Score du système d’alerte précoce pour détérioration clinique (CDEWS)

Phase 1. Dérivation du modèle prédictif Les données des patients admis dans les centres participants en 2017 seront extraites du dossier médical électronique OBI et du système de gestion des données de laboratoire. L'analyste de données engagé dans ce projet, ainsi que les collaborateurs cliniques, de l'unité de gestion de la santé et de l'unité de recherche, seront responsables du nettoyage et du nettoyage des données ainsi que de la génération et de la validation interne du modèle prédictif.

Phase 2 : Implémentation dans le dossier médical électronique : Une fois le modèle et l'échelle de risque générés, il sera mis en œuvre comme système d'alarme dans Osabide Global dans les centres participants. A cet effet, un guide d'action sera élaboré par l'UGS du HGU qui, une fois validé, sera ensuite exporté vers les deux autres centres. Le système fonctionnera sur la base des éléments RIC associés aux signes vitaux et guidera les professionnels tout au long du processus, afin que le médecin dispose des données analytiques qui se sont révélées nécessaires au calcul du risque, ou en cas qu'on n'a pas demandé au patient ce test de laboratoire spécifique, ni les recommandations d'extraction. Une fois que le système dispose de toutes les données, un avertissement apparaîtra à l'écran avec les résultats de l'échelle de risque et la catégorie de risque léger-modéré-sévère et un rapport avec des recommandations d'action.Recommandations basées sur l'échelle ViEWS, du médecin informer l'infirmière responsable dès le début de la surveillance continue et visite en moins de 15 minutes du médecin traitant responsable qui informera également le médecin de réanimation du transfert du patient vers une unité où il sera suivi et pris en charge, sont donnés en annexe 1. Le système d'alarme sera présenté au HGU par les collaborateurs cliniques, le GSU et l'analyste de données. L'analyste de données sera, avec les co-chercheurs, la personne chargée de générer le système d'alarme, de participer aux réunions au cours desquelles il est présenté dans les centres et par la suite, effectuera une exploration constante de l'utilisation et du respect de l'échelle de risque, recueillera les doutes et les problèmes pouvant survenir lors de la mise en œuvre du système, et sera également responsable de la mise en œuvre de l'échelle de risque.

Phase 3 : Validation externe du modèle prédictif. Comparaison des résultats cliniques : Le modèle prédictif sera validé une fois que 100 événements par centre se seront produits (espérons-le une fois qu'environ 8 000 patients auront été admis). Pendant ce temps, des données seront collectées pendant et après la mise en œuvre afin de comparer les détériorations cliniques observées avant et après la mise en œuvre. L'analyste de données extraira les informations, les triera et les nettoiera afin de pouvoir réaliser ultérieurement les analyses statistiques correspondantes.

ANALYSE STATISTIQUE

La procédure de traitement des données du présent projet sera établie suivant les étapes suivantes, divisées en deux sections :

A) Développement et validation de modèles prédictifs de détérioration clinique, de transfert en unité de soins critiques, d'arrêt cardiorespiratoire ou de décès en cours d'hospitalisation.

Analyse descriptive de la cohorte de dérivation du modèle/validation interne composée de patients des trois centres participants de la cohorte rétrospective. Des informations sur les pertes dans les variables enregistrées dans l'étude seront collectées. Des informations sur les patients exclus seront également collectées. La possibilité d'appliquer des techniques d'imputation aux données manquantes dans les variables enregistrées sera évaluée.

