Assoziationen zwischen COVID-19-ARDS-Behandlung, klinischen Verläufen und Befreiung von einem mechanischen Beatmungsgerät – eine Analyse des NorthCARDS-Datensatzes (NorthCARDS)

Die Ermittler werden den NorthCARDS-Datensatz für diese Analyse nutzen. Dieser Datensatz umfasst über 1500 Personen, die in das Northwell Health System aufgenommen wurden, die einen PCR-positiven COVID19-Test hatten und wegen ARDS invasiv mechanisch beatmet wurden. Die Entwicklung des Registers wurde im April 2020 eingeleitet und wird mit der prospektiven Datenerhebung für alle maschinell beatmeten COVID19-ARDS-Patienten in den Krankenhäusern von Northwell Health fortgesetzt. Die Datenstrukturierung und -technik wird durch wöchentliche multidisziplinäre Überprüfungen unter Einbeziehung von Klinikern, Datenwissenschaftlern, Biostatistikern und Dateningenieuren in der medizinischen Informatik informiert. Für Datenannahmen und Aufzeichnungen erfolgt eine zufällige Auswahl von Patienten für eine individuelle „manuelle“ Diagrammüberprüfung.

Die beiden Ergebnisse, die mithilfe multivariabler Regressionsanalysen modelliert werden sollen, sind:

1. Index Krankenhausüberleben und
2. Zeit bis zur Befreiung von der mechanischen Beatmung.

Befreiung von der mechanischen Beatmung wird definiert als nicht palliative Extubation und anhaltende Extubation für mehr als eine Woche. Ergebnisse werden aus Abfragen elektronischer Patientenakten gewonnen. Patienten, bei denen den Prüfärzten bis zum 30. November 2020 keine Ergebnisdaten vorliegen, werden in Analysen zensiert, und deskriptive Statistiken werden zusammengefasst und separat dargestellt.

Die Ermittler werden diese Analyse mit beiden hypothesengesteuerten Methoden angehen, wobei bekannte Risikofaktoren für schlechte Ergebnisse in die multivariablen Regressionsmodelle (logistische Regression für Modell 1 und Cox Proportional Hazards für Modell 2) einbezogen werden; und die Ermittler werden auch eine datengesteuerte Variablenauswahl für die Modelle durchführen. A priori definierte Risikofaktoren, die in die Modelle einbezogen werden, sind: Alter, Geschlecht, BMI, Funktionsstatus zu Studienbeginn (Pflegeheim versus Aufnahme in die Gemeinde), Komorbiditäten (koronare Herzkrankheit, chronische Nierenerkrankung, neurologische Störungen, COPD, Diabetes, Aktiver Krebs, Bluthochdruck); Stationäre Behandlungen (für kontinuierliche Werte sind (Max, Median, Trajektorie)) einschließlich PEEP-Werte, treibender Druck, FiO2, Hypoxämie (Pao2:Fio2), Art des mechanischen Beatmungsgeräts (tragbar oder nicht), gegen COVID gerichtete Medikamente (z. B. Azithromycin , Hydroxychloroquin, Kortikosteroide); und Endorganschäden im Krankenhaus: Leberfunktionsstörung, Nierenfunktionsstörung, Koagulopathie (erfasst über SOFA-Scores), Herzfunktionsstörung und Schock, der Vasopressoren/Inotropika erfordert. Kalenderzeit, Krankenhaustyp (Gemeinschaftskrankenhaus vs. tertiäres Krankenhaus) und Krankenhauskapazität (gemessen als Anzahl der belegten Krankenhausbetten und Zeit von der Aufnahmeanordnung in der Notaufnahme bis zur Verlegung in ein stationäres Bett) werden ebenfalls in die Analysen einbezogen, um zeitliche und systemische Einflüsse von Ergebnissen.

Die endgültigen Modelle werden Variablen enthalten, die durch einen Rückwärtsauswahlprozess ausgewählt wurden, zusammen mit Variablen, die durch datengesteuerte Methoden, einschließlich eines durch Lasso-Penalty regulierten logistischen Regressionsmodells und eines durch Lasso-Penalty regulierten Cox-Proportional-Hazards-Modells, hoch eingestuft wurden. Die Modellleistung wird für Modell 1 (Überleben im Krankenhaus) anhand der C-Statistik bewertet.

Die Modellleistung für Modell 2 (Zeit bis zur Befreiung des mechanischen Beatmungsgeräts) basiert auf der für zensierte Daten angepassten C-Statistik.

Verwaltung fehlender Daten: Wenn die Ergebnisdaten für Modell (1) (Krankenhausüberleben) fehlen und weniger als 5 % der Ergebnisse fehlen, wird eine vollständige Fallanalyse verwendet; Wenn mehr als 5 % fehlen, wird eine Sensitivitätsanalyse durchgeführt, indem angenommen wird, dass alle fehlenden Ergebnisse entweder abgelaufen oder lebendig sind, um zu sehen, ob die Ergebnisse denen einer vollständigen Fallanalyse ähneln.

Wenn die Ergebnisdaten für Modell (2) (Befreiung von mechanischer Beatmung) fehlen, wird das fehlende Ergebnis als zensiert betrachtet.

Wenn insgesamt < 5 % unserer Kohorte fehlende Daten für Risikofaktoren aufweisen, werden nur Patienten mit vollständigen Werten für alle Risikofaktoren eingeschlossen (andere werden verworfen).

Wenn > 5 % der Kohorte Daten für einen Risikofaktor fehlen, werden die fehlenden Daten durch multiple Imputation imputiert.

Wenn bei > 50 % der Patienten ein Risikofaktor fehlt, wird die Variable nicht in die Analyse aufgenommen.

Feature Engineering/Datenreduktion: Wir werden auch testen, ob Kombinationen von Kovariablen, die als eine Kovariable betrachtet werden, die Modellleistung erhöhen. Dazu gehören der COVID-19-Krankheitsindex (Kombination aus hyperinflammatorischen Markern, PaO2:FiO2-Index zum Zeitpunkt der Intubation, Bedarf an Vasopressoren zum Zeitpunkt der Intubation und Sauerstoffindex) und die Einhaltung der Standard-ARDS-Behandlungsprotokolle (Driving Pressure, ob weniger erhalten als 6-8 cc/kg vorhergesagtes Körpergewicht und ob in Bauchlage oder nicht).