Étude de prévalence sur un jour des lésions de pression dans les unités de soins intensifs (DecubICUs)

L'objectif est de fournir une image "globale" internationale à jour de l'étendue et des caractéristiques des lésions de pression dans les unités de soins intensifs. À cet égard, il est prévu de réaliser une étude de prévalence ponctuelle multicentrique prospective d'un jour. La grande échelle du projet devrait permettre des analyses épidémiologiques approfondies. Plus précisément l'étude permettra d'identifier :

• principaux facteurs de risque de développement d'escarres ;
• mesures préventives utilisées dans des populations et des pays de soins intensifs distincts ;
• manque de disponibilité de mesures fondées sur des données probantes pour prévenir les escarres;
• prévention des escarres pour faute professionnelle dans des régions ou des pays particuliers ;
• taux d'occurrence des escarres avec/sans ajustement précis du profil de risque et des mesures préventives prises ;
• analyse comparative entre régions/pays ; résultats cliniques associés aux escarres (dérangements d'organes majeurs et mortalité);
• résultats économiques associés aux escarres (durée du séjour en USI) et mise en relation de ces résultats avec la pratique locale concernant les mesures de prévention appliquées/disponibles.
• différences nationales et régionales dans la prévalence des escarres et les résultats.

Les stades des escarres seront classés selon le système de classification développé conjointement par le National Pressure Ulcer Advisory Panel et le European Pressure Ulcer Advisory Panel.

Les données à enregistrer comprennent les données démographiques des patients, les données sur la gravité de la maladie sous-jacente et de la maladie aiguë, la défaillance d'un organe, les escarres, les principaux facteurs de risque d'escarres et les mesures prises pour prévenir les escarres.

Plan statistique

Calcul de puissance. Pour qu'un facteur de risque avec une prévalence dans la cohorte de l'étude de seulement 10 % (par exemple les patients avec un IMC < 20) et une différence de résultat de seulement 5 % soit statistiquement significatif (15 % contre 20 % dans le taux d'occurrence du décubitus), une taille d'échantillon de 5255 patients est requise (478 patients avec le facteur de risque index et 4777 sans) (alpha = 0,05 ; Bêta>0,80).

Nettoyage des données et données manquantes. Les valeurs exceptionnelles seront tracées par le traçage de la distribution. En cas d'incertitudes, les investigateurs individuels seront contactés. Les données manquantes seront traitées par imputation (1, 2). Des contrôles de la qualité des données seront effectués, tels que des contrôles d'exhaustivité, de cohérence, d'exactitude et d'unicité.

Descriptifs. Une seule analyse finale est prévue à la fin de l'étude ; aucune analyse intermédiaire n'est prévue. Les caractéristiques sociodémographiques de la cohorte de l'étude seront décrites comme des proportions pour les variables catégorielles et pour les variables continues comme la moyenne et l'écart type si elles sont normalement distribuées ou la médiane et l'intervalle interquartile si elles ne sont pas normalement distribuées (selon le test de normalité de Kolmogorov-Smirnov).

La proportion de patients en décubitus (pourcentage, % et leurs intervalles de confiance à 95 %) sera rapportée globalement et selon la région géographique (continent), la classification des pays par revenu tel que défini par la Banque mondiale (élevé-, moyen-supérieur-, pays à revenu intermédiaire inférieur et à faible revenu), pourcentage du produit intérieur brut consacré aux soins de santé (obtenu auprès de l'Organisation mondiale de la santé) et selon le rapport sur le développement humain dans le domaine de l'éducation et de la santé du Programme des Nations Unies pour le développement. Par la suite, les différences potentielles de prévalence pourraient offrir l'opportunité d'évaluer les écarts dans les mesures de prévention à grande échelle.

La modélisation. Les covariables qui seront évaluées sur leur relation avec la présence de décubitus englobent divers aspects organisationnels de l'USI (par ex. ratio infirmière-patients), mesures de prévention des escarres (p. type de matelas utilisé) et les caractéristiques spécifiques au patient (par ex. âge, conditions sous-jacentes, gravité de la maladie aiguë, morphologie corporelle, IMC, durée du séjour en soins intensifs, etc.). Les covariables seront prises en compte pour l'analyse ajustée lorsqu'elles ont une association avec les lésions de pression à un niveau statistique <0,25 dans l'analyse non ajustée (univariée) ou en raison de leur pertinence clinique. Une approche par étapes sera utilisée pour éliminer les termes du modèle de régression ; p<0,15 ou p<0,10 sera fixé comme limite pour conserver les covariables dans le modèle.

Relations avec les variables de résultat binaires (par ex. décubitus, mortalité) seront évalués au moyen de tests statistiques non ajustés et d'une régression logistique multivariée. La valeur de la correction supplémentaire du score de propension dans le modèle de régression sera évaluée. Une régression logistique multinomiale sera effectuée pour évaluer les relations indépendantes avec les stades de décubitus. De même, une modélisation linéaire à effets mixtes sera utilisée pour évaluer les relations non ajustées et ajustées avec des variables de résultats continues (par ex. durée du séjour en soins intensifs et durée de l'hospitalisation). Les résultats de la régression logistique seront rapportés sous forme de rapports de cotes ajustés avec des intervalles de confiance à 95 %.

Pour développer un modèle de prédiction du décubitus pour des populations de soins intensifs distinctes (par exemple, patients traumatisés, chirurgicaux ou médicaux), des modèles seront construits à l'aide de techniques d'apprentissage automatique (par exemple, Forêt aléatoire, Gradient Boosting Machine). Dans le processus, différentes techniques seront appliquées afin de recevoir la précision optimale. Afin de mieux comprendre la corrélation entre les prédicteurs et les variables, des techniques de régression seront appliquées, comme indiqué ci-dessus.

Pour la validation de nos modèles, la cohorte d'étude sera divisée en un ensemble de formation, de test et de validation. En tant que tel, cela donne une interprétation juste des résultats. Alternativement, une validation croisée décuplée peut être appliquée pour éviter le surajustement.

L'analyse comparative des centres individuels basée sur le décubitus sera effectuée en fournissant des risques standardisés directement ou indirectement basés sur des effets de centre fixes dans un modèle de régression logistique (3, 4). Outre la présence du résultat de qualité binaire (c'est-à-dire decubitus) et le code central, ce modèle comprend également des covariables de base spécifiques au patient pour s'ajuster au cas-mix différentiel. La correction de Firth sera appliquée au modèle de régression logistique pour maintenir la convergence en présence de très petits centres (5).

L'analyse statistique sera effectuée à l'aide de SPSS et R. L'investigateur principal (SB) est responsable de toutes les analyses statistiques. Des méthodes statistiques avancées seront exécutées par Mieke Deschepper (Cellule Politique Stratégique à l'Hôpital Universitaire de Gand).