogramme zeigen chirurgische Register weiterhin SSI-Raten von etwa 2-5 % (9,10) und SSIs bleiben eine Hauptursache für verlängerte Krankenhausaufenthalte, Morbidität und Tod. Die anhaltende Belastung der Gesundheitsversorgung durch SSI erfordert eine genauere Prüfung der aktuellen klinischen Praxis, insbesondere in Bezug auf die perioperative Antibiotikaversorgung. Obwohl die Einrichtung einer rechtzeitigen perioperativen Antibiotikaprophylaxe jetzt eine nationale Qualitätsanästhesiemaßnahme ist(11), bleibt noch viel über die erneute Dosierung von Antibiotika, gewichtsbasierte Anpassungen und den Abschluss der Antibiotikainfusion vor dem Hautschnitt(7) zu wissen.

Diese Studie wird versuchen, die aktuelle Praxis der perioperativen Antibiotikaprophylaxe in MPOG-Einrichtungen und in der Untergruppe der MPOG-Zentren, die NSQIP-Daten beitragen, zu beschreiben, um die Wirkung einer angemessenen leitlinienbasierten perioperativen antimikrobiellen Abdeckung zu identifizieren - insbesondere in Bezug auf Auswahl, Zeitpunkt und gewichtsbasierte Dosis Anpassungen und Neudosierung - auf SSI. Die geltenden Richtlinien, anhand derer die Einhaltung bewertet wird, sind die der Infectious Disease Society of American (IDSA). Um die Auswirkungen der Einhaltung der IDSA-Richtlinien zu verstehen, schlagen die Forscher vor, die Datenerhebungsmethodik des American College of Surgeons – National Surgical Quality Improvement Program (ACS-NSQIP) zu verwenden und diese prospektiv gesammelten Ergebnisdaten von 6 Zentren innerhalb des MPOG mit intraoperativer Anästhesie zu integrieren Daten der elektronischen Patientenakte (EHR), die in MPOG verfügbar sind. Über das beschreibende Ziel hinaus, die derzeitige Praxis zu beschreiben, ist unsere primäre Schlussfolgerungshypothese, dass die Einhaltung der IDSA-Richtlinien in Bezug auf die geeignete Antibiotikaauswahl, rechtzeitige Antibiotika-Nachdosierung, gewichtsbasierte Dosisanpassungen und angemessenes Timing von Infusionen, um sicherzustellen, dass die Verabreichung vor dem Hautschnitt abgeschlossen ist, damit verbunden ist mit einer geringeren Inzidenz von SSIs, wenn sie sowohl einzeln als auch als ein Bündel von Praktiken betrachtet werden, während gleichzeitig die in den MPOG- und NSQIP-Datensätzen verfügbaren allgemeinen Confounder kontrolliert werden.

Methoden Die Zulassung für diese multizentrische, retrospektive Beobachtungsstudie wurde vom Yale IRB erteilt. Daten wurden zuvor im Rahmen eines IRB-Überdachungsprotokolls innerhalb der University of Michigan gesammelt. Die ACS-NSQIP-Methodik wurde an anderer Stelle ausführlich beschrieben(12). Für den NSQIP/MPOG-Teil der Studie werden Daten extrahiert, die vom 01.01.2011 bis zum 04.07.2018 erhoben wurden. Da die IDSA-Leitlinien in 02/2013 vorgeschlagen wurden, werden für den deskriptiven Teil der Studie, der sich mit Prädiktoren für die Leitlinieneinhaltung befasst, Daten vom 01.01.2014 bis 04.07.2018 aus der MPOG-Datenbank extrahiert.

