A COVID19 súlyosságának előrejelzése és az egészségügyi szolgáltatások kutatásának értékelése

Háttér: A járvány egyik alapvető problémáját az határozza meg, hogy a SARS-CoV-2-vel fertőzött betegek nagy százaléka gyors klinikai állapotromlást mutat, ami miatt gondozásra szorulnak a kritikus osztályokon. Az ezekhez a súlyosabb állapotokhoz kapcsolódó tényezők azonosítása lehetővé tenné számunkra annak felmérését, hogy előre bevezethetők-e megelőző vagy terápiás intézkedések, vagy jobban megtervezhetjük az ezeknek a betegeknek nyújtandó szolgáltatásokat akár a járvány jelenlegi hullámában, akár azokban ami a jövőben előfordulhat.

Célok: A projekt célja, hogy rétegződési skálákat hozzon létre a SARS-CoV-2-vel fertőzött betegek rossz evolúciójának kockázatára vonatkozóan, amelyet klinikai állapotromlás, ARDS, szepszis, SRIS, szeptikus sokk vagy halálesetként határoznak meg. További célok: 1. Értékelni a betegek hozzáférhetőségét és méltányosságát a különböző ellátási folyamatokban, diagnosztikai és terápiás eljárásokban, különös tekintettel a lakóhelyről érkezett betegekre, életkor, nem vagy földrajzi származás szerint. 2. Értékelje a járványban alkalmazott különböző terápiás sémák hatékonyságát. 3. - Értékelje a betegek rossz fejlődésének előrejelzésére használt különböző diagnosztikai tesztek hatékonyságát. 4. - Értékelje a COVID-19 betegek kórházi kezelésével kapcsolatos valós költségeket. Módszerek: Az információkat többnyire az elektronikus kórlapból nyerik ki. , de az előrejelzés bizonyos alapvető paramétereihez (klinikai megnyilvánulások, a tünetek megjelenésének időpontja és a tünetek időtartama, valamint a járványtörténet) manuálisan kell elvégezni. Statisztikai elemzés: Logisztikus regressziós/túlélési modelleket/mesterséges intelligencia-algoritmusokat hoznak létre a CoVid-19-ben szenvedő betegek rossz fejlődésének előrejelzésére.

Két minta van benne: 1. – Valamennyi COVID19-pozitív ember Baszkföldről (körülbelül 18768 fő); 2. – A járvány első hullámában, május 31-ig, a vizsgálatban részt vevő centrumokban COVID 19 miatt felvett betegeket bevonjuk (Baszkföld esetében a betegek egy része a # számú lakossági mintából kerül ki) 1 korábban leírtak). Ha egy bizonyos entitás új hullámai lennének (központonként több mint 100 felvétel egy hónapban), akkor ezt az információt később is összegyűjtik. A nyomozók eddigi információi alapján a nyomozók úgy látják, hogy a nyomozóknak 6000-7000 között lenne kiválasztanivalójuk. Később az őszi hullám betegeit, ha adnák, 2021 május végéig gyűjtenék, az első hullámhoz való nagyobb időbeli hasonlóság miatt.

Mintavétel: Az orvosi nyilvántartásból áttekintendő információkat a járvány első hullámától 2020 márciusa és májusa között gyűjtik, ahol véletlenszerű mintavételt végeznek. A 2020-2021-es őszi-téli második hullámban véletlenszerű mintát is gyűjtenek a betegekből, amely elegendő ahhoz, hogy megfeleljen a második hullám becsült mintanagyságának. Ha nem, akkor a mintanagyságot az első hullám pácienseivel egészítik ki.

VÁLTOZÓK: Kitettség: 1.-Szociodemográfiai adatok: Életkor, nem, lakóhely (igen / nem), származási ország. 2.- Személyes anamnézis: társuló betegségek; Alapkezelések stb. 3.-Betegségtörténet 4.-Fizikális vizsgálat otthon vagy AP. 5.-Kórházi anamnézis: tünetek a sürgősségi osztályra érkezéskor, életjelek, jelek és fizikális vizsgálat, Laboratóriumi vizsgálatok, mellkas röntgen minta, CAT minta, megállapított kezelések, intenzív osztály adatai.

Eredmény: Klinikai károsodás: Légszomj nyugalomban, ARDS kialakulása, szepszis, SIRS, sokk, intenzív osztályra kerülés, Halál (dátum). A tünetek enyhülése, napok a betegség hiányáig, halál.

