Readmisiones evitables para pacientes hospitalizados con neumonía adquirida en la comunidad (R3P)

I. Objetivos

El propósito de este estudio es desarrollar un modelo de predicción de riesgo basado en datos administrativos para identificar readmisiones de 30 días potencialmente evitables de pacientes hospitalizados con neumonía adquirida en la comunidad (CAP). La atención se centra en los reingresos potencialmente evitables porque no todos los reingresos hospitalarios pueden verse influidos por intervenciones diseñadas para disminuirlos.

Los objetivos específicos de este proyecto son:

1. evaluar la precisión de los códigos de diagnóstico de alta de la Clasificación Internacional de Enfermedades, Décima Revisión (ICD-10) para la NAC utilizando una revisión retrospectiva estructurada de gráficos como método de referencia.
2. estimar la tasa de reingresos por todas las causas en el mismo hospital dentro de los 30 días y un año del alta para pacientes hospitalizados con NAC.
3. estimar los porcentajes de pacientes con NAC que mueren dentro de los 30 días y un año del alta sin readmisión hospitalaria.
4. estimar el porcentaje de reingresos no planificados de pacientes hospitalizados con NAC mediante una revisión retrospectiva estructurada de historias clínicas.
5. describir las razones relacionadas y no relacionadas con la neumonía para la readmisión de pacientes hospitalizados con NAC mediante una revisión retrospectiva estructurada de historias clínicas.
6. cuantificar la probabilidad de que una readmisión no planificada sea evitable mediante el análisis de clases latentes basado en las clasificaciones independientes de cuatro revisores.
7. investigar la distribución de los reingresos potencialmente evitables y el tiempo transcurrido desde el alta del ingreso hospitalario índice.
8. identificar las características derivadas de los datos de las reclamaciones administrativas que se asocian de forma independiente con la readmisión potencialmente evitable.
9. derivar y validar internamente un modelo de predicción de riesgo basado en datos de reclamos administrativos para identificar readmisiones de 30 días potencialmente evitables de pacientes hospitalizados con NAC.
10. identificar las características extraídas de la historia clínica que se asocian de forma independiente con la readmisión potencialmente evitable.
11. derivar y validar internamente un modelo de predicción de riesgo basado en datos de registros médicos para identificar readmisiones de 30 días potencialmente evitables de pacientes hospitalizados con NAC.
12. para comparar la precisión general, la discriminación y la calibración para el modelo de predicción de riesgo basado en datos de reclamos administrativos versus datos de registros médicos para identificar la readmisión de 30 días potencialmente evitable de pacientes hospitalizados con NAC.
13. para validar externamente los modelos de predicción de riesgo publicados para la readmisión de 30 días potencialmente evitable.

II. Diseño del estudio

R3P es un estudio de cohorte observacional retrospectivo de pacientes adultos consecutivos dados de alta de dos hospitales con un código de diagnóstico de NAC. Las fuentes de datos incluyen datos de alta hospitalaria recopilados de forma rutinaria y revisiones retrospectivas de expedientes.

tercero Centros y entornos de estudio participantes

El estudio se llevará a cabo en hospitales generales y afiliados a una universidad en los Alpes del Norte, Francia. Con una capacidad de 1.362 camas de agudos, el hospital universitario de Grenoble atiende a una población predominantemente urbana de 675.000 habitantes y registró 135.999 estancias en 2014. El hospital general de Annecy tiene una capacidad de 896 camas de agudos y registró 70.651 estancias en 2014.