Patientenpopulation Alle Patienten im Alter von mindestens 18 Jahren, die sich nicht notfallmäßigen nicht-kardialen chirurgischen Eingriffen mit Hautschnitt unterziehen, werden möglicherweise in die Studie aufgenommen. Für den NSQIP/MPOG-Teil der Studie Patienten mit Zuständen, die die Analyse von SSI-Risikofaktoren verfälschen könnten, einschließlich Notoperation, offene Wunde mit oder ohne Infektion, aktuelle aktive Infektion, laufende präoperative Antibiotikatherapie, fehlende perioperative Antibiotika-/Medikamentendokumentation, Beatmungsgerät Abhängigkeit innerhalb von 48 Stunden nach Operationen, Augenoperationen, Organtransplantationen, Voroperationen innerhalb von 30 Tagen, Organentnahmen und ASA 5 oder 6; wird ausgeschlossen. Eine vollständige Liste der Ausschlusskriterien von ACS-NSQIP-Variablen ist in Anhang 1 dokumentiert. Ausschlüsse für die deskriptive Untersuchung der MPOG-Antibiotikapraktiken sind in Anhang 2 aufgeführt.

Erkundungsfaktoren:

Die folgenden präoperativen klinischen MPOG- und ACS-NSQIP-Variablen werden auf ihre Beziehung zum Auftreten von SSI in den primären Inferenzanalysen untersucht (Klammern geben die Quelldatenbank an): Alter (MPOG), männliches Geschlecht (MPOG), Body-Mass-Index (MPOG ), Diabetes mellitus (NSQIP, aktueller Raucher innerhalb von 1 Jahr (NSQIP), schwere COPD (NSQIP), dekompensierte Herzinsuffizienz innerhalb von 30 Tagen (NSQIP), Myokardinfarkt in der Vorgeschichte (NSQIP), Bluthochdruck (NSQIP), periphere Gefäßerkrankung in der Vorgeschichte (MPOG), andauernder Dialysebedarf (NSQIP), transitorische ischämische Attacken oder Schlaganfälle (NSQIP), disseminierter Krebs (NSQIP), Verlust von 10 % des Körpergewichts in 6 Monaten (NSQIP), Steroidanwendung bei chronischer Erkrankung (NSQIP), Chemotherapie innerhalb von 30 Tagen (NSQIP) und ASA-Körperstatus (MPOG).

Der Body-Mass-Index wird in kategoriale Variablen umgewandelt, basierend auf dem klinisch relevanten Klassifizierungsschema der Weltgesundheitsorganisation (< 20, 20-25, 25-30, 30-35, 35-40, 40-50 und > 50 kg/m2) . Der körperliche ASA-Status wird in drei kategoriale Dummy-Variablen umgewandelt: ASA 1, 2, 3 oder 4. Diabetes mellitus wird in zwei Dummy-Variablen umgewandelt: Diabetes mellitus, der eine orale hypoglykämische Behandlung ohne Insulin erfordert (NSQIP) und Diabetes mellitus, der eine Insulinbehandlung mit erfordert oder ohne orale Hypoglykämie (NSQIP).

Intraoperative Variablen wie Hypotonie, Hypothermie, Transfusionsvolumen, die Notwendigkeit einer vasopressorischen / inotropen Infusion, mittleres fiO2 und Operationsdauer werden eingeschlossen.

Bei intraoperativen Variablen wird die Hypotonie als die Zeit in Minuten unter MAP 55 mmHg berechnet. Das Transfusionsvolumen wird als Anzahl der zwischen Operationsbeginn und Operationsende transfundierten EK-Einheiten berechnet. Die Notwendigkeit von Infusionen von Vasopressoren und/oder Inotropika wird basierend auf den intraoperativen Anästhesieprotokollen als Ja/Nein codiert und umfasst nur die Notwendigkeit von Infusionen ohne Berücksichtigung der isolierten Bolusdosierung. Als Dauer der Operation wird die Zeitspanne vom Schnitt bis zum Ende der Operation berechnet. Der während der Operationen verwendete mittlere FiO2-Wert wird berechnet.

