Infección por COVID-19 en pacientes que reciben terapia anti-CD20

Este es un estudio de cohorte retrospectivo que compara pacientes, con infección por COVID-19 recién diagnosticada, tratados previamente con medicamentos anti-CD20 para enfermedades que incluyen vasculitis o neoplasias malignas hematológicas, a quienes se les administra plasma de convaleciente de alto título con pacientes similares que reciben atención habitual que no incluye convaleciente. plasma.

Los objetivos son:

1. Describir el curso natural de la COVID-19 en pacientes previamente tratados con fármacos anti-CD20 por enfermedades como vasculitis y neoplasias hematológicas. La hipótesis de los investigadores es que los pacientes que adquieren COVID-19 precedidos por una terapia anti-CD20 reciente desarrollan un curso prolongado de infección por COVID-19 que no mejora con remdesivir y agentes inmunomoduladores solos.
2. Cuantificar el riesgo de cada desenlace entre pacientes con COVID-19 según el tiempo que llevan recibiendo terapia anti-CD20. La hipótesis es que los pacientes con COVID-19 pueden responder menos a la terapia dirigida por COVID-19 cuando se administró anti-CD20 más recientemente (por ejemplo, menos de 6 meses) antes de contraer COVID-19.
3. Comparar el desenlace de pacientes con COVID-19 que han recibido fármacos anti-CD20 y son tratados o no con plasma convaleciente de alto título suficiente para alcanzar la seroconversión pasiva. La hipótesis es que los pacientes que han recibido un fármaco anti-CD20 en los 6 meses anteriores a su diagnóstico de COVID-19 tienen menos posibilidades de lograr una recuperación completa sin alcanzar primero la seroconversión pasiva de SARS-CoV2.

Los datos se extraerán de un registro de datos, integrado en el entorno del registro de salud electrónico (EHR), registrando automáticamente a los sujetos en función de los datos del registro de salud electrónico y extrayendo las métricas de datos relevantes. Esto se coloca en un data mart todas las noches a través de un proceso de extracción, transformación y carga que se utiliza como parte de las operaciones de rutina y se valida como parte del mantenimiento de rutina. Las definiciones de métricas en el sistema de registro incluyen la validación de datos que se encuentran dentro de límites definidos en función de la entrada de valores de EHR para evitar valores atípicos incompatibles con datos razonables. El registro está integrado en el sistema de registros médicos y se verifica su consistencia como parte de la arquitectura y el mantenimiento de EHR. Todos los datos se extraen de la historia clínica electrónica de Epic. Los diagnósticos y procedimientos se codifican mediante ICD-10-CM y SNOMED-CT y los datos de laboratorio se identifican mediante códigos LOINC apropiados. Las métricas basadas en reglas calculan información demográfica y puntuaciones de riesgos como el índice de comorbilidad de Charlson, tal como se indica en el diccionario de datos adjunto.

Los análisis de resultados estarán sujetos a un ajuste de puntaje de propensión (PS) para tener en cuenta la selección de tratamiento no aleatoria. En primer lugar, los investigadores estimarán la PS a partir de una regresión logística multivariable en la que se determinan los predictores de recibir CP (dentro de los primeros 30 días) en función de las características iniciales del paciente. El modelo de propensión incluirá la edad, el sexo, la raza, la puntuación APACHE-3 y las covariables iniciales adicionales elegidas a priori en función de la relevancia clínica. Finalmente, la comparación de los resultados del tratamiento con CP y sin CP se ajustará para las diferencias de referencia al incluir PS (como spline cúbico restringido en el logit PS para permitir efectos no lineales) en el modelo de regresión de resultados con la variable de tratamiento de CP. Como técnica adicional de PS, los pacientes tratados sin CP se compararán con los pacientes que recibieron CP según el grupo de enfermedad (vasculitis o neoplasia hematológica maligna) y la puntuación de propensión dentro de una tolerancia de 0,2 desviaciones estándar de logit-PS. Para evitar el sesgo de supervivencia, el proceso de emparejamiento considerará solo los controles elegibles que fueron seguidos por tanto tiempo o más que el tiempo transcurrido hasta la primera transfusión del caso de PC.

Se ajustarán modelos de regresión logística de probabilidades proporcionales separados para la puntuación de resultado ordinal de la OMS univariante a los 30 días y para las puntuaciones de resultado multivariante a los 30, 60 y 90 días (como un análisis de medidas repetidas), con el estado de PC de los pacientes, el tiempo, la OMS de referencia score y PS incluidos como variables independientes. Los días libres de UCI, definidos como el número de días con vida y libres de UCI entre el ingreso al estudio y el día 30 o el día 90, se calcularán y compararán entre los grupos con PC y sin PC mediante la regresión de Poisson. Para este análisis, los investigadores comenzarán inicialmente con todos los pacientes en el momento de la PCR positiva en el grupo sin CP. Cuando los pacientes reciban su primera transfusión, su seguimiento sin CP se truncará y su seguimiento se reiniciará en el momento cero en el grupo de CP. Los investigadores utilizarán una compensación en el modelo para permitir la diferencia en los días de observación entre los dos grupos. Por último, se explorará la heterogeneidad del tratamiento para las características iniciales preespecificadas (p. ej., tiempo desde la anti-CD20, sexo, raza) mediante la prueba de las interacciones de tratamiento por covariable en los modelos de resultados. El tiempo transcurrido desde anti-CD20 se analizará como una variable continua utilizando una cohorte ampliada para considerar un rango de tiempo más amplio (dentro de 3 años). Los investigadores también examinarán la asociación entre el tiempo transcurrido desde el uso de anti-CD20 y los resultados del estudio, independientemente del tratamiento con plasma. Una vez más, el tiempo se considerará en un continuo y se modelará de manera flexible utilizando splines de regresión para permitir relaciones no lineales con el resultado.

Análisis de sensibilidad:

Estratificación por categoría de enfermedad (vasculitis frente a neoplasias malignas hematológicas) y estratificación por título de anticuerpos, seroconversión lograda, tiempo (desde la PCR positiva inicial) cuando se administró el plasma.