IV. Recopilación de datos

Dos asistentes de investigación clínica realizarán una revisión retrospectiva estructurada de gráficos utilizando un instrumento de recopilación de datos computarizado. Se registrarán las siguientes variables para las hospitalizaciones índice:

• identificadores de estancia hospitalaria y de pacientes;
• características basales del paciente, incluidos datos demográficos, condición comórbida preexistente, clase de riesgo del índice de gravedad de la neumonía (PSI), examen físico y hallazgos de laboratorio al ingreso, hallazgos de rayos X o tomografía computarizada dentro de las 48 horas posteriores al ingreso, análisis microbiológico inicial;
• terapia antibiótica intrahospitalaria y tratamientos asociados;
• curso índice de ingreso hospitalario (ingreso en la UCI, complicaciones relacionadas y no relacionadas con la neumonía);
• examen físico y hallazgos de laboratorio al alta;
• plan de alta y tratamientos;

Las siguientes variables se registrarán para la primera readmisión dentro de un año del alta:

• identificadores de estancia hospitalaria y de pacientes;
• examen físico y hallazgos de laboratorio en la readmisión, hallazgos de rayos X o tomografía computarizada dentro de las 48 horas posteriores a la readmisión;
• ingreso en UCI;
• complicaciones relacionadas y no relacionadas con la neumonía;
• razones primarias y secundarias de las readmisiones.

Como parte del sistema de pago prospectivo basado en el grupo relacionado con el diagnóstico (GRD) francés, los datos informatizados de alta hospitalaria incluyen identificadores de pacientes y estancia hospitalaria, fechas de admisión y alta, edad, sexo, duración de la estancia, lugar de alta, ICD- primario y secundario. 10 códigos de diagnóstico de alta (hasta 99) tanto para hospitalización índice como para readmisión. La codificación ICD-10 cumple con las pautas nacionales y la realizan técnicos o médicos capacitados, según el hospital. Los codificadores suelen abstraer los diagnósticos de las notas del médico, aunque las notas de admisión, las notas de progreso diario, los informes de consulta, las imágenes de diagnóstico y los tratamientos se registran de forma rutinaria en la historia clínica. Los datos de alta se auditan externamente mediante la reabstracción de una muestra aleatoria de estancias hospitalarias cada año.

V. Gestión de datos

Para garantizar una calidad óptima, los asistentes de investigación clínica ingresarán electrónicamente todos los datos recopilados retrospectivamente mediante la revisión de gráficos utilizando un código de identificación personal y un sistema de recopilación de datos basado en la web protegido por contraseña. Los asistentes de investigación clínica recibirán capacitación formal en los métodos de extracción y registro de datos. Se distribuirá un manual de operaciones que incluya definiciones y fuentes de datos aceptables para todas las variables. La confiabilidad de la extracción de datos se evaluará mediante la selección aleatoria de casos para que un médico en ejercicio los recopile de forma independiente.

VI. análisis estadístico

1. Descripción general

   Los conjuntos de datos administrativos de alta hospitalaria se vincularán a casos extraídos de registros médicos utilizando identificadores de pacientes y estancias hospitalarias. Si un paciente ingresa más de una vez durante el período de estudio, solo la primera hospitalización se incluirá como admisión índice.

2. Precisión de los códigos de diagnóstico de alta CIE-10 para NAC

   La precisión de los códigos de diagnóstico de alta de la CIE-10 se evaluará mediante tres métodos de referencia:

   1. Expediente médico y/o carta de alta anotación del diagnóstico de NAC.
   2. Anotación en la historia clínica de ≥ 1 síntoma respiratorio (tos, producción de esputo, disnea, taquipnea o dolor pleurítico) y ≥ 1 hallazgo de auscultación (estertores o crepitaciones) y ≥ 1 signo de infección (temperatura > 38 °C, escalofríos o recuento de glóbulos blancos >10 000/µl o <4 000/µl) y un nuevo infiltrado en la radiografía de tórax o en la tomografía computarizada realizada dentro de las 48 horas posteriores al ingreso.
   3. Un compuesto de #a y/o #b

   Las estimaciones puntuales de valor predictivo positivo junto con los intervalos de confianza (IC) del 95% se informarán para los tres métodos de referencia, por separado.

