Développement et évaluation de l'indice de fragilité électronique+ (eFI+)

Technologies de la santé en cours d'évaluation

L'eFI+ sera développé à l'aide de composants de l'eFI original, complétés par des données supplémentaires de DSE de soins primaires de routine et des conseils sur les avantages supplémentaires de la mise en œuvre de mesures cliniques simples dans la pratique de soins primaires de routine. L'eFI+ sera adapté à une mise en œuvre rapide dans les systèmes de DSE de soins primaires au Royaume-Uni, en s'appuyant sur les liens étroits existants avec les fournisseurs de systèmes (SystmOne/EMISWeb/Vision/Microtest).

Les enquêteurs développeront, puis valideront en interne et en externe l'eFI+ à l'aide de la banque de données SAIL (Secure Anonymised Information Linkage), de la base de données ResearchOne et du Leeds Data Model (LDM).

En outre, les enquêteurs analyseront les données de l'étude de cohorte Community Aging Research 75+ (CARE75+) (CI Clegg, n≈1 200) en tant que seule étude de cohorte nationale à inclure les scores eFI, afin d'étudier comment des mesures simples peuvent être évaluées dans les soins primaires, mais ne sont pas disponibles dans les données de routine du DSE (par ex. vitesse de marche, test chronométré; activités de la vie quotidienne; solitude) peut améliorer la prédiction.

Étudier le design

Développement de modèles pronostiques, validation interne et validation externe à l'aide de données de recherche en soins primaires de routine (ResearchOne), d'ensembles de données liés (banque de données SAIL et LDM) et de données d'études de cohorte (CARE75+), avec modélisation analytique décisionnelle intégrée, y compris analyse économique de la santé.

Bases de données

1. Banque de données SAIL (Secure Anonymised Information Linkage)

   Dossiers anonymisés d'environ 5 millions de personnes au Pays de Galles, avec soins primaires liés, fréquentation des services d'urgence, admissions à l'hôpital, données sur les patients externes, soins sociaux, ensemble de données sur les foyers de soins gallois et données de mortalité de l'ONS. SAIL comprend des scores récapitulatifs eFI et des composants individuels.

2. RechercheUn

   Données anonymisées représentatives au niveau national d'environ 6 millions de dossiers de santé électroniques de soins primaires au Royaume-Uni sur le système clinique TPP SystmOne. ResearchOne comprend des scores récapitulatifs eFI et des composants individuels.

3. Modèle de données de Leeds (MLD)

   Données de soins primaires, secondaires, communautaires et sociales anonymisées et liées de 810 000 patients dans 108 cabinets à Leeds, y compris les scores récapitulatifs eFI et les composants individuels.

4. Cohorte communautaire de recherche sur le vieillissement 75+ (CARE75+)

Étude de cohorte prospective nationale (n≈1 200) recueillant des informations sociodémographiques détaillées, des mesures de fragilité (y compris les scores eFI), des instruments simples adaptés à une utilisation en soins primaires (par ex. vitesse de marche, test chronométré; activités de la vie quotidienne; soins informels; solitude) et les résultats clés à six, 12, 24 et 48 mois. CARE75 + est un ensemble de données très riche qui fournit une méthode très efficace pour étudier comment des instruments simples pourraient augmenter les performances de l'eFI.

Population éligible

Patients ≥ 65 ans présentant une fragilité modérée (score eFI de 0,24 à 0,36) ou une fragilité sévère (score eFI > 0,36) et inscrits dans un cabinet ResearchOne, SAIL ou LDM au 1er avril 2018.

Tous les participants CARE75+ présentant une fragilité modérée (score eFI de 0,24 à 0,36) ou une fragilité sévère (score eFI > 0,36) seront éligibles.

Résultats pour la prévision des risques (tous les 12 mois)

• Forfait de soins à domicile nouveau ou augmenté
• Visite aux urgences/hospitalisation avec chute ou fracture
• Admission en maison de retraite
• Mortalité toutes causes confondues

Prédicteurs

Composants de l'eFI, complétés par des variables disponibles dans les données de DSE de soins primaires de routine et des mesures d'évaluation clinique pratiques pour une utilisation en soins primaires.

Modèles pronostiques

Chaque modèle de pronostic sera développé et validé en interne dans une seule des bases de données, puis validé en externe dans une deuxième base de données

Taille de l'échantillon pour le développement d'un modèle pronostique

Les extraits SAIL et ResearchOne comprendront chacun ≈600 000 patients âgés de 65 ans ou plus, dont environ 72 000 présentant une fragilité modérée et 24 000 une fragilité sévère. L'extrait de LDM inclura ≈150 000 patients âgés de 65 ans ou plus, dont environ 18 000 présentant une fragilité modérée et 6 000 une fragilité sévère.

Pour le développement de modèles, un indicateur clé de la taille effective de l'échantillon est le nombre d'événements de résultats. Des recherches antérieures sur les résultats d'intérêt et des estimations de faisabilité à l'aide de CARE75 +, ResearchOne et SAIL, informent les estimations du nombre prévu d'événements dans les 12 mois.

• Ensemble de soins à domicile nouveaux ou augmentés : 15 864 événements prévus dans SAIL, sur la base d'une incidence de 14,9 % sur 12 mois dans le groupe de fragilité modérée (10 080 événements) et de 24,1 % d'incidence sur 12 mois dans le groupe de fragilité sévère (5 784 événements).
• Visite aux urgences/hospitalisation avec chute ou fracture : 8 064 événements prévus dans l'étude SAIL, sur la base d'une incidence de 7,4 % sur 12 mois dans le groupe de fragilité modérée (5 328 événements) et de 11,4 % dans le groupe de fragilité sévère (2 736 événements).
• Admission en maison de retraite : 2 160 événements prévus dans ResearchOne, sur la base d'une incidence de 2,0 % sur 12 mois dans le groupe de fragilité modérée (1 440 événements) et de 3,8 % sur 12 mois dans le groupe de fragilité sévère (720 événements).
• Mortalité toutes causes : 12 216 événements prévus dans ResearchOne, sur la base d'une incidence de 10,6 % sur 12 mois dans le groupe de fragilité modérée (7 632 événements) et de 19,1 % d'incidence sur 12 mois dans le groupe de fragilité sévère (4 584 événements).

