Yhden päivän esiintyvyystutkimus painevammoista tehohoitoyksiköissä (DecubICUs)

Tavoitteena on tarjota ajantasainen, kansainvälinen "globaali" kuva painevammojen laajuudesta ja malleista teho-osastoilla. Sitä varten suunnitelmana on suorittaa 1 päivän prospektiivinen monikeskuspisteen levinneisyystutkimus. Hankkeen suuren mittakaavan pitäisi mahdollistaa perusteelliset epidemiologiset analyysit. Tarkemmin ottaen tutkimuksen avulla voidaan tunnistaa:

• painehaavojen kehittymisen tärkeimmät riskitekijät;
• ennaltaehkäisevät toimenpiteet, joita käytetään eri teho-osastoryhmissä ja maissa;
• näyttöön perustuvien toimenpiteiden puute painehaavojen ehkäisemiseksi;
• väärinkäytösten painehaavojen ehkäisy tietyillä alueilla tai maissa;
• painehaavojen esiintymistiheys riskiprofiilin ja ennaltaehkäisevien toimenpiteiden tarkkuudella/ilman sitä;
• benchmarking alueiden/maiden välillä; painehaavoihin liittyvät kliiniset tulokset (merkittävät elinhäiriöt ja kuolleisuus);
• Painehaavoihin liittyvät taloudelliset tulokset (teho-osaston oleskelun pituus) ja näiden tulosten yhdistäminen paikallisiin käytäntöihin sovellettavien/käytettävissä olevien ehkäisytoimenpiteiden osalta.
• maa- ja alueerot painehaavojen esiintyvyyden ja tulosten välillä.

Painehaavan vaiheet luokitellaan kansallisen painehaavojen neuvoa-antavan paneelin ja European Pressure Ulcer Advisory Panelin yhdessä kehittämän luokitusjärjestelmän mukaisesti.

Tallennettavia tietoja ovat potilaiden demografiset tiedot, tiedot perussairauden ja akuutin sairauden vakavuudesta, elinten vajaatoiminnasta, painehaavoista, painehaavojen tärkeimmistä riskitekijöistä ja painehaavojen ehkäisemiseksi toteutetuista toimenpiteistä.

Tilastosuunnitelma

Tehon laskenta. Jotta riskitekijä, jonka esiintyvyys tutkimuskohortissa on vain 10 % (esimerkiksi potilaat, joiden BMI < 20) ja joiden tulosero on vain 5 %, on tilastollisesti merkitsevä (15 % vs. 20 % makuuasennossa), otoskoko on 5255 potilasta (478 potilasta, joilla on indeksiriskitekijä ja 4777 ilman) (alfa=0,05; Beeta>0,80).

Tietojen puhdistus &puuttuvat tiedot. Poikkeukselliset arvot jäljitetään jakautumiskaavion avulla. Epäselvissä tapauksissa otetaan yhteyttä yksittäisiin tutkijoihin. Puuttuvat tiedot käsitellään imputoinnilla (1, 2). Tietojen laatutarkistuksia suoritetaan, kuten täydellisyyden, johdonmukaisuuden, oikeellisuuden ja ainutlaatuisuuden tarkastuksia.

Kuvaukset. Yksi loppuanalyysi suunnitellaan tutkimuksen lopussa; välianalyysejä ei ole suunniteltu. Sosiodemografisten tutkimuskohorttiominaisuuksien ominaisuudet kuvataan kategoristen muuttujien suhteina ja jatkuvien muuttujien keskiarvona ja keskihajonnana, jos ne ovat normaalijakautuneita, tai mediaani- ja kvartiilien välisiä alueita, jos ne eivät ole normaalijakautuneita (Kolmogorov-Smirnov-normaalisuustestin mukaan).

