Egyszerű megfigyelési kritikus gondozási tanulmányok (SOCCS)

Nyilvántartási eljárások:

A jogosult betegek az intenzív osztályra érkezésüket követő 3 órán belül kerülnek felvételre. A felvételt követően az összes vizsgálati paramétert fizikai és fiziológiai vizsgálattal kell megkapni. Ez megismétlődik körülbelül 12 órával, majd körülbelül 24 órával ezt követően.

Monitoring:

A monitorozást a Groningeni Egyetemi Orvosi Központ (UMCG) kritikus ellátási osztályának független kutatói végzik. A tervek szerint évente egyszer kerül majd sor ellenőrzésre.

Toborzás:

A betegek bevonását és a változók mérését a vizsgálati koordinátor vagy egy társkutató végzi el a fő vizsgáló felügyelete mellett és felelőssége mellett. Megfigyelési jellege miatt ehhez a vizsgálathoz nem kell tájékozott beleegyezést kérni.

Forrásadatok ellenőrzése:

A felvételkor az összes hagyományos hemodinamikai változót fizikális vizsgálat és az alapvető hemodinamikai monitorozás adatainak rögzítése (Philips ImageVue monitor pulzuskövetéssel, elektrokardiogram (EKG), SpO2, artériás nyomásmérésből származó artériás nyomás és/vagy nem-invazív mérésből) nyerik. vérnyomás monitorozás). Minden változó előre meghatározott (lásd az adatszótárat), hogy szabványosítsák a hallgatói kutatók által végzett méréseket.

A betegek általános jellemzőit és a laboratóriumi méréseket elektronikus betegtáblázatokból rögzítettük, és az Acute Physiology and Chronic Health Evaluation (APACHE) II és IV, Simplified Acute Physiology Score II (SAPS) pontszámokat a helyi National Intensive Care Evaluation (NICE) adatbázisunkból vettük ki. A 90 napos és 3 éves bármilyen okból bekövetkezett halálozás nyomon követése az önkormányzati személyi nyilvántartási adatbázis segítségével történik. A hosszú távú nyomon követés különböző forrásokon, például kórházi nyilvántartásokon, háziorvosokon és/vagy közvetlen kapcsolaton keresztül történik.

Adatgyűjtés:

Az intenzív osztályra való felvételt követő 3 órán belül minden változót egyszeri klinikai vizsgálati változókon keresztül megkapnak, és az ápolónőktől és az orvosoktól kérik az előrejelzéseiket. Egyéb változók (pl. laboratóriumi és képalkotó értékeket) az elektronikus betegtáblázatokról kapjuk meg. Az alábbiakban részletesen ismertetjük az egyes változók mérésének indokait és konkrét részleteit.

Szisztémás keringési változók:

Pulzusszám (HR): az ágy melletti elektrokardiográfiás monitor rögzíti. Szabálytalan ritmus esetén (pl. pitvarfibrilláció) a vizsgálók az egy perc alatti átlagos pulzusszámot használják. A pulzusszámon kívül a pitvarfibrilláció jelenlétét is rögzítik.

Szisztolés vérnyomás (SBP), diasztolés vérnyomás (DBP) és átlagos artériás nyomás (MAP): ezeket a szokásos ellátás részét képező artériás vezeték segítségével végzett intravaszkuláris méréssel határozzák meg. Ha nincs behelyezett artériás vonal, a non-invazív mérés összegyűjtésre kerül.

Központi vénás nyomás (CVP): ez akkor kerül rögzítésre, ha a belső jugularis vagy subclavia vénában központi vénás vonal található.

Mikro- és perifériás keringési változók:

Kapilláris utántöltési idő (CRT): ezt 10 másodpercig, lehetőleg a mutatóujj disztális falanxára és a térd középső részére gyakorolt ​​határozott nyomás után kell mérni. Nem küszöbértéket alkalmazunk, hanem folyamatos mérést a különböző CRT-kutatások által normálisnak tartott értékek eltérése miatt.

Bőrhőmérséklet (Tskin): ezt szubjektíven és objektíven mérik. A szubjektív mérés a páciens végtagjainak tapintásával történik. A „meleg” és a „hideg” között különbséget kell tenni a vizsgáztató kezei háti felületén. A betegek „hideg” bőrvégtagjainak minősülnek, ha az összes vizsgált végtag hidegnek minősül, vagy ha csak az alsó végtagok hidegek a meleg felső végtagok ellenére.

