A1Check: kolorektaalisen anastomoottisen vuodon ennustavan koneoppimismallin ulkoinen validointi (A1Check)

Tutkimusmenettely Tutkimuksen tavoitteena on validoida ulkoisesti kolorektaalista anastomoosivuotoa ennustava koneoppimismalli. Ulkoisesti validoitava ennustemalli kehitetään tulevan tietokannan pohjalta. Tämä tietokanta sisälsi tiedot 2 483 paksusuolensyöpäpotilaasta, joille tehtiin kirurginen toimenpide tammikuun 2016 ja huhtikuun 2021 välisenä aikana 14 sairaalassa, sekä maaseutu- että akateemisessa sairaalassa neljässä eri maassa (Alankomaat, Italia, Belgia, Australia). Noin 189 potilaalle (7,6 %) kehittyi kolorektaalinen anastomoosivuoto. Mallit ennustivat kolorektaalisen anastomoottisen vuodon riskin intraoperatiivisesti juuri ennen anastomoosin rakentamista käyttäen yhteensä 31 muuttujaa. Nämä muuttujat sisältävät sekä ennen leikkausta saatavilla olevaa dataa että potilaan intraoperatiivista tilaa koskevat muuttujat. Mallit validoitiin sisäisesti käyttämällä 10-kertaista ristiinvalidointia ja testattiin myöhemmin 20 prosentilla tietokannan näkymättömistä tiedoista. Testisarjan parhaiten suoriutuneen koneoppimismallin käyrän alla oleva alue - vastaanottimen toimintaominaisuudet (AUROC) oli 0,84, herkkyys 0,86, spesifisyys 0,78, positiivinen ennustearvo 0,24 ja negatiivinen ennustearvo 0,99.

Tässä prospektiivisessa simulaatiotutkimuksessa ei ole suoria etuja tai riskejä osallistuville potilaille. Tämä prospektiivinen simulaatiotutkimus on ei-interventio, ennustemallit eivät muuta alkuperäistä päivittäistä käytäntöä ja tässä vaiheessa sitä ei ole tarkoitettu käytettäväksi diagnostisena laitteena. Leikkauksensisäisesti, juuri ennen anastomoosin rakentamista, ennustemalli ennustaa potilaan, kasvaimen ja intraoperatiivisten muuttujien (lueteltu Data Dictionary -kappaleessa) avulla anastomoottisen vuodon todennäköisyyden. SAS VIYAa käytetään koneoppimismallin käyttöönottoon. Prospektiivisen simulaatiotutkimuksen aikana näiden ennusteiden pistemäärät ovat vain periaate- ja tutkimustutkijoilla, ja siten osallistuvien sairaaloiden tai leikkauskirurgien tuntemattomia, jotta estetään vaikuttaminen nykyiseen päivittäiseen käytäntöön tässä tutkimuksen vaiheessa. Kolmenkymmenen päivän kuluttua leikkauksesta kerätään potilaiden tiedot anastomoosivuodon esiintymisestä. AUROC, herkkyys, spesifisyys ja tarkkuus lasketaan sitten niiden potilaiden lukumäärän perusteella, jotka on arvioitu tosi positiivisiksi, todellisiksi negatiivisiksi, vääriksi positiivisiksi tai vääriksi negatiivisiksi. Vähintään 100 tapahtuman ja 100 ei-tapahtuman jälkeen ulkoinen validointi on valmis ja lopulliset AUROC-, herkkyys- ja spesifisyyspisteet esitetään.

Laadunvarmistussuunnitelma, tietojen tarkistukset, lähdetietojen todentaminen Tietoja käsitellään luottamuksellisesti ja nimettömästi. Päätutkijan ja tutkijoiden tiedot pseudo-anonymisoidaan. Pseudo-anonymisoidut tiedot syötetään Castor-tietokantaan. Alkuperäiseen tietojoukkoon on liitetty tietosanakirja metatiedoilla tietojen kuvaamiseksi. Kaikilla osallistuvilla sairaaloilla on tiedonjakosopimus, jonka avulla voidaan turvallisesti jakaa mukana olevien potilaiden tiedot päätutkijan ja tutkimustutkijoiden kanssa. Tiedonhallintasuunnitelma luodaan instituuttimme käytäntöjen mukaisesti tiedonhallinnan asiantuntijan avustuksella sekä monimuuttujaisen ennustemallin Transparent Reporting for Individual Prognosis Or Diagnosis (TRIPOD) -ohjeistukset. Kerätyn ja tuotetun tiedon ominaisuudet ovat sähköisistä terveyskertomuksista poimitut kliiniset tiedot. Tämä sisältää jatkuvia, nimellisiä ja dikotomisia muuttujia. Tietoja ei käytetä uudelleen tai yhdistetä olemassa oleviin tietoihin. Potilaiden tietoinen suostumus tarvitaan tuloksen ennustamiseen kehitetyn mallin avulla. Tähän projektiin sovelletaan tietosuojakäytäntöjä ja lakeja. Hankkeessa noudatetaan myös kaikkia tietosuoja-asetuksen mukaisia ​​tietosuojaperiaatteita. Anonymisoituun tietojoukkoon pääsee Castor-tietokannan kautta. Pitkäaikaiset tiedot tallennetaan Amsterdamin UMC-tietovarastoon tutkimusdatan hallintaosaston (RDM) avulla. Tietoja säilytetään viisi vuotta projektin päättymisen jälkeen.