Potilaiden, joilla on kyynärpäihde, osuus (prosenttiosuus, % ja heidän 95 %:n luottamusvälit) raportoidaan yleisesti ja maantieteellisen alueen (mantereen) mukaan, maaluokituksen mukaan Maailmanpankin määrittelemän tulotason mukaan (korkea, ylempi-keski-, alemman keskitason ja matalan tulotason maat), terveydenhuoltoon käytetty prosenttiosuus bruttokansantuotteesta (saatu Maailman terveysjärjestöltä) ja YK:n kehitysohjelman koulutus- ja terveysraportin mukaan. Myöhemmin mahdolliset esiintyvyyden erot voivat tarjota mahdollisuuden arvioida ennaltaehkäisytoimenpiteiden vaihteluja laajasti.

Mallintaminen. Kovariaatit, joita arvioidaan niiden suhteen suhteen decubituksen esiintymiseen, sisältävät teho-osaston eri organisatorisia näkökohtia (esim. sairaanhoitaja/potilassuhde), decubitus-ehkäisytoimenpiteet (esim. käytettyjen patjojen tyyppi) ja potilaskohtaiset ominaisuudet (esim. ikä, perussairaudet, akuutin sairauden vakavuus, kehon morfologia, BMI, teho-osaston kesto jne.). Kovariaatit otetaan huomioon mukautetussa analyysissä, kun niillä on yhteys painevammoihin tilastollisella tasolla <0,25 säätämättömässä (yksimuuttujaisessa) analyysissä tai niiden kliinisen merkityksen vuoksi. Portaittaista lähestymistapaa käytetään termien poistamiseen regressiomallista; p<0,15 tai p<0,10 asetetaan rajaksi kovariaattien pitämiselle mallissa.

Suhteet binaarisiin tulosmuuttujiin (esim. decubitus, kuolleisuus) arvioidaan tasoittamattomien tilastollisten testien ja monimuuttujalogistisen regression avulla. Ylimääräisen taipumuspistekorjauksen arvo regressiomallissa arvioidaan. Multinomiaalinen logistinen regressio suoritetaan itsenäisten suhteiden arvioimiseksi decubitus-vaiheiden kanssa. Samoin lineaarista sekavaikutteista mallinnusta käytetään arvioimaan sovittamattomia ja mukautettuja suhteita jatkuviin tulosmuuttujiin (esim. teho-osaston kesto ja sairaalahoidon pituus). Logistisen regression tulokset raportoidaan oikaistuina kerroinsuhteina 95 %:n luottamusvälillä.

Decubitus-ennustemallin kehittämiseksi eri teho-osasto-populaatioille (esim. traumapotilaat, kirurgiset tai lääketieteelliset potilaat) rakennetaan malleja käyttäen koneoppimistekniikoita (esim. Random Forest, Gradient Boosting Machine). Prosessissa käytetään erilaisia ​​tekniikoita optimaalisen tarkkuuden saavuttamiseksi. Jotta saadaan käsitys ennustajien ja muuttujien välisestä korrelaatiosta, käytetään regressiotekniikoita, kuten edellä mainittiin.

Malliemme validointia varten tutkimuskohortti jaetaan koulutus-, testi- ja validointisarjaan. Sellaisenaan tämä antaa oikeudenmukaisen tulkinnan tuloksista. Vaihtoehtoisesti voidaan soveltaa 10-kertaista ristiinvalidointia ylisovituksen estämiseksi.

Yksittäisten keskusten benchmarking decubitus-periaatteella suoritetaan tarjoamalla suoraan tai epäsuorasti standardoituja riskejä, jotka perustuvat kiinteisiin keskusvaikutuksiin logistisessa regressiomallissa (3, 4). Paitsi binäärilaatuisen lopputuloksen läsnäolo (ts. decubitus) ja keskikoodi, tämä malli sisältää myös potilaskohtaiset perusviivan yhteismuuttujat, joita voidaan säätää erilaisiin tapausten sekoitukseen. Firth-korjausta sovelletaan logistiseen regressiomalliin konvergenssin ylläpitämiseksi hyvin pienten keskusten läsnä ollessa (5).

Tilastollinen analyysi suoritetaan käyttäen SPSS:ää ja R:tä. Päätutkija (SB) on vastuussa kaikesta tilastollisesta analyysistä. Edistyneitä tilastomenetelmiä toteuttaa MiekeDeschepper (Strategic Policy Cell Gentin yliopistollisessa sairaalassa).