Kockázatmodellezés a minőségjavítás érdekében kritikus betegség esetén: a rutinszerűen elérhető adatok legjobb felhasználása

Cél: A felnőttek általános kritikus ellátása, a szív-mellkas kritikus gondozás és a kórházi szívmegállás nemzeti klinikai auditjainak alátámasztására használt kockázati modellek fejlesztése más, rutinszerűen gyűjtött adatforrásokkal való adatkapcsolat segítségével.

A konkrét célok a következők:

1. A felnőttek általános kritikus ellátásának kockázati modelljei javítása az alábbiak révén: (1a) kockázati modellek kidolgozása a mortalitásra meghatározott időpontokban és az események kimenetelének időpontjáig (a CMP és az ONS halálozási nyilvántartásai közötti adatkapcsolat révén); kockázati modellek kidolgozása a (1b) cukorbetegség (a CMP és a National Diabetes Audit közötti adatkapcsolattal) és (1c) a végstádiumú vesebetegség (a CMP és az Egyesült Királyság Veseregiszter közötti adatkapcsolattal) hosszú távú krónikus egészségügyi következményeihez; és (1d) kockázati modellek kidolgozása a későbbi egészségügyi felhasználáshoz és költségekhez (a CMP és a HES közötti adatkapcsolattal)
2. A kardiothoracális kritikus ellátás kockázati modelljeinek javítása: (2a) a kockázati tényezők adatainak bővítése (az Országos Felnőtt Szívsebészeti Adatbázissal való adatkapcsolattal); (2b) kockázati modellek kidolgozása a hosszabb távú halálozásra (a CMP és az ONS halálozási nyilvántartásai közötti adatkapcsolat révén); és (2c) kockázati modellek kidolgozása az egészségügyi ellátás későbbi felhasználásához és költségeihez (a CMP és a HES közötti adatkapcsolattal)
3. .A kórházi szívmegállás kockázati modelljeinek javítása az alábbiak révén: (3a) a kockázati tényezők adatainak bővítése (az NCAA és a HES közötti adatkapcsolattal); (3b) kockázati modellek kidolgozása a hosszabb távú halálozásra, az egészségügyi ellátás igénybevételére és a költségekre vonatkozóan (az NCAA és az ONS közötti adatkapcsolat révén); (3c) kockázati modellek kidolgozása a kritikus ellátás későbbi felhasználásához (az NCAA és a CMP közötti adatkapcsolattal); és (3d) kockázati modellek kidolgozása az egészségügyi ellátás későbbi felhasználásához és költségeihez (az NCAA, az ONS és a HES közötti adatkapcsolattal)
4. A továbbfejlesztett kockázati modellek azonnali átültetése a gyakorlatba a következők révén: (4a) a nemzeti klinikai auditok rutinszerű összehasonlító eredményjelentésévé való átültetése; és (4b) a kutatási eredmények közlése a kritikus ellátásban részt vevő szolgáltatókkal, vezetőkkel, biztosokkal, politikai döntéshozókkal és akadémikusokkal

Adatgyűjtés: A projekt a Case Mix Program (CMP) és a National Cardiac Arrest Audit (NCAA) – a felnőttkori kritikus ellátás és a kórházi szívmegállás nemzeti klinikai auditjai – számára gyűjtött kiváló minőségű klinikai adatokat használja fel. Ezeket az adatokat összekapcsoljuk a National Diabetes Audit, az Egyesült Királyság Veseregisztere és a Nemzeti Felnőtt Szívsebészeti Audit adataival, a Hospital Episode Statistics (HES) rutin adminisztratív adataival és az Országos Statisztikai Hivatal (ONS) halálozási nyilvántartásaival.

Az adatkapcsolatot a HSCIC Data Linkage and Extract Service (DLES) végzi, megbízható harmadik félként. Az azonosítók (a kapcsolódó klinikai adatok nélkül) minden egyes nemzeti klinikai auditból feltöltésre kerülnek a HSCIC biztonságos szervereire. A DLES elvégzi az adatösszekapcsolást, és egy közös kulcsot ad vissza, amellyel ugyanannak a páciensnek az összes rekordja összekapcsolható az adatkészletekben. Az ICNARC-n kívüli három nemzeti klinikai audit egy egyeztetett, álnevesített adatkészletet von ki a kapcsolt rekordokhoz, a DLES pedig kivonja az adatokat a HES-ből és az ONS-ből, és ezeket az adatkészleteket továbbítja az ICNARC-nek. Az ICNARC álnevesített adatkivonatokat állít elő a CMP-ből és az NCAA-ból, és ezeket a közös kulcs használatával összekapcsolja a nemzeti klinikai auditok és a DLES által biztosított adatkészletekkel. Ily módon csak álnevesített adatok lesznek összekapcsolva a több adatforrás között.

Adatelemzés: Az elemzés eredményétől és célkitűzéseitől függően a következő modellfejlesztési megközelítéseket alkalmazzuk:

• A mortalitás modellezése rögzített időpontokban (30 nap, 90 nap, 1 év) logisztikus regresszióval.
• Az eseményig eltelt idő modellezése standard túlélési regressziós módszerekkel, például Weibull és Cox regresszióval.
• Az időközönként cenzúrázott adatok kezelése: Cox-arányos veszélymodellek, kiegészítő log-log modellek részleges valószínűség-becsléssel (az intervallum cenzúrázásának lehetővé tétele érdekében) és diszkrét idejű veszélymodellek.
• A kezdeti idő intervallum cenzúrázásának és a halállal való versengésnek figyelembe vételéhez: Az ok-specifikus Cox-arányos kockázati modelleket és a betegség-halál modelleket figyelembe kell venni.
• A 3. célkitűzés, a spontán keringés (ROSC) visszatérése 20 percnél hosszabb ideig és a túlélés a kórházi elbocsátásig, többszintű logisztikus regressziót alkalmaznak a kórház véletlenszerű hatásaival.
• A kórházi erőforrás-felhasználás és a posztkritikus ellátás költségeinek modellezése: többszintű regressziós modell és Log lineáris regressziós modell.

A kockázat-előrejelzési modelleket megkülönböztetésük, kalibrálásuk és általános illeszkedésük szempontjából egy mérési panel segítségével validálják, amely a következőket tartalmazza: c index; a megfigyelt diagramok az előre jelzett kockázattal szemben; Hosmer-Lemeshow illeszkedési statisztika; Cox-féle kalibrációs regresszió; Shapiro R, Brier pontszáma és a megfelelő hozzávetőleges R2 mértékek; és átsorolás.