Légzéstámogatás és a COVID-19 mortalitás

statisztikai módszerek

A folyamatos adatokat átlag és szórás (SD) formájában jelenítjük meg, ha normál eloszlást követnek, hisztogramokkal és Q-Q diagramokkal értékelve; egyébként medián és interkvartilis tartományként (IQR). A kategorikus adatok számok és százalékok formájában jelennek meg. A hiányzó adatok nem számítanak be. Egy adott elemzésből kizártuk azokat a betegeket, akik a kapcsolódó változóhoz tartozó adatok hiányoztak.

Az első cél a különböző NIV-ek relatív hatékonyságának vizsgálata, beleértve a nagy áramlású orrkanült (HFNC), a kétszintű pozitív légúti nyomást (BiPAP) és a folyamatos pozitív légúti nyomást (CPAP). A betegeket három csoportra osztják az első alkalommal kapott NIV típusa szerint. Azok a betegek, akik invazív mechanikus lélegeztetést (IMV) kaptak a NIV előtt, kizárásra kerülnek. Azok a betegek, akik két vagy három különböző típusú NIV-t kaptak, szintén kizárásra kerülnek ebből az elemzésből. Azok a betegek, akik NIV alkalmazása után kaptak IMV-t, jogosultak.

A másodlagos cél az IMV mortalitásra gyakorolt ​​hatásának vizsgálata, összehasonlítva azokkal a betegekkel, akik csak NIV-t kaptak. Vizsgálni fogják a tüdővédő lélegeztetés szerepét az IMV-ben részesült betegekben is. Feltárják a lélegeztetőgép beállításainak jellemzőit, amelyek a jobb eredményhez kapcsolódnak.

Az elsődleges eredmény a kórházi halálozás, és a betegeket a kórházi elbocsátásig követik. Élőnek tekintendő a beteg, ha élve hazaengedték őket a kórházból, vagy az adatkinyerés lezárásakor még kórházban vannak. Az első célkitűzéshez a légzéstámogatás NIV-ről IMV-re való fokozódási arányát is elemzik (mint másodlagos eredménymérő ebben az elemzésben).

A betegek kiegyensúlyozása a hajlampontszám egyeztetésével történik. A hajlampontszám modell tartalmazza majd a demográfiai jellemzőket, a társbetegségeket, a pandémiás fázist, az akut betegség súlyosságát (24 órával a célzott légzéstámogatás előtt), a laboratóriumi eredményeket (24 órával a célzott légzéstámogatás előtt), és az életjeleket (24 órával a célzott légzéstámogatás előtt). légzéstámogatás). Az egyező párok közötti egyensúlyt standardizált 10%-os különbséggel értékelik, és a Yang és Dalton által leírt módszerrel számítják ki. Az egyező párok elemzéséhez egy rétegzett Cox-arányos-kockázati modellt fogunk használni. Ezenkívül a túlélést a termékhatár Kaplan-Meier becslő segítségével becsülik meg, és a log-rank statisztikát használják a túlélési görbék összehasonlítására.

A tartalék statisztikai elemzési terv a következő. Az egyváltozós Cox-arányos-kockázati modelleket az alacsonyabb mortalitáshoz kapcsolódó lehetséges tényezők kiszűrésére fogják alkalmazni. Többváltozós Cox-arányos kockázati modellt készítenek a légzéstámogatás és a mortalitás közötti független összefüggések becslésére. A többváltozós elemzésben szereplő zavaró tényezők a következők: 1) a mortalitás ismert kockázati tényezői (életkor, nem és magas vérnyomás); 2) az akut betegség súlyossága 24 órával a célzott légzéstámogatás előtt (Sequential Organ Failure Assessment score és Glasgow Coma Scale score); 3) a világjárvány első évének különböző szakaszai, beleértve az első szakaszt (2020. február 1-től 2020. május 31-ig), a második szakaszt (2020. június 1-től 2020. augusztus 31-ig), a harmadik szakaszt (szeptember 1.) , 2020, 2020. november 30-ig), és a negyedik szakasz (2020. december 1., az adatkinyerés utolsó dátumáig); 4) a demográfiai adatok és a társbetegségek, amelyek P-értéke < 0,25 az egyváltozós elemzésben; és 5) azokat a laboratóriumi eredményeket és életjeleket 24 órával a célzott légzéstámogatás előtt, amelyek P-értéke < 0,25 az egyváltozós elemzésben. A COVID-19-kezelés részének tekintett összes kezelést bele kell foglalni a többváltozós elemzésbe a zavaró kontroll érdekében. A kollinearitás elkerülése érdekében csak egy változó kerül bele, ha két változó abszolút Pearson- vagy Spearman-féle rangkorrelációs együtthatója nagyobb, mint 0,5. A 10%-nál több hiányzó adatot tartalmazó változók szintén kizárásra kerülnek. A többszörös tesztelést a Bonferroni módszerrel korrigálják, hogy csökkentsék az I. típusú hiba esélyét kétoldali 0,05 alfa-szinten, figyelembe véve a hipotéziseket a COVID-19-hez kapcsolódó összes légzéstámogatás/kezelés családként. Az expozíció és a halálozás közötti összefüggést a kockázati arányok (HR) segítségével becsülik meg, és 95%-os konfidencia intervallumokkal (CI) jelentik. A kórházakon belüli klaszterezés figyelembevétele érdekében robusztus szendvicsbecslőket használnak a HR-ek standard hibáinak kiszámításához. Az arányos veszélyfeltevés a Schoenfeld-maradványok felhasználásával kerül értékelésre.

Kétirányú hipotézis tesztnél minden általános hipotézis szignifikancia szintje 0,05. Minden elemzést az R szoftverben (3.5.3-as verzió, R Foundation for Statistical Computing).