Influence du choix inotrope sur la morbidité et la mortalité en chirurgie cardiaque pédiatrique complexe (CHUBpedCSino)

L'utilisation des inotropes étant très variable d'un anesthésiste à l'autre, les chercheurs veulent étudier si le choix des médicaments inotropes a un impact sur la morbidité-mortalité en chirurgie cardiaque pédiatrique.

Les enquêteurs examineront rétrospectivement les dossiers des patients opérés de janvier 2008 à décembre 2018. Les investigateurs se concentreront sur les patients à haut risque définis comme ayant un âge ≤ 1 an, un score RACHS ≥ 3 et une chirurgie cardiaque complexe (procédure de commutation, défaut du canal auriculo-ventriculaire, coarctation aortique ou interruption de l'arc aortique, tronc artériel, valvuloplastie mitrale). Les investigateurs visent une population d'étude d'environ 250 patients. Le résultat principal sera le score MODS défini par le décès ou le dysfonctionnement de 2 organes (insuffisance circulatoire, respiratoire ou rénale).

Analyses statistiques:

Un score de propension sera réalisé sur deux groupes : Dobu et Milri. Après 15 imputations multiples des ensembles de données à l'aide du package R souris, le package CBPS R sera utilisé pour effectuer le score de propension, en estimant un effet de traitement moyen (ATE), en utilisant l'équilibrage des covariables et en demandant une correspondance exacte, ce qui s'est avéré être supérieur aux approches de régression logistique traditionnelles et arbres de classification et de régression améliorés . Une différence standardisée absolue inférieure à 10-15 % sera considérée pour soutenir l'hypothèse d'équilibre entre les groupes car elle n'est pas affectée par la taille de l'échantillon, contrairement aux valeurs P, et elle peut être utilisée pour comparer l'équilibre relatif des variables mesurées. dans différentes unités. La moyenne et l'écart-type obtenus après appariement pour les variables continues, et le pourcentage pour les variables catégorielles seront présentés. Après le score de propension, les enquêteurs utiliseront le package Survey R pour effectuer des régressions logistiques pour les variables de résultat binaires et des régressions linéaires pour les résultats continus, qui incluront l'effet du groupe de traitement, le poids résultant de l'appariement et les variables présentes dans le score de propension dans afin d'obtenir un estimateur doublement robuste qui corrigera le dernier déséquilibre possible restant entre les covariables et produira un effet de traitement non biaisé. Le package Survey R inclut les erreurs standard corrigées de Huber-White, qui maintiennent les erreurs standard sans biais même en cas d'hétérogénéité des résidus. Enfin, l'avantage d'un estimateur doublement robuste est qu'il n'a besoin que d'un seul des deux modèles (score de propension et régression logistique après le score de propension) pour être correctement spécifié. Il a été démontré que l'approche dite "à l'intérieur", c'est-à-dire la moyenne des effets du traitement sur les 15 régressions logistiques et linéaires, produit des estimations moins biaisées que l'"approche transversale", c'est-à-dire qu'elle effectue des régressions linéaires ou logistiques sur des ensembles de données appariés imputés en moyenne - surtout lorsque les données manquantes sont liées au groupe de traitement. Le logiciel R (R Core Team, 2019), version 3.6.2. seront utilisés pour produire les résultats.