Obwohl es eine Reihe von Studien gibt, die die Wirkung von Hypothermie auf SSI nach bestimmten Operationen berichten, fehlt es an einem Konsens über eine Metrik zur Messung des Ausmaßes von Hypothermie im Zusammenhang mit SSI. Darüber hinaus unterliegt die intraoperative Temperaturmessung zahlreichen Artefakten, wie z. B. einer Verschiebung des Temperaturmessgeräts vom Patienten. Um dies zu minimieren, verwenden die Ermittler den Artefaktreduzierungsalgorithmus. Nach der Artefaktentfernung wird die mittlere Temperatur zur Verwendung in den relevanten Modellen berechnet.

Endpunkte:

Der primäre Endpunkt, mit dem die Prüfärzte versuchen werden, eine leitlinienkonforme Antibiotikaprophylaxe in Verbindung zu bringen, wird das Auftreten einer NSQIP-bestätigten SSI im Zeitraum vom 01.01.2011 bis 04.07.2018 sein. SSIs bestehen aus oberflächlichen (nur Haut oder subkutanes Gewebe des Einschnitts), tiefen (tiefen Weichteilen) und Organraum (jeder Teil der Anatomie außer dem Einschnitt, der während der Operation geöffnet und manipuliert wurde). wie von NSQIP bereitgestellt.

Geeignete Antibiotikaprophylaxe:

Die Definition für eine angemessene Antibiotikaprophylaxe wird gemäß den Richtlinien der Infectious Diseases Society of America (IDSA), der Surgical Infection Society (SIS) und der American Society of Health-System Pharmacists (ASHP) verwendet(13). Daten zu Zeitpunkt, Dosis, erneuter Dosierung und Auswahl der Antibiotika werden von MPOG eingeholt.

Wahl der Antibiotika:

Die IDSA-Richtlinien werden verwendet, um die Auswahl von Antibiotika zu bewerten (Ergänzung 3). Anhand dieser Richtlinien wird a priori für alle CPT-Codes über geeignete Antibiotika entschieden. Die Patienten werden dann basierend auf der "Wahl der Antibiotika" in 2 Gruppen eingeteilt. Unter bestimmten patienten-/krankenhausbezogenen Szenarien empfehlen die Leitlinien zusätzliche Antibiotika oder die Bevorzugung einer bestimmten Klasse unter den in der Kategorie aufgeführten Antibiotika. Es ist geplant, die Wahl des Antibiotikums als angemessen zu betrachten, wenn ein Antibiotikum aus der aufgeführten Verfahrenskategorie für die Operation verwendet wird. Falls mehr als ein Antibiotikum verabreicht wird, sollte mindestens ein Antibiotikum oder eine Kombination von Antibiotika den Empfehlungen entsprechen.

Der Zeitpunkt der Antibiotikagabe in Bezug auf den chirurgischen Schnitt wird auf zwei Arten kodiert, zunächst als kontinuierliche Variable, um die nichtlineare Assoziation zwischen dem Zeitpunkt der Antibiotikagabe und SSI zu bewerten(14). Zweitens wird der Zeitpunkt der Antibiotikagabe dichotomisiert, ob er in den Zeitraum bestehender Leitlinien passt, und als kategoriale Variable für seine Assoziation mit SSI bewertet. Bei Antibiotikainfusionen gilt der Beginn der Antibiotikagabe als Zeitpunkt der Verabreichung.

Die Dosierung in Bezug auf die Gewichtsanpassung wird in Bezug auf dieselben Richtlinien betrachtet und als eingehalten angesehen, wenn die Dosis der entsprechenden Antibiotika die Mindestanforderungen für eine gewichtsbasierte Anpassung erfüllt. Bei Antibiotika mit gewichtsbasierten Richtlinien in mg/kg (Beispiel Vancomycin) gilt eine Dosierung bis zu 10 % unter der berechneten Dosis als richtlinienkonform.