A bőrhőmérséklet tárgyiasítására a központi-periférikus és a perifériás-környezeti hőmérséklet-különbség (dTc-p és dTp-a) vagy az alkar-ujj bőr-hőmérséklet gradiens (Tskin-diff) alkalmazása lehetséges. javasolták az irodalomban. A kutatók a központi-perifériális méréseket használják fel:

Közép-perifériális hőmérséklet-különbség (dTc-p): ennek a különbségnek a méréséhez a vizsgálók összehasonlítják a hólyag termisztoros katéterrel mért hólyaghőmérsékletét a bőrszondával mért lábhőmérséklettel (DeRoyal Skin Temperature Sensor termékszám: 81- 010400EU) a bal vagy a jobb lábfejen (háton). A kutatók a húgyhólyag hőmérsékletét a központi hőmérséklet helyettesítőjeként, a lábujjak hőmérsékletét pedig perifériás mértékként fogják használni. Az irodalomban általában 5°C vagy 7°C hőmérséklet-különbséget használnak felső határként. A vizsgálók ezért a 7°C-nál magasabb értékeket abnormálisnak tekintik.

A foltos pontszám: ezt a pontszámot Ait-Oufella és munkatársai írták le 2011-ben. A foltosodás a bőr foltos elszíneződése, amelyet a mikrokeringési zavar okoz. Általában a térd körüli területet érinti. A foltosodási pontszám 0 és 5 között mozog, a foltos terület kiterjedtségétől függően. A 0 vagy 1 pontszám enyhének, 2 vagy 3 közepesnek és 4 vagy 5 súlyosnak minősül.

Vizeletkibocsátás (ml/kg/h): ezt is a rendszeres ellátás részeként mérik. A vizsgálók a vizsgálat előtt (azaz a felvételtől a vizsgálatig) felhasználják a teljes vizeletmennyiséget. Már fennálló veseelégtelenségben szenvedő betegeknél a vizeletürítést nem használják fel.

Egyéb változók:

Légzési frekvencia: ezt az ágy melletti elektrokardiográfiás monitor rögzíti. Ha a beteg gépi lélegeztetést kap, lásd alább.

Gépi szellőztetés: adatokat gyűjtenek a gépi szellőztetés meglétéről és típusáról, valamint alapvető információkat a légzési állapotokról (pl. PEEP és FiO2).

Inotróp és vazopresszor használat: minden inotróp vagy vazopresszin szükséglet, típus, dózis és sebesség rögzítésre kerül. Inotróp/vazopresszornak tekintik a noradrenalint, a vazopresszint, a dobutamint, a dopamint és a milrinont. Nyugtatónak tekintik a midazolámot, a propofolt és az S-ketamint.

A szivattyú működésének és a perifériás keringésnek a becslése: becslést készít a kezelőcsoport egy tagja, vagy a kutató.

Szérum laktát, hemoglobin, troponin-T és kreatinin: ezeket a rendszeres gondozás részeként határozzák meg. Tanulmányi célokra a vizsgálók a vizsgálatunkhoz legközelebb eső értéket fogják használni.

A rendszeres gondozás részeként meghatározott egyéb biokémiai értékek is rögzítésre kerülnek, mint például a pH, a leukociták, a hematokrit stb.

A klinikai vizsgálat elvégzése után a következő általános jellemzőkre vonatkozó információkat kinyerjük a NICE adatbázisból. Ez magában foglalja a demográfiai adatokat (például BMI, életkor és nem), a kórelőzményt, a diagnózisokat és a betegség súlyosságát az APACHE pontszámok, a SAPS, a szekvenciális szervi elégtelenség értékelése (SOFA) és az összes többi közzétett előrejelzési modell különböző generációi alapján. Ebből a célból kiterjedt szakirodalmi keresést hoznak létre és tesznek közzé, majd ezt követően elvégzik annak biztosítására, hogy az összes publikált modell szerepeljen a változókkal együtt. Ezenkívül a vizsgálók összegyűjtik a laboratóriumi értékeket (a részleteket fentebb leírtuk), a vizeletmennyiséget (a részleteket fentebb leírtuk), valamint a rutin felvételi EKG-t és képalkotást. 30 nap elteltével a vizsgálók ismét értékelik a páciens aktáit, hogy információkat gyűjtsenek a napokban eltöltött teljes intenzív osztályon töltött időről.

Adatkezelés:

Az adatokat az OpenClinica segítségével rögzítjük, és elemzés céljából továbbítjuk. Az OpenClinicáról való átvitel után az összes adatot a Stata 15-ös verziójával létrehozott adatbázisban kezeljük (StataCorp, College Station, TX). Minden tantárgy kap egy tantárgyi azonosítót, amely a vizsgálat nevéből és felvételi számából áll. Ezt a vizsgálati tárgyazonosítót az OpenClinica és a Stata is használni fogja. Csak az OpenClinica-ban „vizsgálati igazgató” fióktulajdonokkal rendelkező kutató tudja a vizsgálati alany azonosítóját a betegszámhoz kapcsolni.

