A COVID-19 ARDS-kezelés, a klinikai pályák és a mechanikus lélegeztetőgéptől való megszabadulás közötti összefüggések – a NorthCARDS adatkészlet elemzése (NorthCARDS)

A nyomozók a NorthCARDS adatkészletet fogják felhasználni ehhez az elemzéshez. Ez az adatkészlet több mint 1500 olyan személyt tartalmaz, akiket felvettek a Northwell Health System-be, akiknek PCR-pozitív COVID19-tesztje volt, és invazív gépi lélegeztetést kaptak az ARDS miatt. A regiszterfejlesztés 2020 áprilisában indult, és a Northwell egészségügyi kórházak minden mechanikusan lélegeztetett COVID19 ARDS-betegére vonatkozó jövőbeli adatgyűjtéssel folytatódik. Az adatok strukturálásáról és tervezéséről heti rendszerességű, multidiszciplináris felülvizsgálat tájékoztatja az orvosi informatika frontvonalbeli klinikusait, adattudósait, biostatisztikusait és adatmérnökeit. Véletlenszerűen kiválasztják a betegeket az egyéni „kézi” diagram áttekintéshez az adatfeltevésekhez és a rögzítéshez.

A többváltozós regressziós elemzéssel modellezendő két eredmény a következő lesz:

1. Index kórházi túlélés és
2. A gépi szellőztetésből való megszabadulás ideje.

A gépi lélegeztetés alóli felszabadulást nem palliatív extubációként és egy hétnél hosszabb ideig tartó tartós extubációként határozzák meg. Az eredményeket az egészségügyi nyilvántartások elektronikus lekérdezéséből kapják meg. Azokat a betegeket, akiknél a kivizsgálók 2020. november 30-ig nem rendelkeznek eredményadatokkal, az elemzések során cenzúrázzák, a leíró statisztikákat pedig összefoglaljuk és külön mutatjuk be.

A vizsgálók ezt az elemzést mindkét hipotézis-vezérelt módszerrel közelítik meg, ahol a rossz eredmények ismert kockázati tényezőit beépítik a többváltozós regressziós modellekbe (logisztikai regresszió az 1. modell esetében és Cox-arányos kockázatok a 2. modell esetében); és a kutatók adatvezérelt változók kiválasztását is elvégzik a modellekhez. A modellekbe eleve meghatározott kockázati tényezők a következők lesznek: életkor, nem, BMI, funkcionális állapot a kiinduláskor (gondozóotthoni felvétel kontra közösségi felvétel), társbetegségek (koszorúér-betegség, krónikus vesebetegség, neurológiai rendellenességek, COPD, cukorbetegség, Aktív rák, magas vérnyomás); Fekvőbeteg-kezelések (folyamatos értékek esetén (max., medián, pálya)), beleértve a PEEP-szinteket, a vezetési nyomást, a FiO2-t, a hipoxémiát (Pao2:Fio2), a mechanikus lélegeztetőgép típusát (hordozható vagy nem), a COVID-célzott gyógyszereket (pl. azitromicint) , hidroxiklorokin, kortikoszteroidok); és végszervkárosodás a kórházban: májműködési zavar, veseműködési zavar, koagulopátia (a SOFA pontszámok alapján), szívműködési zavar és sokk, amely vazopresszort/inotropot igényel. A naptári idő, a kórház típusa (közösség versus felsőoktatási kórház) és a kórházi kapacitás (amely a betöltött kórházi ágyak számában és a sürgősségi felvételi sorrendtől a fekvőbeteg-ágyra való áthelyezésig eltelt időben mérve) szintén szerepelni fog az elemzésekben, hogy figyelembe vegyék az időbeli és az eredmények szisztémás hatásai.

A végső modellek tartalmazni fogják a visszamenőleges kiválasztási folyamat során kiválasztott változókat, valamint az adatvezérelt módszerek révén magas rangú változókat, beleértve a Lasso-büntetéssel szabályosított logisztikus regressziós modellt és a Lasso-büntetéssel szabályosított Cox-arányos kockázati modellt. A modell teljesítményét az 1. modellre (kórházi túlélés) a C-statisztika segítségével értékeljük.

A Model 2 modell teljesítménye (a mechanikus lélegeztetőgép felszabadításáig eltelt idő) a cenzúrázott adatokhoz adaptált C-statisztikán alapul.

Hiányzó adatok kezelése: Ha az (1) modellhez (kórházi túlélés) hiányoznak az eredményadatok, ha az eredmények kevesebb mint 5%-a hiányzik, teljes esetelemzést alkalmaznak; Ha több mint 5% hiányzik, érzékenységi elemzést végeznek úgy, hogy feltételezik, hogy az összes hiányzó eredmény lejárt vagy élő, hogy megnézzék, az eredmények hasonlóak-e a teljes esetelemzés eredményeihez.

Ha a (2) modell (mechanikus lélegeztetés alóli felszabadulás) eredményadatai hiányoznak, a hiányzó eredményt cenzúrázottnak tekintjük.

Ha a kohorszunk összességében kevesebb, mint 5%-a rendelkezik hiányzó adatokkal bármely kockázati tényezőre vonatkozóan, akkor csak azokat a betegeket veszik figyelembe, akiknél az összes kockázati tényező teljes értéke van (a többit el kell dobni).

Ha a kohorsz > 5%-ánál hiányoznak az adatok bármely kockázati tényezőre vonatkozóan, a hiányzó adatokat többszörös imputációval imputáljuk.

Ha egy rizikófaktor a betegek > 50%-ánál hiányzik, a változó nem kerül bele az elemzésbe.

Feature Engineering/Data Reduction: Azt is megvizsgáljuk, hogy az egy kováltozónak tekintett kováltozók kombinációi növelik-e a modell teljesítményét. Ez magában foglalja a COVID-19 betegségindexet (hipergyulladásos markerek kombinációja, PaO2:FiO2 index az intubáció idején, az intubáció idején vazopresszort igényel, valamint az oxigénellátási index) és a standard ARDS kezelési protokollok betartását (vezetési nyomás, akár kevesebbet kapnak mint 6-8 cc/kg becsült testtömeg, függetlenül attól, hogy hajlamos-e vagy sem).