Data sanakirja

Mukana olevilta potilailta kerätään seuraavat muuttujat:

i. Potilaan ja kasvaimen ominaisuudet Ikä; seksi; painoindeksi; American Society of Anesthesiologists (ASA) -luokitus; myrkytykset (tupakointi ja/tai alkoholin käyttö); diabeteksen sairaushistoria; steroidien käyttö (ei nenän kautta); hemoglobiini; hyvänlaatuinen tai pahanlaatuinen sairaus. Jos kyseessä on pahanlaatuinen sairaus: TNM-vaihe, kasvaimen etäisyys peräaukon reunasta, neoadjuvanttihoito.

ii. Perioperatiiviset ominaisuudet Kirurginen toimenpide, kirurginen lähestymistapa; muuntaminen; intraoperatiivisten tapahtumien esiintyminen (hypoksiset tapahtumat, hyperkarbia, bradykardia, hypotensio, embolia, elvytys, suunniteltua laajempi resektio, seroosileesiot, virtsarakon ja virtsanjohtimen vammat, leikkauksensisäinen verenvuoto, pernan poisto) iii. Ominaisuudet juuri ennen anastomoosin luomista Potilaan lämpötila; antibiootin antamisen aika; vasopressorien antaminen; verenhukka; O2-kyllästys; keskimääräinen valtimopaine; nesteen antaminen; virtsan tuotanto; ulosteen saastumisen esiintyminen; paikallisen perfuusion subjektiivinen arviointi; epiduraalinen analgesia; oven liikkeet; aika viillosta anastomoosin luomiseen, aikomus luoda avanne.

iv. Leikkauksen jälkeiset ominaisuudet Kolorektaalinen anastomoottinen vuoto 30 päivän sisällä ja sairaalahoidon kesto.

Vakiotoimintamenettelyt Potilaat, jotka voidaan ottaa mukaan, havaitaan ensimmäisessä monialaisen tiimin kokouksessa. Jos se on kelvollinen, kirurgi tiedottaa tästä tutkimuksesta ja keskustelee potilaan kanssa leikkausta edeltävässä konsultaatiossa. Jos potilas suostuu osallistumiseen, vaaditaan kirjallinen tietoinen suostumus. Potilas voi peruuttaa tämän suostumuksen milloin tahansa.

Otoskoon laskeminen Osallistuvissa sairaaloissa tehdään vuosittain noin 100–400 paksusuolen resektiota, ja anastomoosivuodon ilmaantuvuus on noin 5–15 %. Useat tutkimukset osoittivat vähintään 100 tapahtumaa ja 100 ei-tapahtumaa sopivana otoskokona ulkoista validointia varten. Odotettavissa on 1 200 potilasta vuosittain ja vuotoprosentti noin 10 %, mukaan lukien 100 tapahtumaa, kestää noin yhdestä kahteen vuotta.

Puuttuvien tietojen käsittely Koneoppimismalli tekee ennusteen potilaista, joilla on yli 80 % vaaditusta tiedosta. Puuttuvat tiedot imputoidaan käyttämällä ennustavaa keskiarvosovitusta kymmenellä iteraatiolla.

Tilastollinen analyysisuunnitelma Ulkoinen validointi suoritetaan vähintään 100 tapahtumalle (anastomoottinen vuoto) ja 100 ei-tapahtumalle (ei anastomoosivuotoa). Toteutusmallina käytetään koneoppimismallia, jolla on paras AUROC-ennuste. Kolorektaalista anastomoottista vuotonopeutta verrataan monimuuttujalogistisessa regressiomallissa. Kaikki analyysit tehdään kliinisen epidemiologin valvonnassa.