COVID19-Schwerevorhersage und Bewertung der Gesundheitsversorgungsforschung

Hintergrund: Eines der grundlegenden Probleme dieser Epidemie wird durch den hohen Prozentsatz von SARS-CoV-2-infizierten Patienten bestimmt, die eine rasche klinische Verschlechterung aufweisen, die eine Behandlung auf kritischen Stationen erforderlich macht. Die Identifizierung der Faktoren, die mit diesen schwerwiegenderen Erkrankungen zusammenhängen, würde es uns ermöglichen, zu beurteilen, ob vorbeugende oder therapeutische Maßnahmen im Voraus ergriffen werden können, oder die für diese Patienten zu erbringenden Leistungen besser zu planen, entweder in dieser oder in diesen Wellen der Pandemie die in der Zukunft auftreten können.

Ziele: Dieses Projekt zielt darauf ab, Stratifizierungsskalen des Risikos einer schlechten Entwicklung bei mit SARS-CoV-2 infizierten Patienten zu erstellen, definiert als das Auftreten einer klinischen Verschlechterung, ARDS, Sepsis, SRIS, septischer Schock oder Tod. Zusätzliche Ziele sind: 1.-Bewertung der Zugänglichkeit und Gerechtigkeit, die diese Patienten in den verschiedenen Pflegeprozessen, diagnostischen und therapeutischen Verfahren hatten, mit besonderem Interesse an Patienten, die aus Wohnheimen kamen, nach Alter, Geschlecht oder geografischer Herkunft. 2.-Bewerten Sie die Wirksamkeit verschiedener therapeutischer Schemata, die bei dieser Pandemie angewendet wurden. 3.- Bewerten Sie die Wirksamkeit verschiedener diagnostischer Tests, die verwendet werden, um die schlechte Entwicklung dieser Patienten vorherzusagen. 4.- Bewerten Sie die tatsächlichen Kosten, die mit der Behandlung von Krankenhauspatienten mit COVID-19 verbunden sind. Methoden: Die Informationen werden hauptsächlich aus der elektronischen Patientenakte extrahiert , muss jedoch für bestimmte grundlegende Parameter der Vorhersage (klinische Manifestationen, Datum des Auftretens von Symptomen und Dauer der Symptome und epidemiologische Vorgeschichte) manuell durchgeführt werden. Statistische Analyse: Es werden logistische Regressions-/Überlebensmodelle/Algorithmen für künstliche Intelligenz zur Vorhersage einer schlechten Entwicklung von Patienten mit CoVid-19 erstellt.

Zwei Proben sind enthalten: 1.-Alle COVID19-positiven Personen aus dem Baskenland (ca. 18768 Personen); 2.-Patienten, die während der ersten Welle der Pandemie bis zum 31. Mai wegen COVID 19 in den an der Studie teilnehmenden Zentren aufgenommen wurden, werden eingeschlossen (im Fall des Baskenlandes stammen einige dieser Patienten aus der Bevölkerungsstichprobe # 1 zuvor beschrieben). Wenn es neue Wellen einer bestimmten Einheit gab (mehr als 100 Aufnahmen in einem Monat pro Zentrum), würden diese Informationen auch später erhoben. Mit den Informationen, die den Ermittlern bisher vorliegen, sehen die Ermittler, dass die Ermittler zwischen 6000 und 7000 auswählen müssten. Später würden Patienten aus der Herbstwelle, falls gegeben, bis Ende Mai 2021 wegen größerer zeitlicher Ähnlichkeit mit der ersten Welle gesammelt.

Probenahme: Die zu überprüfenden Informationen aus der Krankenakte werden aus der ersten Welle der Pandemie zwischen März und Mai 2020 erhoben, wo eine Stichprobe durchgeführt wird. Für die zweite Herbst-Winter-Welle 2020-2021 wird ebenfalls eine Zufallsstichprobe von Patienten erhoben, die ausreicht, um die geschätzte Stichprobengröße für diese zweite Welle zu erreichen. Wenn nicht, wird der Stichprobenumfang mit Patienten aus der ersten Welle vervollständigt.

VARIABLEN: Exposition: 1.-Soziodemografische Daten: Alter, Geschlecht, Wohnort (ja / nein), Herkunftsland. 2.- Persönliche Vorgeschichte: Begleiterkrankungen; Basale Behandlungen usw. 3.-Anamnese der Krankheit 4.-Körperliche Untersuchung zu Hause oder AP. 5.-Krankenhausanamnese: Symptome bei Ankunft in der Notaufnahme, Vitalfunktionen, Anzeichen und körperliche Untersuchung, Labortests, Thorax-Röntgenmuster, CAT-Muster, etablierte Behandlungen, Daten auf der Intensivstation.

Ergebnis: Klinische Beeinträchtigung: Dyspnoe in Ruhe, Entwicklung von ARDS, Sepsis, SIRS, Schock, Aufnahme auf der Intensivstation, Tod (Datum). Linderung der Symptome, Tage bis zum Ausbleiben der Krankheit, Tod.

