COVID19-vakavuuden ennustaminen ja terveyspalvelujen tutkimusarviointi

Taustaa: Yksi tämän epidemian perusongelmista on SARS-CoV-2-tartunnan saaneiden potilaiden suuri prosenttiosuus, joilla on nopea kliininen heikkeneminen, minkä vuoksi he tarvitsevat hoitoa kriittisissä yksiköissä. Näihin vakavampiin tiloihin liittyvien tekijöiden tunnistaminen antaisi meille mahdollisuuden arvioida, voidaanko ennaltaehkäiseviä tai terapeuttisia toimenpiteitä ottaa käyttöön etukäteen tai suunnitella paremmin näille potilaille tarjottavat palvelut joko tässä pandemian aallossa tai näissä tapauksissa. joita saattaa tapahtua tulevaisuudessa.

Tavoitteet: Tämän hankkeen tavoitteena on luoda ositusasteikko huonon kehityksen riskille SARS-CoV-2-tartunnan saaneilla potilailla, jotka määritellään kliinisen huononemisen, ARDS:n, sepsiksen, SRIS:n, septisen shokin tai kuoleman ilmaantumisena. Muita tavoitteita ovat: 1.-Arvioi näiden potilaiden saavutettavuus ja tasapuolisuus erilaisissa hoitoprosesseissa, diagnostisissa ja terapeuttisissa toimenpiteissä. Erityisen kiinnostuksen kohteena ovat iän, sukupuolen tai maantieteellisen alkuperän mukaan kotoisin olevat potilaat. 2.-Arvioi tässä pandemiassa käytettyjen erilaisten hoitomenetelmien tehokkuutta. 3.-Arvioi erilaisten diagnostisten testien tehokkuutta, joita käytetään ennustamaan näiden potilaiden huonoa kehitystä. 4.- Arvioi todelliset kustannukset, jotka liittyvät sairaalahoidossa olevien COVID-19-potilaiden hoitoon. , mutta se on tehtävä manuaalisesti tiettyjen ennusteen perusparametrien osalta (kliiniset oireet, oireiden alkamispäivä ja oireiden kesto sekä epidemiologinen historia). Tilastollinen analyysi: Logistisia regressio-/eloonjäämismalleja/tekoälyalgoritmeja luodaan ennustamaan CoVid-19-potilaiden huonoa kehitystä.

Mukana on kaksi näytettä: 1.-Kaikki COVID19-positiiviset ihmiset Baskimaasta (noin 18768 henkilöä); 2. Potilaat, jotka on otettu COVID 19:n vuoksi tutkimukseen osallistuviin keskuksiin pandemian ensimmäisen aallon aikana, 31. toukokuuta asti, otetaan mukaan (Baskimaan tapauksessa osa näistä potilaista tulee väestönäytteestä # 1 kuvattu aiemmin). Jos jonkin kokonaisuuden uusia aaltoja tulisi (yli 100 vastaanottoa kuukaudessa per keskus), nämä tiedot kerättäisiin myös myöhemmin. Tutkijoiden tähänastisilla tiedoilla tutkijat näkevät, että tutkijoilla olisi valittavana 6000-7000. Myöhemmin syksyn aallon potilaita kerättäisiin, jos se annettaisiin, toukokuun 2021 loppuun asti, koska ajallinen samankaltaisuus on suurempi ensimmäisen aallon kanssa.

Näytteenotto: Lääkärikertomuksesta tarkistettavat tiedot kerätään pandemian ensimmäiseltä aallolta maalis-toukokuussa 2020, jossa suoritetaan satunnaisotos . Syksy-talvi 2020-2021 toiselle aallolle kerätään myös satunnaisotos potilaista, jotka vastaavat tämän toisen aallon arvioitua otoskokoa. Jos ei, otoskoko täydennetään ensimmäisen aallon potilailla.

MUUTTUJAT: Altistuminen: 1.-Sosiodemografiset tiedot: Ikä, sukupuoli, asuinpaikka (kyllä ​​/ ei), alkuperämaa. 2.- Henkilökohtainen historia: liittyvät sairaudet; Perushoidot jne. 3.-sairaushistoria 4.-Fyysinen tarkastus kotona tai AP. 5. - Sairaalahistoria: oireet päivystykseen saapuessa, elintoiminnot, merkit ja fyysinen tarkastus, laboratoriotutkimukset, rintakehän röntgenkuvaus, CAT-kuvio, vakiintuneet hoidot, teho-osaston tiedot.

Tulos: Kliininen vajaatoiminta: Hengenahdistus levossa, ARDS:n kehittyminen, sepsis, SIRS, sokki, hoitoon pääsy, Kuolema (päivämäärä). Oireiden helpotus, päivät taudin puuttumiseen, kuolema.

