Asociaciones entre el tratamiento del SDRA con COVID-19, las trayectorias clínicas y la liberación del ventilador mecánico: un análisis del conjunto de datos de NorthCARDS (NorthCARDS)

Los investigadores aprovecharán el conjunto de datos de NorthCARDS para este análisis. Este conjunto de datos incluye más de 1500 personas admitidas en el Sistema de Salud de Northwell que dieron positivo en la prueba PCR de COVID19 y recibieron ventilación mecánica invasiva para el SDRA. El desarrollo del registro se inició en abril de 2020 y continúa con la recopilación prospectiva de datos para todos los pacientes con SDRA COVID19 con ventilación mecánica entre los hospitales de Northwell Health. La estructuración y la ingeniería de datos se basan en una revisión multidisciplinaria semanal que incluye médicos de primera línea, científicos de datos, bioestadísticos e ingenieros de datos dentro de la informática médica. La selección aleatoria de pacientes para la revisión de expedientes 'manuales' individuales se produce para suposiciones y registros de datos.

Los dos resultados que se modelarán utilizando análisis de regresión multivariable serán:

1. Índice de supervivencia hospitalaria y
2. Tiempo hasta la liberación de la ventilación mecánica.

La liberación de la ventilación mecánica se definirá como la extubación no paliativa y la extubación persistente durante más de una semana. Los resultados se obtendrán a partir de consultas a la historia clínica electrónica. Los pacientes en los que los investigadores no tengan datos de resultados antes del 30 de noviembre de 2020 serán censurados en los análisis y las estadísticas descriptivas se resumirán y presentarán por separado.

Los investigadores abordarán este análisis utilizando ambos métodos basados ​​en hipótesis en los que los factores de riesgo conocidos de malos resultados se incluirán en los modelos de regresión multivariable (regresión logística para el modelo 1 y riesgos proporcionales de Cox para el modelo 2); y los investigadores también realizarán una selección de variables basada en datos para los modelos. Los factores de riesgo definidos a priori que se incluirán en los modelos serán: Edad, Género, IMC, estado funcional al inicio (residencia geriátrica versus ingreso comunitario), Comorbilidades (enfermedad coronaria, Enfermedad renal crónica, Trastornos neurológicos, EPOC, Diabetes, Cáncer activo, Hipertensión); Tratamientos para pacientes hospitalizados (para valores continuos serán (máx., mediana, trayectoria)) incluidos los niveles de PEEP, presión de conducción, FiO2, hipoxemia (Pao2:Fio2), tipo de ventilador mecánico (portátil versus no), medicamentos dirigidos a COVID (p. ej., azitromicina , hidroxicloroquina, corticosteroides); y daño de órgano final en el hospital: disfunción hepática, disfunción renal, coagulopatía (capturada a través de puntajes SOFA), disfunción cardíaca y shock que requiere vasopresor/inotrópico. El tiempo calendario, el tipo de hospital (hospital comunitario versus hospital terciario) y la capacidad hospitalaria (medida como el número de camas de hospital ocupadas y el tiempo desde la orden de admisión en la sala de emergencias hasta el traslado a una cama de hospitalización) también se incluirán en los análisis para tener en cuenta el tiempo y influencias sistémicas de los resultados.

Los modelos finales incluirán variables seleccionadas a través de un proceso de selección hacia atrás, junto con variables altamente clasificadas a través de métodos basados ​​en datos, incluido un modelo de regresión logística regularizado por la penalización de Lasso y el modelo de riesgos proporcionales de Cox regularizado por la penalización de Lasso. El rendimiento del modelo se evaluará para el Modelo 1 (supervivencia hospitalaria) utilizando la estadística C.

El rendimiento del modelo 2 (tiempo hasta la liberación del ventilador mecánico) se basará en la estadística C adaptada para datos censurados.

Gestión de datos faltantes: cuando faltan datos de resultados para el Modelo (1) (supervivencia hospitalaria), si falta menos del 5 % de los resultados, se usará el análisis completo del caso; si falta más del 5%, se realizará un análisis de sensibilidad asumiendo que todos los resultados faltantes están vencidos o vivos para ver si los resultados son similares a los que se obtienen con el análisis de casos completos.

Cuando faltan los datos de resultado para el Modelo (2) (liberación de la ventilación mecánica), el resultado faltante se considerará censurado.

Si en general <5% de nuestra cohorte tiene datos faltantes para cualquier factor de riesgo, solo se incluirán los pacientes con valores completos para todos los factores de riesgo (los demás se descartarán).

Si a > 5 % de la cohorte le faltan datos para cualquier factor de riesgo, los datos faltantes se imputarán mediante imputación múltiple.

Si falta un factor de riesgo en > 50% de los pacientes, la variable no se incluirá en el análisis.

Ingeniería de funciones/reducción de datos: también probaremos si las combinaciones de covariables consideradas como una covariable aumentan el rendimiento del modelo. Esto incluirá el índice de enfermedad de COVID-19 (combinación de marcadores hiperinflamatorios, índice de PaO2:FiO2 en el momento de la intubación, que requiere vasopresores en el momento de la intubación e índice de oxigenación) y el cumplimiento de los protocolos estándar de tratamiento del SDRA (presión de conducción, ya sea que reciba menos de 6-8 cc/kg de peso corporal previsto y esté o no en decúbito prono).