Validación del Modelo de Riesgo de Readmisión de EPIC, el Índice LACE+ y SQLape como Predictores de Readmisiones Hospitalarias No Planificadas
Validación externa del modelo de riesgo de readmisión de EPIC, el índice LACE+ y SQLape como predictores de readmisiones hospitalarias no planificadas: un estudio de cohorte monocéntrico, retrospectivo y diagnóstico en Suiza
El objetivo principal de este estudio es validar externamente el modelo de riesgo de readmisión de EPIC y compararlo con el índice LACE+ y el modelo de readmisión de SQLape.
Como objetivo secundario, se ajustará el modelo de Riesgo de Readmisión del EPIC en base a la muestra de validación y, finalmente, se comparará su rendimiento con algoritmos de aprendizaje automático.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
Introducción: Los reingresos luego de una hospitalización aguda son relativamente comunes, costosos para el sistema de salud y se asocian con una carga significativa para los pacientes. Como una forma de reducir los costos y, al mismo tiempo, mejorar la calidad de la atención, las readmisiones hospitalarias reciben un interés cada vez mayor por parte de los formuladores de políticas. Hace relativamente poco tiempo que se han desarrollado estrategias con el objetivo específico de reducir los reingresos no planificados mediante la aplicación de modelos de predicción. El modelo de riesgo de readmisión de EPIC, desarrollado en 2015 para el entorno hospitalario de cuidados agudos de EE. UU., promete una calibración superior y capacidades discriminatorias. Sin embargo, su aplicación rutinaria en el entorno hospitalario suizo requiere primero una validación externa. Por lo tanto, el objetivo principal de este estudio es validar externamente el modelo de riesgo de reingreso de EPIC y compararlo con el índice LACE+ (Tiempo de estadía, Agudeza, Comorbilidades, índice de visitas a la sala de emergencia) y el SQLape (Lucha por el nivel de calidad y análisis de gastos del paciente) Modelo de readmisión.
Métodos: Por este motivo, se realizará un estudio de cohortes monocéntrico, retrospectivo y diagnóstico. El estudio incluirá a todos los pacientes hospitalizados entre el 1 de enero de 2018 y el 31 de enero de 2019 en el hospital Lucerne Cantonal en Suiza. Los casos serán pacientes hospitalizados que experimentaron una readmisión no planificada (por todas las causas) dentro de los 18 o 30 días posteriores al alta índice. El grupo de control consistirá en personas que no tuvieron reingreso no programado.
Para la validación externa, la discriminación de las puntuaciones bajo investigación se evaluará calculando el área bajo las curvas de características operativas (AUC) del receptor. Para la calibración, la prueba de bondad de ajuste de Hosmer-Lemeshow se ilustrará gráficamente trazando los resultados pronosticados por decil contra las observaciones. Otras medidas de desempeño que se estimarán incluirán el puntaje Brier, la mejora de reclasificación neta (NRI) y el beneficio neto (NB).
Todos los datos de los pacientes se recuperarán de los almacenes de datos clínicos.
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Canton Lucerne
-
Lucerne, Canton Lucerne, Suiza, 6000
- Cantonal Hospital of Lucerne
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Géneros elegibles para el estudio
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Todos los pacientes hospitalizados, mayores de un año (máx. 100 años), que estuvieron hospitalizados entre el 1 de enero de 2018 y el 31 de diciembre de 2018, o entre el 23 de septiembre y el 31 de diciembre de 2019.
Criterio de exclusión:
- admisión/traslado de otra sala de cuidados psiquiátricos, de rehabilitación o agudos de la misma institución,
- destino del alta que no sea el domicilio del paciente o
- traslado a otro hospital de agudos, considerándose ambos como continuación del tratamiento;
- residencia extranjera,
- fallecido antes del alta,
- dado de alta el día del ingreso,
- denegación del consentimiento general, y
- domicilio desconocido del paciente o destino del alta.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Modelos observacionales: Grupo
- Perspectivas temporales: Retrospectivo
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Pacientes reingresados/Casos
Resultado 1: Pacientes que fueron readmitidos dentro de los 18 días posteriores a la fecha de alta de la hospitalización índice en el mismo hospital, con un diagnóstico que conduce al mismo Grupo de diagnóstico principal que la estadía índice (definición según el sistema Swiss Diagnosis Related Groups, fusión de casos) Resultado 2: Pacientes con una readmisión no planificada dentro de los 30 días de la fecha de alta de la hospitalización índice al mismo hospital. Una readmisión no planificada se definió como una readmisión a través del servicio de urgencias. |
Modelo de regresión logística que predice el riesgo de reingresos no planificados por cualquier causa desarrollado por la empresa privada de software de atención médica EPIC.
La puntuación LACE+ es una puntuación que se puede utilizar para predecir el riesgo de muerte posterior al alta o readmisión urgente.
Fue desarrollado en base a datos administrativos en Ontario, Canadá.
El modelo de riesgo de readmisión (Esforzarse por el nivel de calidad y analizar los gastos de los pacientes) es un algoritmo computarizado validado y se desarrolló en 2002 para identificar readmisiones potencialmente evitables.
|
|
Pacientes hospitalizados no reingresados/Controles
Resultado 1 y 2: pacientes que no fueron readmitidos dentro de los 30 días posteriores a la fecha de alta de la hospitalización índice.
|
Modelo de regresión logística que predice el riesgo de reingresos no planificados por cualquier causa desarrollado por la empresa privada de software de atención médica EPIC.