Seuranta (6 kuukautta): Takaisinotto, uudet diagnoosit, komplikaatiot, fibrogeneesin biomarkkerit, diagnostisen toimenpiteen tulokset (röntgenkuvat, MRI, TT), kuolema (päivämäärä ja syy) Kustannukset (indeksi ja 6 kuukauden tulot): Hätä- tai ohjelmoitu sisäänpääsy; pääsypäivien lukumäärä (jossakin yksikössä / tehtaissa / teho-osastolla / hätätilanteissa); laboratoriotutkimukset (määrä ja tyyppi); päivien lukumäärä, jolloin hengitystukea vaadittiin; oleskelun aikana käytetyt hoidot (lääke, annos, annostus, kesto); tutkimusjakson aikana suoritetut diagnostiset toimenpiteet (röntgenkuvat, MRI, CT jne.); suoritetut kirurgiset toimenpiteet; ulkopuoliset konsultaatiot (numero ja palvelu); päiväsairaala (määrä ja toimenpiteet); AP- ja kotikäynnit (COVID-19:aan liittyvät) TIETOJEN KERUUTAVAT: Arvioijat suorittavat tietojen manuaalisen poiminnan kunkin keskuskohtaisen PI:n valvonnassa. Kaikki kerätyt tiedot syötetään RedCap-tietokantaan. Kun tiedot on poimittu, luodaan yhteinen tietokanta myöhempää analysointia varten.

TILASTOINEN ANALYYSI. Opintoyksikkö on potilas. Koko näytteestä tehdään kuvaava analyysi. Yksimuuttujaanalyysi suoritetaan mahdollisten tekijöiden tai muuttujien määrittämiseksi, jotka liittyvät kiinnostaviin tulosmuuttujiin. Monimuuttujaanalyysissä tehdään erilaisia ​​malleja kiinnostuksen kohteena olevan riippuvaisen muuttujan mukaan. Dikotomisten riippuvien muuttujien tapauksessa käytetään logistisia regressiomalleja. Tilastollinen merkitsevyys oletetaan, kun p <0,05, ja kaikki analyysit suoritetaan käyttämällä SAS v9.4- ja R-tilastoohjelmistoa. Lisäksi muuttujien ennustetta arvioidaan yksitellen mittaamalla tilastollinen korrelaatio kunkin muuttujan ja huonon kehityksen välillä; ja yhdessä tarkastellaan kykyä ennustaa huonoa kehitystä yhdistelmistä, jotka saadaan luomalla assosiaatiosäännöt muuttujien välille taustalla olevista tilastollisista suhteista.

Havaittujen eri hoitovaihtoehtojen vertailevan tehokkuuden analyysi tehdään hoitoaikeella. Kuvaavien tilastotekniikoiden lisäksi suoritetaan eloonjäämisanalyysi ajasta tapahtumaan (kuolleisuus) käyttämällä monimuuttujaa Coxin suhteellista vaararegressiota, ja parametrinen eloonjäämisanalyysi vastaavalla jakaumalla (Weibull jne.) sekä arvio. keskimääräisestä selviytymisestä. Vertailevan tehokkuuden arvioimiseksi käytetään taipumuspisteytystekniikoita vertailukelpoisten hoitoryhmien luomiseksi säätämällä perusviivan kovariaatteja hoidon todennäköisyyden käänteisellä painotuksella. Lisäksi, ja koska on ennakoitavissa, että hoitoryhmiä on useita, sovelletaan erityistä arviointimenettelyä, jota kutsutaan yleistetyiksi tehostetuiksi malleiksi.

Kustannustietojen analysointiin, sekä liittyvien muuttujien analysointiin että kustannusten vertailutavoitteeseen, käytetään GLM-regressiotekniikoita sen jakauman kanssa, joka parhaiten sopii dataan (käyttäen Modified Park -testiä), vaikkakin mieluiten gamma- ja logaritmiperhettä käytetään linkkinä. Tiedot analysoidaan Stata v14.2 -ohjelmalla.

EETTISET JA LUOTTAMUKSELLISUUSNÄKÖKOHDAT. Hanke on arvioitu tutkimustoimikunnissa ja lääkkeiden tutkimuseettisessä komiteassa (CEIm), jossa se on hyväksytty. Henkilötietoja koskevia lakeja noudatetaan (RGPD 2018) Kaikki tiedot käsitellään ehdottoman luottamuksellisesti.

Odotetut tulokset: Prognostinen kerrostustyökalu, joka perustuu ennustaviin malleihin CoVid-19-infektion huonosta kehityksestä: ARDS:n, SRS:n, sepsiksen ja/tai septisen shokin ja/tai kuoleman kliininen heikkeneminen ja kehittyminen. Tämä työkalu auttaa ohjaamaan sopivinta kliinistä hoitoa potilaille, joilla on vaikeimmat oireet, jotka saattavat vaatia huomiota tehohoidon yksiköissä. Lisäksi tämän tutkimuksen tarkoituksena on myös antaa tietoa mahdollisesta terveydenhuollon tarjonnan vaihtelevuudesta ja kustannuksista niin diagnostisten testien käytössä kuin erilaisten hoitovaihtoehtojen käytössä sekä lopulta saaduissa tuloksissa. Tutkijat pyrkivät tunnistamaan eri ryhmien (vanhukset, asukkaat, sukupuolen mukaan, korkeampi rinnakkaissairauksien taso, maahanmuuttajat...) saavutettavuusongelmia, joiden avulla voimme tunnistaa tasa-arvoongelmia terveyspalvelujen saatavuudessa.