Eine Nachdosierung wird dichotom betrachtet und als adhärent kodiert, wenn die Operationsdauer ein leitliniengerechtes Nachdosierungsintervall erforderte und eine solche Dosis vor diesem Intervall verabreicht wurde. In Fällen, in denen mehr als eine Nachdosierungsepisode hätte auftreten müssen, wird die Nachdosierungsadhärenz nach dem Alles-oder-nichts-Prinzip betrachtet, wobei das Fehlen einer rechtzeitigen leitlinienkonformen Nachdosierung als nicht eingehalten codiert wird.

Trends im leitliniengerechten Antibiotikaeinsatz:

Die Ermittler werden auch die Trends bei leitlinienkonformen Antibiotikapraktiken in der MPOG-Datenbank untersuchen, einschließlich der Institutionen, die keine NSQIP-Daten gemäß den Ausschlüssen in Anhang 2 beitragen. Diese Analyse wird zeitliche Trends innerhalb der Institution berücksichtigen und die mögliche Assoziation von Patientenkandidaten untersuchen - Faktoren auf Ebene und Institutionsebene. Genauer gesagt werden die Raten leitlinienkonformer Antibiotikapraktiken unter Verwendung der multiplen logistischen Regression mit gemischten Effekten modelliert, die feste Effekte wie Zeit (und Polynomterme davon, wenn Nichtlinearität bestätigt wird), Faktoren auf Institutionsebene (z. , Art der Einrichtung, Größe usw.) und Variablen auf Patientenebene sowie zufällige Einrichtungseffekte. Die Signifikanz (d. h. p < 0,05) des Koeffizienten für die Zeitvariable weist auf einen signifikanten Gesamttrendeffekt hin. Die Schätzungen der Adhärenzrate und ihrer 95 % Konfidenzintervalle (CIs) werden berechnet.

Statistische Analyse:

Die statistische Analyse wird mit SAS Version 9.4 (Cary, NC) durchgeführt. Ein zweiseitiger p-Wert

Für das deskriptive Ziel werden parallel zur obigen Analyse Praxismuster in MPOG-Einrichtungen in Bezug auf Antibiotikaauswahl, Dosierung, erneute Dosierung und Zeitpunkt untersucht. Die Verteilung der Einhaltung dieser Praktiken wird untersucht, und Prädiktoren für die Einhaltung dieser Praktiken auf Patienten-, Anbieter- und Institutionsebene werden einzeln und als Bündel untersucht. Box-Plots, Caterpillar-Plots und Funnel-Plots werden erstellt, um die Muster/Variabilität der SSI-Raten zu visualisieren und möglicherweise auf ungewöhnliche Leistungsträger sowohl bei lokalen (d. h. Institution) und auf nationaler Ebene. In einem typischen Trichterdiagramm können die institutsspezifischen Raten gegen das Fallvolumen der Institution aufgetragen werden, wobei die Raten mit 95 %- und 99 %-Konfidenzgrenzen (entsprechend 2 und 3 Standardabweichungen) überlagert werden. Institute und Anbieter mit Raten außerhalb dieser Grenzen werden als „Ausreißer“ gekennzeichnet und einer weiteren Prüfung unterzogen, um den Grund für die abnormale Schwankung zu ermitteln.

Für das primäre Inferenzziel werden zunächst univariate Analysen unter Verwendung von Pearson Chi-Quadrat, Fisher's Exact Test, Student's t-Test und Mann Whitney U Test durchgeführt, um die Assoziation aller präoperativen und intraoperativen Variablen mit dem Ergebnis von NSQIP zu untersuchen. entschiedener SSI. Im Allgemeinen werden nur die Faktoren mit p 0,1 aus der univariaten Analyse in das multivariate Regressionsmodell aufgenommen. Klinische Variablen mit nachgewiesenen Anzeichen, die das Risiko von SSI beeinflussen, werden jedoch ebenfalls in das Modell aufgenommen. Kollinearität, die lineare Annahme und die Additivitätsannahme der Prädiktoren werden überprüft, und die nichtlineare Modellierung kontinuierlicher Prädiktoren (z. B. Infusionszeit) wird untersucht. Gegebenenfalls werden stark korrelierte Gruppen von Prädiktoren untersucht und die Dimensionalität entweder durch Fachkenntnisse (d. h. Hauptkomponenten) oder durch einfache Punktwerte reduziert.