Par conséquent, même en prenant l'estimation la plus basse des événements incidents sur 12 mois (pour l'admission en maison de retraite), pour chaque résultat, les enquêteurs s'attendraient à au moins 2 160 événements dans ResearchOne ou SAIL. Cela nous permet d'estimer de manière robuste un modèle pronostique pour chaque résultat, même avec jusqu'à 108 paramètres prédicteurs, correspondant à 20 événements par paramètre prédicteur potentiel (2160/20). Cela dépasse les recommandations empiriques de 10 ou 15 événements par paramètre prédictif.

De plus, en supposant de manière prudente que les nouveaux modèles auront un Nagelkerke R au carré de 15 %, la formule de taille d'échantillon de Riley suggère qu'au moins 7,5 événements pour chaque paramètre prédictif garantiront que le surajustement et l'optimisme sont minimisés, lorsque la proportion de résultats est de 3 %. Lors de l'augmentation de la proportion des résultats à 20 % (ensemble de soins à domicile), 9 % (chute/fracture) ou 15 % (mortalité), la taille d'échantillon minimale requise est de 18, 11,5 et 15 événements par paramètre prédictif, respectivement. Les enquêteurs dépassent tout cela, en raison des grands ensembles de données disponibles.

Taille de l'échantillon pour validation externe

Les recommandations actuelles sont qu'au moins 100 événements et 100 non-événements (idéalement 200) sont nécessaires pour la validation externe du modèle pronostique. Nos estimations indiquent beaucoup plus que cela, comme 2160 événements pour le résultat le moins fréquent d'admission en maison de retraite dans SAIL et ResearchOne, et 540 dans LDM (qui ne sera utilisé que pour la validation externe des modèles).

Données manquantes

Traité à l'aide de l'imputation multiple et des règles de Rubin, sous une hypothèse manquante au hasard, y compris le résultat dans le modèle d'imputation, en tenant compte du regroupement des pratiques.

Plan d'analyse

i) Modélisation pronostique

Les chercheurs construiront 4 modèles pronostiques distincts dans les ensembles de données de développement pour prédire le risque de nos 4 résultats clés déclarés chez les personnes présentant une fragilité modérée ou sévère comme point de départ.

Pour chaque résultat, pour les personnes présentant une fragilité modérée (score eFI de 0,24 à 0,36) ou une fragilité sévère (score eFI> 0,36), les enquêteurs développeront et valideront en interne un modèle pronostique contenant uniquement eFI (dans son ensemble tel qu'il est actuellement) puis contenant composants de l'eFI (inclus en tant que prédicteurs) ainsi que des données supplémentaires de DSE de soins primaires de routine. Le modèle de régression sera une régression logistique ou une survie paramétrique flexible, pour des résultats binaires ou de temps jusqu'à l'événement (selon le cas lorsque les enquêteurs observent le codage et la censure de la base de données, etc.), pour produire des risques de résultat à 12 mois.

En raison de la grande taille de l'échantillon, le surajustement devrait être faible, mais les enquêteurs l'ajusteront en utilisant la pénalisation via un facteur de rétrécissement global estimé via le bootstrap. Là où la sélection de variables est considérée comme importante pour la parcimonie, les enquêteurs utiliseront plutôt la pénalisation via un filet élastique. La validation interne utilisera le bootstrap de l'ensemble des données de développement et des estimations ajustées à l'optimisme des performances prédictives produites pour l'étalonnage (par ex. calibration-in-the-large, pente de calibration, observée/prévue), discrimination (par ex. C-statistique) et globale (par ex. Nagelkerke R2) performance des risques prédits. Les variables continues ne seront pas catégorisées et les effets non linéaires potentiels examinés à l'aide de splines ou de polynômes fractionnaires. Les risques non proportionnels pour les prédicteurs seront également examinés avec des termes d'interaction avec le temps.

Tous les modèles seront validés en externe dans une base de données différente. Les statistiques de performances prédictives seront dérivées comme décrit ci-dessus (par ex. C-statistique, pente d'étalonnage), ainsi que des tracés d'étalonnage montrant la concordance entre les risques observés et prédits, sur l'ensemble du spectre des risques prédits, à l'aide d'un lisseur non paramétrique de loess.

Séparément, les chercheurs utiliseront l'ensemble de données CARE75 + pour étudier le pouvoir prédictif supplémentaire des mesures d'évaluation clinique des facteurs pronostiques identifiés à partir des revues qui sont pratiques pour une utilisation dans les soins primaires de routine.

ii) Modélisation de la décision

Les modèles pronostiques seront traduits en un cadre pour guider la prise de décision clinique en identifiant les seuils pertinents de risque prédit, au-dessus desquels la mise en œuvre de nos interventions déclarées est justifiée. Cela nous permettra de générer un modèle analytique de décision (DAM), qui sera examiné à l'aide de courbes de décision et du bénéfice net dans les ensembles de données de validation externes.

iii) Évaluation économique de la santé

L'évaluation économique de la santé se déroulera en deux étapes. L'objectif de la première étape est de fournir une comparaison à court terme sur 12 mois de la rentabilité des scénarios identifiés par la DAM. Pour la deuxième étape, les enquêteurs étendront notre analyse à une évaluation coût-efficacité à long terme de ces scénarios.