Nyomon követés (6 hónap): Visszafogadások, Új diagnózisok, Szövődmények, A fibrogenezis biomarkerei, A diagnosztikai eljárás eredményei (röntgen, MRI, CT), Halál (dátummal és okokkal) Költségek (index és 6 havi bevétel): Sürgősségi ill. programozott belépő; a felvételi napok száma (minden egyes egységben / üzemben / intenzív osztályon / vészhelyzetben); laboratóriumi vizsgálatok (szám és típus); azon napok száma, amikor légzéstámogatásra volt szükség; a tartózkodás alatt alkalmazott kezelések (gyógyszer, dózis, adagolás, időtartam); a vizsgálati időszak alatt végzett diagnosztikai eljárások (röntgen, MRI, CT stb.); végrehajtott sebészeti beavatkozások; külső konzultációk (szám és szolgáltatás); nappali kórház (szám és eljárások); AP és otthoni látogatások (COVID-19-hez kapcsolódóan) ADATGYŰJTÉSI MÓDSZEREK: A manuális adatkinyerést a felülvizsgálók végzik, központonként az egyes PI-k felügyelete mellett. Az összes összegyűjtött adat bekerül a RedCap adatbázisba. Az információk kinyerése után egy közös adatbázis jön létre a későbbi elemzéshez.

STATISZTIKAI ELEMZÉS. A vizsgálati egység a beteg lesz. A teljes minta leíró elemzését elvégzik. Egyváltozós elemzést kell végezni az érdeklődésre számot tartó kimeneti változókhoz kapcsolódó lehetséges tényezők vagy változók meghatározására. A többváltozós analízis során különböző modelleket készítenek a kérdéses függő változó szerint. Dichotóm függő változók esetén logisztikus regressziós modelleket alkalmazunk. Statisztikai szignifikancia akkor lesz feltételezve, ha p <0,05, és minden elemzés SAS v9.4 és R statisztikai szoftverrel történik. Ezenkívül a változók előrejelzését egyenként értékeljük az egyes változók és a rossz fejlődés közötti statisztikai korreláció mérésével; és együttesen megvizsgáljuk a kombinációkból a rossz evolúció előrejelzésének képességét, amelyet a mögöttes statisztikai kapcsolatokból származó változók közötti asszociációs szabályok generálásával kapunk meg.

A különböző megfigyelt kezelési lehetőségek összehasonlító hatékonyságának elemzése a kezelési szándék alapján történik. A leíró statisztikai technikákon túlmenően egy eseményig (halálozási) túlélési elemzést is végeznek a többváltozós Cox-arányos hazard regresszióval, valamint egy paraméteres túlélési elemzést a megfelelő eloszlással (Weibull stb.) becsléssel együtt. átlagos túlélés. Az összehasonlító hatékonyság értékeléséhez hajlampontszám-technikákat alkalmaznak összehasonlítható kezelési csoportok létrehozására az alapvonal kovariánsainak a kezelés valószínűségének fordított súlyozásával történő kiigazításával. Ezen túlmenően, és mivel előreláthatóan több kezelési csoport lesz, az általánosított megnövelt modelleknek nevezett speciális becslési eljárást kell alkalmazni.

A költségadatok elemzéséhez, mind a kapcsolódó változók elemzéséhez, mind a költség-összehasonlítási célhoz GLM regressziós technikákat alkalmazunk az adatokhoz legjobban illeszkedő eloszlástípussal (a Modified Park Test használatával), bár lehetőleg a gamma ill. a logaritmuscsaládot használjuk hivatkozásként. Az adatok elemzése a Stata v14.2 programmal történik.

ETIKAI ÉS BIZALMASSÁGI SZEMPONTOK. A projektet a kutatási bizottságok és a Kutatási Etikai Bizottság (CEIm) értékelték, ahol jóváhagyták. A személyes adatokra vonatkozó törvényeket betartjuk (RGPD 2018) Minden információt abszolút bizalmasan kezelünk.

Várt eredmények: A CoVid-19 fertőzés gyenge evolúciójának prediktív modelljein alapuló prognosztikai rétegződési eszköz: ARDS, SRS, szepszis és/vagy szeptikus sokk és/vagy halálozás klinikai állapotromlása és kialakulása. Ez az eszköz segít a betegek legmegfelelőbb klinikai kezelésében, főként a legsúlyosabb tünetekkel rendelkező betegeknél, amelyek figyelmet igényelhetnek a kritikus osztályokon. Ezen túlmenően ennek a tanulmánynak az a célja, hogy tájékoztatást adjon az esetlegesen nyújtott egészségügyi ellátás változékonyságáról és költségeiről, mind a diagnosztikai tesztek, mind a különböző terápiás lehetőségek alkalmazása során, valamint a végül kapott eredmények tekintetében. A kutatók arra törekszenek, hogy azonosítsák a különböző csoportok (idősek, lakóhellyel rendelkezők, nemek szerint, magasabb szintű társbetegségek, bevándorlók stb.) elérhetőségi problémáit, és ez segíthet azonosítani az egészségügyi szolgáltatásokhoz való hozzáférés egyenlőségével kapcsolatos problémákat.