Nach der Untersuchung der Prävalenz oder der Muster von SSI in verschiedenen Zentren oder Operationstypen werden vier verschiedene logistische Regressionsmodelle mit Clustern oder gemischten Effekten unter Verwendung des SAS-GLIMMIX-Verfahrens entwickelt, um das SSI-Ergebnis mit jeder Komponente der Bereiche des intraoperativen Antibiotika-Managements in Verbindung zu bringen: Wahl, Kriterien für das Nachdosierungsintervall, die gewichtsbasierte Anpassung und den Verabreichungszeitpunkt. Insbesondere schlagen die Forscher vor, die Hypothese zu testen, dass die richtige Auswahl des Antibiotikums, die rechtzeitige Dosierung des Antibiotikums, die erneute Dosierung, gewichtsbasierte Dosisanpassungen gemäß den Richtlinien und der angemessene Zeitpunkt der Infusionen, um sicherzustellen, dass die Verabreichung vor dem Hautschnitt abgeschlossen ist, unabhängig voneinander mit einer niedrigeren Dosis verbunden sind Inzidenz von SSIs bei gleichzeitiger Kontrolle auf signifikante Confounder. Zufällige Effekte für Krankenhäuser und Anästhesieanbieter werden einbezogen, um die Häufung verschiedener chirurgischer Fälle zu berücksichtigen. Die Forscher untersuchen die Modifikationseffekte anderer spezifischer Faktoren und fügen sie dem Modell als feste Faktoren hinzu, darunter demografische Daten auf Patientenebene wie Alter, Gesundheit des Patienten (ASA-Klasse), BMI, Geschlecht, Rasse/ethnische Zugehörigkeit und ACS-NSQIP präoperative und andere operative Variablen. Zusätzlich zu den p-Werten als Maß für Effektstärken werden die Prüfärzte auch angepasste Odds Ratios und 95 % Konfidenzintervalle für jede unabhängige Variable im endgültigen Modell angeben und die Wahrscheinlichkeit von SSI bei Patienten mit und ohne Risikofaktor vergleichen.

Es wird eine Dummy-Variable erstellt, die als „Ja“ kodiert wird, wenn die Leitlinien für alle vier Bereiche des intraoperativen Antibiotika-Managements eingehalten werden, oder „Nein“, andernfalls wird die Assoziation dieser Dummy-Variable mit der Wahrscheinlichkeit von SSI getestet. Dies würde helfen, einen zusammengesetzten Effekt für die Einhaltung der Leitlinien zum SSI zu quantifizieren. Schließlich wird ein Gesamtmodell entwickelt, das alle Domänen, präoperative und operative ACS-NSQIP-Variablen und den Score für die chirurgische Komplexität enthält, wobei dieselbe Methodik wie oben beschrieben verwendet wird.

Zum Zwecke der Modellleistungsdiagnose wird die Menge der Variabilität im SSI-Ergebnis, die durch jedes Regressionsmodell erklärt wird, durch die angepasste R2-Statistik quantifiziert, und die Diskriminationsleistung des Modells wird durch die C-Statistik (d. h. AUK). Der Hosmer-Lemeshow-Anpassungstest (GOF) wird verwendet, um zu überprüfen, ob das endgültige Modell gut zu den Daten passt. Ein GOF-P-Wert > 0,05 zeigt im Allgemeinen an, ob ein Modell gut passt oder gut kalibriert ist. Das Modell wird intern mit einer Resampling-Bootstrap-Technik validiert, um die Möglichkeit einer Überanpassung zu bewerten.

