Modélisation des risques pour l'amélioration de la qualité chez les personnes gravement malades : tirer le meilleur parti des données régulièrement disponibles

Objectif : Améliorer les modèles de risque utilisés pour étayer les audits cliniques nationaux pour les soins intensifs généraux pour adultes, les soins intensifs cardiothoraciques et les arrêts cardiaques à l'hôpital en utilisant le couplage des données avec d'autres sources de données collectées régulièrement.

Les objectifs spécifiques sont :

1. Améliorer les modèles de risque pour les soins intensifs généraux pour adultes en : (1a) développant des modèles de risque de mortalité à des moments fixes et des résultats de temps avant l'événement (par couplage de données entre le CMP et les enregistrements de décès de l'ONS) ; développer des modèles de risque pour les résultats de santé chroniques à plus long terme du (1b) diabète (par couplage de données entre le CMP et le National Diabetes Audit) et (1c) de l'insuffisance rénale terminale (par couplage de données entre le CMP et le UK Renal Registry) ; et (1d) développer des modèles de risque pour l'utilisation et les coûts ultérieurs des soins de santé (par couplage de données entre le CMP et la HES)
2. Améliorer les modèles de risque pour les soins intensifs cardiothoraciques en : (2a) améliorant les données sur les facteurs de risque (par couplage de données avec la base de données nationale sur la chirurgie cardiaque chez l'adulte); (2b) développer des modèles de risque pour la mortalité à plus long terme (par couplage de données entre le CMP et les enregistrements de décès de l'ONS) ; et (2c) développer des modèles de risque pour l'utilisation et les coûts ultérieurs des soins de santé (par couplage de données entre le CMP et la HES)
3. .Améliorer les modèles de risque d'arrêt cardiaque à l'hôpital en : (3a) améliorant les données sur les facteurs de risque (par couplage de données entre la NCAA et la HES); (3b) développer des modèles de risque pour la mortalité à plus long terme, l'utilisation et les coûts des soins de santé (par couplage de données entre la NCAA et l'ONS) ; (3c) développer des modèles de risque pour l'utilisation ultérieure des soins intensifs (par couplage de données entre la NCAA et le CMP); et (3d) développer des modèles de risque pour l'utilisation et les coûts ultérieurs des soins de santé (par couplage de données entre NCAA, ONS et HES)
4. La traduction immédiate des modèles de risque améliorés dans la pratique grâce à : (4a) l'adoption dans les rapports de résultats comparatifs de routine pour les audits cliniques nationaux ; et (4b) communication des résultats de la recherche aux prestataires, gestionnaires, commissaires, décideurs et universitaires en soins intensifs

Collecte de données : Le projet utilisera des données cliniques de haute qualité recueillies pour le Case Mix Program (CMP) et le National Cardiac Arrest Audit (NCAA) - les audits cliniques nationaux pour les soins intensifs pour adultes et les arrêts cardiaques à l'hôpital. Ces données seront liées aux données du National Diabetes Audit, du UK Renal Registry et du National Adult Cardiac Surgery Audit, aux données administratives de routine des Hospital Episode Statistics (HES) et aux enregistrements des décès de l'Office for National Statistics (ONS).

Le couplage des données sera effectué par le service de couplage et d'extraction de données HSCIC (DLES) agissant en tant que tiers de confiance. Les identifiants (sans données cliniques associées) seront téléchargés à partir de chaque audit clinique national vers des serveurs sécurisés au HSCIC. DLES effectuera le couplage des données et renverra une clé commune qui peut être utilisée pour relier tous les enregistrements du même patient à travers les ensembles de données. Les trois audits cliniques nationaux externes à l'ICNARC extrairont un ensemble de données pseudonymisées convenues pour les enregistrements liés et le DLES extraira les données du HES et de l'ONS et ces ensembles de données seront transmis à l'ICNARC. L'ICNARC produira des extraits de données pseudonymisés du CMP et de la NCAA et ceux-ci seront liés aux ensembles de données fournis par les audits cliniques nationaux et le DLES à l'aide de la clé commune. De cette manière, seules les données pseudonymisées seront liées entre les multiples sources de données.

Analyse des données : les approches suivantes pour l'élaboration du modèle seront appliquées en fonction du résultat et des objectifs de l'analyse :

• Modélisation de la mortalité à des moments fixes (30 jours, 90 jours, 1 an) à l'aide de la régression logistique.
• Modélisation des résultats du délai avant l'événement à l'aide de méthodes de régression de survie standard telles que la régression de Weibull et Cox.
• Pour gérer les données censurées par intervalle : modèles de risques proportionnels de Cox, modèles log-log complémentaires utilisant une estimation de vraisemblance partielle (pour permettre la censure d'intervalle) et modèles de risques à temps discret.
• Pour tenir compte à la fois de la censure par intervalle du délai d'apparition et de la concurrence avec la mort : les modèles de risques proportionnels de Cox spécifiques à une cause et les modèles maladie-décès seront pris en compte.
• Pour l'objectif 3, retour de la circulation spontanée (ROSC) pendant plus de 20 minutes et survie à la sortie de l'hôpital, une régression logistique multiniveau avec effets aléatoires de l'hôpital sera appliquée.
• Modéliser l'utilisation des ressources hospitalières et les coûts des soins post-critiques : modèle de régression multiniveaux et modèle de régression log-linéaire.

Les modèles de prédiction des risques seront validés pour leur discrimination, leur calibrage et leur ajustement global à l'aide d'un panel de mesures comprenant : c un indice ; graphiques du risque observé par rapport au risque prévu ; statistique Hosmer-Lemeshow sur la qualité de l'ajustement ; régression d'étalonnage de Cox ; R de Shapiro, score de Brier et mesures R2 approximatives correspondantes ; et reclassement.