2.- Les points suivants seront suivis pour la création des modèles prédictifs : a. L'échantillon collecté doit être divisé en deux sous-échantillons : Groupe de dérivation 1 : L'échantillon total sera divisé en 60 % pour le dérivation des modèles prédictifs pour la principale variable de résultat - détérioration clinique ; Groupe 2 de validation des règles prédictives : les modèles seront validés dans cet échantillon (40% de l'échantillon). Des analyses seront également effectuées ventilées par sexe. b. Dans le groupe 1, les facteurs de risque de détérioration clinique seront identifiés, ainsi que de transfert en unité de soins intensifs, d'arrêt cardiorespiratoire ou de décès en cours d'hospitalisation. Une analyse bivariée sera effectuée pour étudier lesquelles des variables prédictives possibles sont liées à chaque paramètre de résultat. Les variables avec une valeur p <0,20 seront identifiées comme prédicteurs potentiels à saisir dans un modèle de régression logistique multivariée à plusieurs niveaux. Les variables statistiquement significatives seront choisies pour l'échelle finale. Les catégories de variables de ce modèle se verront attribuer un score par rapport au paramètre β obtenu dans ce modèle multivarié. De cette façon, un score total et une courbe ROC seront obtenus pour celui-ci. A partir de cette échelle, X catégories de risques seront créées.

3.- Qualité de l'ajustement et comparaison des modèles prédictifs développés. Des paramètres seront trouvés pour évaluer la capacité discriminante et de calage des modèles prédictifs développés dans la section 2. D'une part, dans le cas de variables dépendantes dichotomiques, l'aire sous la courbe ROC (AUC, capacité discriminante) sera calculée en considérant une valeur >0,80 pour être un modèle prédictif robuste. En plus de l'AUC, la calibration du modèle sera estimée grâce au test Hosmer-Lemeshow (bon calibrage pour une valeur p ≥0,05).

4.- Validation interne des modèles prédictifs La validation du modèle prédictif sera effectuée dans le groupe de validation 2. Le modèle prédictif et l'échelle seront validés dans ce groupe en réfléchissant aux valeurs prédites obtenues dans l'échantillon de dérivation (groupe 1) . La sensibilité, la spécificité et l'aire sous la courbe seront obtenues en les comparant avec les résultats obtenus dans l'échantillon de dérivation. La capacité d'étalonnage des modèles sera évaluée par le test Hosmer-Lemeshow et la capacité de discrimination par les courbes ROC. Comme forme de validation interne supplémentaire, une validation par des méthodes d'amorçage sera effectuée.

5.-Validation externe des modèles prédictifs La validation externe des modèles développés dans la cohorte rétrospective sera appliquée à la cohorte prospective. Le prédicteur linéaire (LP) sera d'abord trouvé dans les cohortes restantes en considérant les coefficients de régression obtenus dans les modèles originaux. Des modèles de régression logistique seront développés. Trois procédures principales seront considérées pour la validation externe de ces modèles : l'ajustement du modèle, la discrimination et le calage. Premièrement, pour vérifier l'ajustement du modèle, nous développerons un modèle de régression logistique sur les cohortes restantes, en considérant LP comme covariable pour estimer son coefficient de régression bêta. Si le coefficient de régression bêta de la pente est de 1, elle sera considérée comme un bon ajustement. Deuxièmement, pour évaluer la discrimination du modèle, l'AUC sera calculée, par des méthodes de bootstrap et de validation croisée. Une valeur d'AUC >0,80 sera considérée comme un modèle prédictif robuste. Troisièmement, l'étalonnage sera évalué en calculant l'étalonnage global, la pente d'étalonnage (toutes deux dérivées des tracés d'étalonnage) et le test Hosmer-Lemeshow.

B) Évaluation du SAP pour déficience clinique 6.- Comparaison des résultats : Pour la comparaison des résultats après la mise en œuvre du système d'alarme, une comparaison sera faite des pourcentages de patients souffrant de détérioration clinique avant et après sa mise en œuvre du HGU et également entre les pourcentages apparaissant dans le HGU, où le système d'alarme sera mis en œuvre et les HUD et HUA où ils poursuivront leur pratique habituelle pendant cette période d'évaluation. Afin d'évaluer la possibilité de biais survenant lors de la constitution des cohortes, un score de propension sera calculé pour expliquer la probabilité d'être affecté à l'une (patients HGU) ou à l'autre cohorte (HUD+HUA) conditionnellement aux variables indépendantes observées et expliquées. dans la section "Variables d'exposition". Ce score de propension sera saisi comme variable indépendante dans une réplication des modèles finaux avec l'exposition et les coefficients obtenus dans les deux cas seront comparés.