Es ist erwähnenswert, dass es im Juni 2018 ungefähr 9,3 Millionen Einzelfälle in MPOG gab (und monatlich zunehmen), mit einer ausreichenden Anzahl von Patienten, um ein deskriptives Regressionsmodell mit einer Reihe von Variablen zu entwickeln. Angesichts der Faustregel, im multivariablen logistischen Regressionsmodell bei 10 Ereignissen pro Variable (EPV) zu bleiben, verfügen die Ermittler über mehr als ausreichende Zahlen, um bis zu Hunderte von Prädiktoren genau zu schätzen (gegebenenfalls werden verschiedene Kategorien für eine diskrete Variable gezählt). als Prädiktor) im endgültigen Modell. Das heißt, Overfitting wird in der aktuellen Studie wahrscheinlich kein Problem darstellen. Die Ermittler werden das Problem jedoch bei der Entwicklung unserer Modelle genau prüfen. Wenn EPV >= 10 nicht garantiert zu sein scheint, entscheiden sich die Ermittler für die Anwendung der bestraften Methode – dem kleinsten absoluten Schrumpfungs- und Auswahloperator (LASSO) für die Auswahl von Variablen (Merkmale), um zunächst eine Teilmenge potenziell wichtiger Prädiktoren zu erstellen. die dann unserem oben beschriebenen standardmäßigen Variablenauswahlverfahren unterzogen werden, um die endgültige Spezifikation der Liste auszuwählen.

Leistungsanalyse:

Obwohl dies eine Beobachtungsanalyse ist, die keine Rekrutierung von Patienten beinhaltet, ist eine Aussagekraftanalyse wichtig, um festzustellen, dass die Datenbank einen klinisch bedeutsamen und statistisch signifikanten Unterschied erkennen kann. Frühere SSI-Präventionsmaßnahmen wie Normothermie, Antibiotikaprophylaxe und chirurgische Vorbereitung mit Chlorhexidin haben relative Risikoreduktionsraten von 40 % bis 70 % gezeigt. Für die Zwecke dieser Power-Analyse wird angenommen, dass ein konservativer Nutzen von nur 20 % für jeden der intraoperativen Eingriffe oder die Gruppe als „Bündel“ vorliegt. Die Literaturrecherche zeigt eine zusammengesetzte SSI-Inzidenz von etwa 4 %. Eine relative Reduktion um 20 % würde zu einer beobachteten SSI-Rate von 3,2 % führen. Unter der Annahme, dass die Rate des „angemessenen Antibiotikaverbrauchs“ 92 % beträgt, hat ein Chi-Quadrat-Test mit einem zweiseitigen Signifikanzniveau von 0,05 eine Aussagekraft von 80 %, um die Differenz zwischen diesen beiden Raten zu erkennen, wenn eine Gesamtstichprobengröße 55.637 beträgt. Insgesamt bieten die in diesem Vorschlag vorgestellten Institutionen bereits ausreichend ACS-NSQIP-Fälle mit integrierten Anästhesie-EHR-Daten an.

Vorgegebene Sensitivitätsanalysen:

1. Es wird eine Sensitivitätsanalyse durchgeführt, bei der versucht wird, eine Kohorte von Patienten, die eine leitlinienkonforme Antibiotikaprophylaxe erhalten bzw. nicht erhalten, zu erstellen, die dem Propensity-Score entspricht, um die mögliche Assoziation einer solchen Einhaltung mit demselben SSI-Ergebnis wie oben zu messen.