Mintaméret értékelése:

Évente 3000 beteg kerül be a négy intenzív osztály egyikébe. Ezek közül körülbelül 1500 nem tervezett sürgősségi felvétel. A kutatók becslése szerint a nem tervezett felvételek fele teljesíti a felvételi kritériumokat. Így 750 beteg jogosult a felvételre. A kutatók azonban azt feltételezik, hogy logisztikai és gyakorlati okokból nem tudnak minden jogosult beteget bevonni. Ezért a vizsgálók célja, hogy évente 400 beteget vonjanak be.

A hiányzó adatok terve:

Először a hiányzó adataink mögött meghúzódó mintát vizsgáljuk meg: teljesen véletlenszerűen hiányzik, véletlenszerűen hiányzik vagy nem véletlenszerűen. A SICS-I-vel kapcsolatos korábbi tapasztalatok alapján várhatóan véletlenszerűen fognak hiányozni az adatok. Ezért az elsődleges elemzéseket a hiányzó adatok imputációjával hajtják végre, többszörös imputáció használatával. A következtetések megalapozottságát csak a rendelkezésre álló adatokat tartalmazó másodlagos érzékenységi elemzések fogják ellenőrizni.

Statisztikai elemzési terv:

A vizsgálók az általános jellemzőket fogják használni egy alaptáblázat létrehozásához. A statisztikai elemzéseket a Stata 15-ös verziójával végezzük (StataCorp, College Station, TX). Az adatok normál eloszlás esetén szórás átlagokként, torz adatok esetén pedig tartományok mediánjaként jelennek meg.

Egyváltozós elemzéseket végeznek, és minden p<0,1 változót beépítenek a többváltozós modellekbe. A többváltozós elemzéseket lépcsőzetes modell segítségével végezzük. A perctérfogatot lineáris regresszióval, a mortalitást pedig logisztikus regresszióval modellezik. Minden elemzést az életkorhoz és a nemhez igazítanak; egyéb általános jellemzőket nem adnak hozzá a modellhez. Minden elemzést kétoldalasan tesztelnek, és a 0,05-nél kisebb p-értékek statisztikailag szignifikánsnak minősülnek.

Ha a minta mérete lehetővé teszi, a vizsgálók különböző alpopulációkban végeznek elemzést. Példák a további elemzésre alkalmas alpopulációkra a szepszisben és/vagy súlyos keringési sokkban szenvedők.

A jövőbeni tervek között szerepel a Machine Learning módszerek alkalmazása a további adatelemzésekhez. A SOCCS-t úgy alakították ki, hogy az adatgyűjtés egyidejűleg a lehető legegységesebb és minél szélesebb körű legyen. Amint azt korábban leírtuk, az intenzív osztályra felvett betegek szinte mindegyike részt vesz a képzésben, köszönhetően a nap 24 órájában rendelkezésre álló, képzett diákcsapatnak. Ez garantálja, hogy új betegek bármikor bekerülhessenek, és lehetőség nyílik nagyszámú egységes adathalmaz létrehozására. Sok változót pontosan regisztrálnak az ágy mellett az intenzív osztályra akutan felvett betegeknél, a felvételt követő 3 órán belül. Mind a hagyományosabb, mind az innovatívabb adatelemzési projektek számára előnyös az optimális adatgyűjtési folyamat. A SOCCS tanulmányhoz gyűjtött összes adat egy kiterjedt és teljes adatbázisba kerül, amelyből a Machine Learning alapú prediktív modellezési tanulmányok könnyen meghatározhatók és beállíthatók. Egy későbbi szakaszban ezeket az adatokat prediktív vagy kockázati rétegződési modellek felépítésére használják fel, amelyek célja a kritikus állapotú betegek evolúciójának valószínűségi nyomon követése, vagy potenciálisan érdekes paraméterek kiemelése a későbbi vizsgálatok számára.

A gépi tanulás (ML) a mesterséges intelligencia egyik ága, amely lehetővé teszi az adattudósok számára, hogy felügyelt vagy nem felügyelt algoritmusokat tervezzenek, hogy következtetések segítségével „tanuljanak” általában nagy adatmintákból. Az ML a génanalízis jól ismert módszereként indult, azóta az orvostudomány számos más területére is elterjedt. Bebizonyosodott, hogy képes fellendíteni a klinikailag orientált kutatásokat, elsősorban az ellátás azon összetevőinek azonosításában és rangsorolásában, amelyek vizsgálata a legtöbb hasznot hozhatja a betegek számára. Továbbá több szerző is beszámolt az ML-alapú keretrendszerek kritikus ellátásban való használatáról, különböző típusú adatok felhasználásával. Ezeket az adatokat különböző módokon lehet megszerezni, leggyakrabban ágy melletti mérésekkel, például a SOCCS és SICS vizsgálatok során, vagy úgy, hogy nagyobb számú paramétert gyűjtenek össze hasonló alanyok csoportjából származó korábbi fiziológiai adatokból.