3. Asignación de motivos de readmisión

   Cuatro médicos, que son miembros de un panel de revisión clínica, revisarán de forma independiente los registros médicos tanto para la hospitalización índice como para la readmisión. Los miembros del panel son médicos internistas generales, especialistas en enfermedades infecciosas o respiratorias con experiencia clínica en el manejo de pacientes con NAC. De acuerdo con Jasti et al. (CID 2008;46:550-6), cada revisor médico utilizará criterios predefinidos para categorizar el motivo de la rehospitalización como:

   1. empeoramiento de los signos o síntomas relacionados con la neumonía;
   2. condición(es) comórbida(s) nueva(s) o que empeora(n) independiente(s) de neumonía;
   3. cualquier combinación de motivos relacionados con la neumonía y la comorbilidad.

   Los revisores asignarán de forma independiente el motivo principal de la readmisión, utilizando las categorías mutuamente excluyentes publicadas por Halfon et al. (J Clin Epidemiol 2002;55:573-87).

   La concordancia entre evaluadores del motivo de la rehospitalización se cuantificará mediante el Kappa de Cohen.

4. Identificación de readmisiones potencialmente evitables

   De acuerdo con van Walraven et al. (CMAJ 2011;183:e1067-72), cuatro revisores médicos utilizarán una escala ordinal de 6 puntos para calificar si la readmisión es un evento adverso y si el evento adverso podría evitarse. Este revisor clasificará una readmisión con una calificación superior a tres en ambos dominios como potencialmente evitable. La probabilidad de que una readmisión sea evitable se cuantificará mediante el análisis de clases latentes basado en la clasificación independiente de cuatro revisores.

5. Desarrollo de un modelo de predicción de riesgos basado en datos de registros médicos

   Derivaremos un modelo de regresión logística multivariable para cuantificar la probabilidad de que la readmisión a los 30 días sea evitable. La muestra de desarrollo incluirá readmisiones de 30 días por todas las causas para pacientes adultos hospitalizados con NAC. El resultado de interés es una readmisión potencialmente evitable dentro de los 30 días posteriores al alta. Usaremos datos extraídos de registros médicos tanto para la hospitalización índice como para la readmisión. Los predictores candidatos se identificarán combinando los hallazgos de una revisión sistemática de la literatura con las opiniones de expertos en el campo.

6. Desarrollo de un modelo de predicción de riesgos basado en datos de siniestros administrativos

   En un análisis separado, derivaremos un modelo de regresión logística multivariable para cuantificar la probabilidad de que la readmisión a los 30 días sea evitable. La muestra de desarrollo incluirá readmisiones de 30 días por todas las causas para pacientes adultos hospitalizados con NAC. El resultado de interés es una readmisión potencialmente evitable dentro de los 30 días posteriores al alta. Usaremos solo datos administrativos y el modelo se basará en combinaciones de códigos de diagnóstico entre la hospitalización índice y la readmisión. Los predictores candidatos se identificarán mediante la revisión de modelos publicados en combinación con las opiniones de expertos en el campo.

7. Validación interna de modelos de predicción de riesgos

Usaremos bootstrapping para cuantificar el optimismo en el rendimiento aparente de los modelos de predicción clínica. La discriminación se cuantificará mediante la estadística de concordancia (c). La calibración se investigará gráficamente y se evaluará formalmente mediante la prueba de pendiente de calibración.

VIII. daños y seguridad

En este estudio observacional retrospectivo, los eventos adversos graves se recopilarán a través de una revisión estructurada de historias clínicas, incluida la mortalidad hospitalaria, las complicaciones debidas a la NAC o al manejo de la NAC, la comorbilidad nueva o que empeora, el ingreso en la UCI y la mortalidad extrahospitalaria.

VIII. Revisión de cuentas

El seguimiento de los procesos y documentos del estudio será realizado por personal designado por la Dirección de la Investigación Clínica y de la Innovación (DRCI) en el hospital universitario de Grenoble.