   In dieser Sensitivitätsanalyse verwenden die Ermittler anstelle der Regressions-Kovariaten-Anpassung in unserer primären Analyse die Propensity-Score-Methode für die Kovariaten-Anpassung der potenziellen Verwirrung. Die Propensity-Scores werden entwickelt, um vorherzusagen, wer eine leitlinienkonforme Antibiotikaprophylaxe erhält oder nicht, um potenzielle Probleme der Selektionsverzerrung anzugehen. Propensity-Scores werden unter Verwendung logistischer Regressionsmodelle entwickelt, um die Expositionsgruppe unter Verwendung einer dichotomen Ergebnisindikatorvariablen für die Exposition vorherzusagen (1 = Erhalt von leitlinienbasierten Antibiotika, 0 = Erhalt von leitlinienbasierten Antibiotika). Die Ermittler wählen einen nicht sparsamen Satz von Kovariaten aus, wie in der Beschreibung der primären analytischen Modellierung aufgeführt. Dann werden die Patienten in zwei Expositionsgruppen abgeglichen, zuerst durch genaues Abgleichen nach Institution, Patientenalter in Jahren und Anästhesie-CPT-Code, gefolgt von einem Abgleich des Neigungs-Scores unter Verwendung der Greedy-Methode, die im %GMATCH SAS-Makro implementiert ist (Mayo Clinic, Rochester, Minnesota) oder einen ähnlichen Algorithmus, der auf der Nähe der individuellen Neigungswerte basiert. Um zu beurteilen, ob zwischen den einzelnen Gruppierungen ein angemessenes Gleichgewicht der Kovariablen erreicht wurde, wird die standardisierte Differenz (d) für jede Kovariate berechnet. Wenn dies einen Schwellenwert von < 10 %(15) erreicht, werden die Kovariaten als allgemein gut ausbalanciert angesehen. Wenn ein Restungleichgewicht vorhanden ist und als signifikant erachtet wird, wird eine iterative Neuberechnung der Neigungsbewertungen mit zusätzlichen Kandidaten-Kovariaten in Betracht gezogen. Zuletzt werden einfachere multiple logistische Regressionsmodelle mit gemischten Effekten des SSI-Ergebnisses mit dem festen Effekt der Expositionsvariablen angepasst. Wenn der exakte Abgleich innerhalb der Institution zu einer Verringerung der erfolgreich abgeglichenen Stichproben führt, werden die Ermittler erwägen, ihn aus dem exakten Abgleich zu entfernen und einen zufälligen Institutionseffekt in die endgültige Abgleichsanalyse für den Neigungs-Score einzubeziehen.

2. In Anbetracht der Frage der Verringerung der Stichprobengröße während des Matchings wird eine weitere Sensitivitätsanalyse durchgeführt, bei der die Methode der inversen Gewichtung der Behandlungswahrscheinlichkeit (Exposition) unter Verwendung abgeleiteter Neigungs-Scores verwendet wird, um das SSI-Ergebnis zwischen zwei Gruppen zu vergleichen (1 = erhalten leitliniengerechte Antibiotikaprophylaxe, 0 = nicht erhalten), da wir durch die Gewichtung alle Patienten in die abschließende Auswertung einbeziehen können.
3. Im Falle eines signifikanten Zusammenhangs zwischen der leitlinienkonformen Antibiotikagabe und SSI werden wir untersuchen, wie verbreitet und stark ein nicht gemessener Confounder gewesen wäre, um den beobachteten Unterschied auszugleichen. Modellieren Sie also die Robustheit einer beobachteten Assoziation angesichts eines hypothetischen, nicht gemessenen Störfaktors, wie von Lin et al. (16) beschrieben. Für diese Analyse wurde ein Modell der Eigenschaften eines hypothetischen nicht gemessenen binären Störfaktors verwendet, der die beobachteten Unterschiede in der Wahrscheinlichkeit von SSI zwischen Patienten mit adhärenter vs. nicht-adhärenter Antibiotikadosierung hätte erklären können, wobei ein breites Spektrum plausibler Werte für die Effektgröße und Prävalenz verwendet wurde eines solchen nicht gemessenen Confounders.
4. Wie oben erwähnt, gilt für Antibiotika mit gewichtsbasierten Richtlinien in mg/kg (Beispiel Vancomycin) eine Dosierung innerhalb von 10 % der berechneten Dosis als richtlinienkonform. Um die Korrelation der Dosierung dieser Antibiotika mit SSI zu beurteilen, wird auch eine Sensitivitätsanalyse durchgeführt, indem Patienten innerhalb von 25 % der berechneten Dosis in eine leitlinienkonforme Gruppe eingeordnet werden.