Nachsorge (6 Monate): Wiederaufnahmen, Neudiagnosen, Komplikationen, Biomarker der Fibrogenese, Ergebnisse des diagnostischen Verfahrens (Röntgen, MRT, CT), Tod (mit Datum und Ursache) Kosten (Index und 6 Monate Einkommen): Notfall bzw programmierter Einlass; Anzahl der Tage der Aufnahme (in jeder der Einheiten / Werke / Intensivstation / Notfälle); Laboruntersuchungen (Anzahl und Art); Anzahl der Tage, an denen Atemunterstützung erforderlich war; Behandlungen während des gesamten Aufenthalts (Medikament, Dosis, Dosierung, Dauer); während der Studienzeit durchgeführte diagnostische Verfahren (Röntgenaufnahmen, MRT, CT etc.); durchgeführte chirurgische Eingriffe; externe Beratungen (Nummer und Service); Tagesklinik (Anzahl und Verfahren); AP und Hausbesuche (im Zusammenhang mit COVID-19) DATENSAMMLUNGSMETHODEN: Die manuelle Datenextraktion wird von Gutachtern unter der Aufsicht jedes PI pro Zentrum durchgeführt. Alle gesammelten Daten werden in die RedCap-Datenbank eingegeben. Sobald die Informationen extrahiert sind, wird eine gemeinsame Datenbank für die anschließende Analyse erstellt.

STATISTISCHE ANALYSE. Die Studieneinheit wird der Patient sein. Es wird eine deskriptive Analyse der gesamten Probe durchgeführt. Eine univariate Analyse wird durchgeführt, um potenzielle Faktoren oder Variablen im Zusammenhang mit den interessierenden Ergebnisvariablen zu bestimmen. Bei der multivariaten Analyse werden je nach interessierender abhängiger Variable unterschiedliche Modelle durchgeführt. Bei dichotomen abhängigen Variablen werden logistische Regressionsmodelle verwendet. Statistische Signifikanz wird angenommen, wenn p < 0,05, und alle Analysen werden unter Verwendung von SAS v9.4 und R-Statistiksoftware durchgeführt. Außerdem wird die Vorhersage der Variablen einzeln bewertet, indem die statistische Korrelation zwischen jeder Variablen und der schlechten Entwicklung gemessen wird; und gemeinsames Betrachten der Fähigkeit, die schlechte Entwicklung aus Kombinationen vorherzusagen, die durch Generieren von Assoziationsregeln zwischen Variablen aus den zugrunde liegenden statistischen Beziehungen erhalten werden.

Die Analyse der vergleichenden Wirksamkeit zwischen den verschiedenen beobachteten Behandlungsoptionen wird durch die Behandlungsabsicht durchgeführt. Neben deskriptiven statistischen Verfahren wird eine Time-to-Event (Mortalität)-Überlebensanalyse mittels multivariater Cox-Proportional-Hazards-Regression und eine parametrische Überlebensanalyse mit der entsprechenden Verteilung (Weibull etc.) zusammen mit einer Schätzung durchgeführt. des durchschnittlichen Überlebens. Für die Bewertung der vergleichenden Wirksamkeit werden Propensity-Score-Techniken verwendet, um vergleichbare Behandlungsgruppen zu erstellen, indem die Baseline-Kovariaten durch inverse Gewichtung der Behandlungswahrscheinlichkeit angepasst werden. Darüber hinaus und weil absehbar ist, dass es mehrere Behandlungsgruppen geben wird, wird das spezifische Schätzverfahren, das als verallgemeinerte verstärkte Modelle bezeichnet wird, angewendet.

Für die Analyse von Kostendaten, sowohl für die Analyse der zugehörigen Variablen als auch für ein Kostenvergleichsziel, werden GLM-Regressionstechniken mit dem Verteilungstyp verwendet, der am besten zu den Daten passt (unter Verwendung des modifizierten Parktests), obwohl vorzugsweise Gamma und Als Verknüpfung wird die Logarithmenfamilie verwendet. Die Daten werden mit dem Programm Stata v14.2 analysiert.

ETHISCHE UND GEHEIMHALTUNGSASPEKTE. Das Projekt wurde von den Forschungskommissionen und der Forschungsethikkommission für Arzneimittel (CEIm) evaluiert und genehmigt. Die Gesetze zu personenbezogenen Daten werden eingehalten (RGPD 2018) Alle Informationen werden absolut vertraulich behandelt.

Erwartete Ergebnisse: Ein prognostisches Stratifizierungstool, das auf Vorhersagemodellen für eine schlechte Entwicklung bei einer CoVid-19-Infektion basiert: klinische Verschlechterung und Entwicklung von ARDS, SRS, Sepsis und/oder septischem Schock und/oder Tod. Dieses Tool hilft dabei, die am besten geeignete klinische Behandlung von Patienten zu leiten, vor allem von Patienten mit den schwersten Präsentationen, die möglicherweise Aufmerksamkeit auf Intensivstationen erfordern. Darüber hinaus soll diese Studie auch Aufschluss über die Variabilität und die Kosten der möglicherweise erfolgten Gesundheitsversorgung geben, sowohl bei der Verwendung diagnostischer Tests als auch bei der Verwendung verschiedener therapeutischer Optionen sowie der letztendlich erzielten Ergebnisse. Die Ermittler versuchen, Probleme bei der Zugänglichkeit verschiedener Gruppen (ältere Menschen, Menschen in Wohnheimen, nach Geschlecht, höhere Komorbiditäten, Einwanderer ...) zu identifizieren, und das kann uns helfen, Probleme beim Zugang zu Gesundheitsdiensten zu identifizieren.