La puntuación LACE+ es una puntuación que se puede utilizar para predecir el riesgo de muerte posterior al alta o readmisión urgente.
Fue desarrollado en base a datos administrativos en Ontario, Canadá.
El modelo de riesgo de readmisión (Esforzarse por el nivel de calidad y analizar los gastos de los pacientes) es un algoritmo computarizado validado y se desarrolló en 2002 para identificar readmisiones potencialmente evitables.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Discriminación a los 18 días
Periodo de tiempo: 18 días después de la fecha de alta del índice
|
Para la discriminación de las puntuaciones bajo investigación, se calculará el área bajo las curvas de características operativas (AUC) del receptor.
|
18 días después de la fecha de alta del índice
|
|
Discriminación a los 30 días
Periodo de tiempo: 30 días después de la fecha de alta del índice
|
Para la discriminación de las puntuaciones bajo investigación, se calculará el área bajo las curvas de características operativas (AUC) del receptor.
|
30 días después de la fecha de alta del índice
|
|
Calibración a los 18 días
Periodo de tiempo: 18 días después de la fecha de alta del índice
|
Para la calibración, la prueba de bondad de ajuste de Hosmer-Lemeshow se ilustrará gráficamente trazando los resultados pronosticados por decil contra las observaciones.
|
18 días después de la fecha de alta del índice
|
|
Calibración a los 30 días
Periodo de tiempo: 30 días después de la fecha de alta del índice
|
Para la calibración, la prueba de bondad de ajuste de Hosmer-Lemeshow se ilustrará gráficamente trazando los resultados pronosticados por decil contra las observaciones.
|
30 días después de la fecha de alta del índice
|
|
Rendimiento general a los 18 días
Periodo de tiempo: 18 días después de la fecha de alta del índice
|
Puntuación de Brier (La puntuación de Brier es una regla de puntuación cuadrática, donde se calcula la diferencia al cuadrado entre los resultados binarios reales Y y las predicciones p.
La puntuación de Brier puede oscilar entre 0 para un modelo perfecto y 0,25 para un modelo no informativo con una incidencia del 50 % del resultado).
|
18 días después de la fecha de alta del índice
|
|
Rendimiento general a los 30 días
Periodo de tiempo: 30 días después de la fecha de alta del índice
|
Puntuación de Brier (La puntuación de Brier es una regla de puntuación cuadrática, donde se calcula la diferencia al cuadrado entre los resultados binarios reales Y y las predicciones p.
La puntuación de Brier puede oscilar entre 0 para un modelo perfecto y 0,25 para un modelo no informativo con una incidencia del 50 % del resultado).
|
30 días después de la fecha de alta del índice
|
|
Utilidad clínica (NRI) a los 18 días
Periodo de tiempo: 18 días después de la fecha de alta del índice
|
Mejora neta de reclasificación (NRI): En el cálculo de la NRI, se suman la mejora en la sensibilidad y la mejora en la especificidad.
El NRI varía de 0 para ninguna mejora y 1 para una mejora perfecta.
|
18 días después de la fecha de alta del índice
|
|
Utilidad clínica (NRI) a los 30 días
Periodo de tiempo: 30 días después de la fecha de alta del índice
|
Mejora neta de reclasificación (NRI): En el cálculo de la NRI, se suman la mejora en la sensibilidad y la mejora en la especificidad.
El NRI varía de 0 para ninguna mejora y 1 para una mejora perfecta.
|
30 días después de la fecha de alta del índice
|
|
Utilidad clínica (NB) a los 18 días
Periodo de tiempo: 18 días después de la fecha de alta del índice
|
Beneficio Neto (NB): NB = (TP - w FP) / N, donde TP es el número de decisiones positivas verdaderas, FP el número de decisiones positivas falsas, N es el número total de pacientes y w es un peso igual al probabilidades del corte (pt/(1-pt), o la proporción de daño a beneficio
|
18 días después de la fecha de alta del índice
|
|
Utilidad clínica (NB) a los 30 días
Periodo de tiempo: 30 días después de la fecha de alta del índice
|
Beneficio Neto (NB): NB = (TP - w FP) / N, donde TP es el número de decisiones positivas verdaderas, FP el número de decisiones positivas falsas, N es el número total de pacientes y w es un peso igual al probabilidades del corte (pt/(1-pt), o la proporción de daño a beneficio
|
30 días después de la fecha de alta del índice
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Aljoscha B. Hwang, University Lucerne (Switzerland)
- Investigador principal: Stefan Boes, University Lucerne (Switzerland)
Publicaciones y enlaces útiles
Publicaciones Generales
- van Walraven C, Wong J, Forster AJ. LACE+ index: extension of a validated index to predict early death or urgent readmission after hospital discharge using administrative data. Open Med. 2012 Jul 19;6(3):e80-90. Print 2012.
- Halfon P, Eggli Y, Pretre-Rohrbach I, Meylan D, Marazzi A, Burnand B. Validation of the potentially avoidable hospital readmission rate as a routine indicator of the quality of hospital care. Med Care. 2006 Nov;44(11):972-81. doi: 10.1097/01.mlr.0000228002.43688.c2.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- LUKS_RRM_2019
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .