La performance prédictive de l'échelle de coma de Glasgow en fonction du temps

Arrière-plan

Le traumatisme est un problème de santé publique mondial critique et le nombre de décès à la suite d'un traumatisme continue d'augmenter à l'échelle mondiale. En 2016, plus de 4,6 millions de décès étaient dus à un traumatisme, ce qui en fait la 8ème cause de décès. Dans l'étude Global Burden and Disease (GBD), les blessures traumatiques représentent près d'un dixième de tous les décès, plus que le paludisme, la tuberculose, le VIH/SIDA et les affections maternelles réunis.

Le TBI est défini comme une lésion cérébrale causée par un traumatisme, un traumatisme étant défini comme un dommage infligé au corps en tant que résultat direct ou indirect d'une force externe, avec ou sans rupture de la continuité structurelle. Le traumatisme crânien (TCC) est l'une des principales causes de morbidité et de mortalité dans le monde. C'est le plus grand contributeur aux décès par traumatisme dans le monde, avec un taux de mortalité trois fois plus élevé que les traumatismes sans TCC accompagné. On estime que le TBI affecte plus de 10 millions de personnes chaque année.

Pour guider les médecins dans les diagnostics et les régimes de réanimation, les modèles pronostiques prédisant la gravité et l'issue du TBI sont d'une grande importance. L'échelle de coma de Glasgow (GCS) est l'un des modèles pronostiques les plus utilisés. Il s'agit d'une échelle neurologique développée pour évaluer la réponse aux stimuli chez les patients souffrant de lésions cranio-cérébrales en utilisant trois paramètres ; ouverture des yeux, réponse verbale et réponse motrice. Il a été utilisé pour évaluer le niveau de conscience dans la pratique clinique et la recherche sur les neurotraumatismes. Le score GCS, la somme des trois paramètres utilisés dans le GCS, est utilisé pour évaluer la gravité, allant de légère, modérée à sévère.

Plusieurs études ont étudié la valeur pronostique du GCS et la valeur pronostique des composants individuels du GCS, mais on sait peu de choses sur la façon dont la relation de temps entre la blessure et le premier GCS affecte la valeur prédictive du GCS. Des études ont montré que le GCS mesuré lors de l'admission aux soins de traumatologie est plus prédictif que le GCS mesuré sur le site du traumatisme, et que le GCS médian à l'admission est supérieur au GCS médian sur le site du traumatisme, mais si et comment le temps affecte les scores GCS n'a pas été étudié .

But

Le but de cette étude est d'évaluer comment le moment de la mesure de GCS affecte sa valeur prédictive après une lésion cérébrale traumatique (TBI) chez les patients adultes. Le premier objectif est d'évaluer si la performance prédictive de GCS est améliorée si elle est ajustée en fonction du temps écoulé entre la blessure et le moment où elle a été enregistrée. Le deuxième objectif est d'évaluer si la performance prédictive de GCS varie selon le moment où il a été enregistré.

Étudier le design

Il s'agit d'une analyse rétrospective de l'étude de cohorte Towards Improved Trauma Care Outcomes in India (TITCO).

Paramètre

La cohorte TITCO anonymisée sera utilisée. Cette cohorte comprend 16 000 patients inscrits entre juillet 2013 et décembre 2015 dans quatre hôpitaux universitaires en Inde. Les agents du projet, titulaires d'une maîtrise en sciences de la santé, ont collecté prospectivement des données sur l'admission à chaque site par observation directe de la salle d'urgence et en remplissant un formulaire standardisé. Les agents du projet travaillaient en quarts rotatifs de huit heures (matin, soir, nuit). Les données ont également été extraites rétrospectivement des dossiers des patients pour les patients admis en dehors des quarts de travail observés.

Source et méthode de sélection des participants

L'agent de projet à site unique a inclus des patients des hôpitaux participants, soit par observation prospective, soit par extraction rétrospective de données à partir des dossiers des patients.

Variables explicatives Les deux variables explicatives d'intérêt seront le GCS et le temps entre la blessure et l'enregistrement du GCS en heures, ci-après appelé temps jusqu'au GCS. Le GCS a été extrait des dossiers des patients, tout comme la date et l'heure du premier GCS enregistré. Si la date et l'heure du premier enregistrement GCS manquent, l'heure d'arrivée au centre participant sera utilisée à la place. La date et l'heure de la blessure ont été extraites des dossiers des patients ou directement rapportées par les participants. Les données et l'heure du premier enregistrement GCS ou de l'arrivée au centre participant ont été extraites des dossiers des patients.

Covariables Les variables âge, sexe, mécanisme de la blessure, si le patient a été transféré d'un autre établissement de santé et la gravité de la blessure anatomique quantifiée à l'aide du score de gravité de la blessure (ISS) seront rapportées pour caractériser l'échantillon de l'étude. L'âge, le sexe, le mécanisme de la blessure et l'état du transfert ont été extraits des dossiers des patients ou rapportés par les participants. L'ISS a été calculé par un seul codeur accrédité sur la base des descriptions textuelles des blessures.

Biais

Pour tenir compte des erreurs humaines dans l'enregistrement du GCS, les observateurs du collecteur de données Aal étaient titulaires d'une maîtrise en sciences de la santé et ont été continuellement formés et supervisés tout au long de la période de collecte des données.

Variables quantitatives

GCS sera traité à la fois comme un terme linéaire et comme une variable ordinale à 12 niveaux. Les niveaux non testables des composantes verbales et oculaires seront traités comme 1. Le temps entre la blessure et le GCS enregistré sera traité à la fois comme une variable continue et une variable catégorielle. Lorsqu'il est traité comme un temps continu entre la blessure et le GCS, il sera autorisé à avoir une association non linéaire avec la mortalité en la modélisant à l'aide de splines cubiques restreintes avec trois nœuds placés à des centiles équidistants. Lorsqu'il est traité comme catégorique, il sera divisé en blocs de deux heures.

Méthodes statistiques

Toutes les analyses seront effectuées dans le langage statistique et l'environnement de programmation R. L'échantillon sera d'abord divisé temporairement en échantillons d'apprentissage et de validation, comme indiqué dans la section ci-dessous sur la taille de l'étude. Chaque échantillon sera ensuite caractérisé à l'aide de médianes et d'intervalles interquartiles (IQR) pour présenter des variables quantitatives et des nombres et pourcentages pour présenter des variables qualitatives.

Dans l'échantillon d'apprentissage, quatre modèles de prédiction simples seront ajustés à l'aide d'une régression logistique avec la mortalité comme résultat. Le premier modèle comprendra uniquement GCS en tant que terme linéaire, le deuxième GCS en tant que terme linéaire et le temps jusqu'au GCS modélisé à l'aide de splines cubiques restreintes, le troisième uniquement le GCS en tant que variable ordinale et le quatrième modèle GCS en tant que variable ordinale et le temps jusqu'au GCS. GCS modélisé à l'aide de splines cubiques restreintes. Pour éviter le surajustement, un facteur de retrait sera estimé à l'aide d'une procédure de bootstrap qui sera ensuite appliquée aux coefficients du modèle.

Les quatre modèles seront ensuite appliqués dans l'échantillon de validation et leurs performances prédictives estimées et comparées. Les performances prédictives de chaque modèle seront évaluées à l'aide de l'aire sous la courbe des caractéristiques de fonctionnement du récepteur (AUROCC), des valeurs prédictives positives et négatives. Les différences de performance prédictive entre les modèles et les intervalles de confiance à 95 % associés seront estimés à l'aide du bootstrap.

Chacun des échantillons de formation et de validation sera ensuite divisé en sous-échantillons en fonction du temps jusqu'au GCS, de sorte que le premier sous-échantillon comprend des patients avec un temps jusqu'au GCS < 2 heures et le deuxième sous-échantillon comprend des patients avec un temps jusqu'au GCS entre deux et quatre heures et ainsi de suite. par blocs de deux heures. Dans chacun des sous-échantillons d'apprentissage, un modèle logistique simple sera ajusté, y compris GCS comme terme linéaire comme seule variable indépendante. Le coefficient de GCS dans chaque modèle sera réduit.

Le modèle développé dans le premier sous-échantillon d'apprentissage sera ensuite appliqué au premier sous-échantillon de validation et ainsi de suite. Les performances du modèle dans chaque sous-échantillon de validation seront évaluées à l'aide de l'AUROCC et de l'erreur quadratique moyenne. La tendance de ces mesures dans les sous-échantillons de validation sera ensuite quantifiée à l'aide d'un modèle linéaire généralisé simple avec des données de mesure de performance comme variable de résultat et une transformation non linéaire du numéro d'indice de bloc à l'aide de splines cubiques restreintes à trois nœuds comme seule variable indépendante.

Stratégie pour gérer les données manquantes

Si la taille d'échantillon requise est atteinte si seuls les patients disposant de données complètes sur le résultat, la variable explicative et les covariables sont inclus, une analyse de cas complète sera effectuée. Sinon, les données manquantes seront traitées par imputation multiple à l'aide d'équations chaînées. Le nombre d'ensembles de données imputés sera égal au pourcentage d'observations incomplètes. L'analyse sera effectuée séparément dans chaque ensemble de données imputées et les principaux résultats seront présentés sous forme de médianes avec IQR pour toutes les imputations. Pour les intervalles de confiance, les valeurs les plus extrêmes des limites supérieures et inférieures regroupées seront indiquées.

Taille de l'étude

L'analyse la plus gourmande en données est susceptible d'ajuster le modèle avec GCS comme variable ordinale et le temps jusqu'à GCS comme splines cubiques restreintes et, par conséquent, la taille de l'étude est estimée pour tenir compte de cette analyse. Les études de simulation indiquent que les modèles de régression logistique ont besoin d'au moins dix événements, ou observations avec le résultat, par paramètre inclus pour générer des estimations de coefficients fiables. La modélisation de GCS en tant que variable ordinale impliquera l'estimation de coefficients pour onze paramètres et l'inclusion du temps jusqu'à GCS ajoute deux paramètres supplémentaires. Le nombre total de paramètres est alors de 13, indiquant un besoin d'au moins 130 événements. En supposant une prévalence de résultat de 20 % sur la base de recherches antérieures, l'échantillon de formation doit inclure au moins 650 observations. Si ce nombre est inférieur à la moitié de l'échantillon complet, les échantillons d'apprentissage et de validation seront générés en divisant l'échantillon complet en deux parties de taille égale. Si l'échantillon complet comprend moins de 1300 observations, les 650 premières observations seront incluses dans l'échantillon d'apprentissage et les observations restantes seront incluses dans l'échantillon de validation. Quoi qu'il en soit, les échantillons seront créés de manière à ce que la contribution relative de chaque centre soit approximativement la même dans les deux échantillons.