Uusintaleikkauksen riski ensimmäisen MTP-nivelen artrodeesin jälkeen

Aikuisväestön (18-vuotiaat ja sitä vanhemmat) ensisijaisten leikkausten lukumäärä kerätään potilastietojärjestelmistä NOMESCO-menettelykoodilla NHG80 diagnoosista riippumatta. Näitä potilaita seulotaan edelleen diabeteksen ja niveltulehdussairauksien varalta (International Classification of Diseases 10th Revision (ICD-10) diagnostiset koodit E10.**-E14.** ja M05.**-M14.**). Uusintaleikkauksia pidetään leikkauksena NOMESCO-menettelykoodeilla NH***, QDB***, QDG***, ZZH***. Liitännäissairaudet kerättiin aiemmista potilaiden terveystietueista tyypin 1 diabeteksen diagnoosikoodeilla (E10.**), muu diabetes (E11.**-14.**), seropositiivinen nivelreuma (M05.9), seronegatiivinen nivelreuma (M06.0), psoriasis (M07.**), kihti (M10.**), muu niveltulehdus (M09.**, M11-M14).

Tiedot jaetaan ja analysoidaan kahdessa erillisessä vaiheessa. Ensin keräämme rekisteristä kaikki tiedot, joita voimme luotettavasti hyödyntää. Aineisto sisältää perusleikkauksen, kaikki uusintaleikkaukset, kirurgin kokemustason, potilaan iän, sukupuolen ja onko potilaalla todettu muita yllä mainittuja liitännäissairauksia.

Toisessa vaiheessa keräämme sovitetut potilaat uusintaleikkauksen saaneista potilaista käyttämällä lähin naapuri -menetelmän taipumuspisteiden täsmäyttämistä suhteessa 1:3. Vastaamiseen käytetyt muuttujat ovat ikä, sukupuoli ja kaikki muut liitännäissairaudet (tyypin 1 diabetes, muu diabetes, seropositiivinen nivelreuma, seronegatiivinen nivelreuma, psoriaasi, kihti, muu niveltulehdus) Seulomme edelleen myös uudelleen leikattujen potilaiden potilastiedot vastaavat säätimet. Ennen leikkausta ja sen jälkeisistä röntgenkuvista määritämme niveltulehduksen ja hallux valgusin sekä jalkaterän väliset kulmat. Leikkausraportit seulotaan kirurgisen tekniikan (esim. ruston poistomenetelmä, kiinnitys ja luun kuljetuksen käyttö). Näitä tietoja käytetään perioperatiivisten tekijöiden ja uusintaleikkausten välisen yhteyden analysointiin. Nämä mallit eivät sisällä muuttujia, joita käytettiin vastaavuuksiin.

Molemmissa vaiheissa analysoimme logistisen regression avulla oletettujen riskitekijöiden ja uusintaleikkausten välistä yhteyttä käyttämällä rekisterin (ensimmäinen vaihe) tai potilaiden terveyskertomusten ja röntgenkuvien (toinen vaihe) tietoja. Arvioimme kausaalisuutta suunnatuilla asyklisillä kaavioilla (DAG) ja kehitämme logistiset mallit erikseen kullekin oletetulle riskitekijälle. DAG:issa käytetyt muuttujat valitaan aikaisemman tiedon ja oletettujen syy-suhteiden perusteella. Molempien analyysien tulokset tulkitaan mukautetuilla kerroinsuhteilla (OR) 95 %:n luottamusvälillä (CI). Mallin sopivuus arvioidaan McFadden R2 -indeksillä, multikollineaarisuus arvioimalla varianssiinflaatiokerroin (VIF) ja heteroskedastisuus tarkastelemalla sovitetut arvot vs. jäännöskäyrät. Tilastolliset analyysit suoritetaan R-versiolla 4.0.5.