Hasnyálmirigy-sebészet – Optimális esetterhelési küszöbök és prediktív pontosság (PaSuT)

Főbb kutatási kérdések:

• Meghatározhatók-e olyan konkrét beavatkozási esetszámok, amelyek alkalmasak az éves minimális mennyiségek küszöbértékére, és jelentősen alacsony kórházi mortalitáshoz kapcsolódnak?
• Szinte minden korábbi, az esetszám-hatásokkal foglalkozó tanulmány csak leíró összefüggést mutatott ki egy adott évben az esetek száma és az ugyanabban az évben elért eredmények minősége között. A tanulmány célja annak vizsgálata, hogy a leírt összefüggések kimutathatók-e, ha az előző évi eljárási mennyiséget használjuk prediktorként. A tanulmány arra keresi a választ, hogy az eljárási esetterhelésnek van-e prediktív értéke, különös tekintettel az egy év alatti esetszámra és a következő évben a kórházi halálozásra.

Háttér:

Számos tanulmány kimutatta az összefüggést az esetek száma és a különböző sebészeti beavatkozások kimenetelének minősége között. Például azoknál a betegeknél, akiket nagy volumenű kórházakban (HVH) műtöttek, alacsonyabb volt a halálozási arány, hosszabb a túlélési arány, alacsonyabb volt a szövődmények aránya és alacsonyabb az újraműtétek aránya, mint a kis volumenű kórházakban (LVH) műtéten átesett betegeknél. A HVH-kra és LVH-kra való felosztáshoz vagy konkrét esetszámokat, vagy kvartilis vagy kvintilis határokat használtak csoportonként azonos számú műtéttel vagy klinikával. A tanulmány célja ezen határok objektív meghatározása egy spline-modellezett esetterhelési kifejezéssel, elkerülve az önkényes döntéseket.

A korábbi megállapítások egyik korlátja, hogy előfordulhat, hogy nem általánosíthatók, mivel korlátozott számú esetet használnak és ugyanazon év eredményminőségét. Fontos azonban megjegyezni, hogy az előző év volumene kulcsfontosságú az esetterhelés előrejelző jelentőségének meghatározásában a jövőbeli eredményminőség szempontjából. Egy friss (sajtóban megjelent) tanulmány arról számolt be, hogy a HVH-k között jelentős ingadozások tapasztalhatók a kimenetelek minőségében, akár évek között is. Ezért azt feltételezték, hogy az esetek számának a jó minőségű kimenetel előrejelzőjeként való használata túlbecsléshez vezethet.

Mód:

A 2010 és 2019 közötti időszakra vonatkozó németországi kórházi számlázási adatok (DRG statisztikák) elemzésre kerül. Meghatározzák a kockázattal korrigált halálozási arányokat. Ebből a célból logisztikus regressziós modelleket számítanak ki, amelyek a következő változókhoz igazítják a mortalitási kockázatot Nem, életkor, sürgősségi felvétel, reszekció éve, diagnózis (rosszindulatú daganat vs. jóindulatú daganat vs. tisztázatlan méltóságú daganat vs. akut hasnyálmirigy-gyulladás vs. krónikus hasnyálmirigy-gyulladás vs. egyéb hasnyálmirigy-betegségek), további eljárások (vénás reszekció/multivisceralis reszekció/artériás reszekció/ splenectomia/kolecisztektómia/epeelvezetés/dialízis eljárások) és kiválasztott társbetegségek. A további eljárások besorolásához a műtét mértékének és a technikai nehézségeknek megfelelően az osztályozási rendszer enyhe módosítását alkalmazzák, amint azt Mihaljevic et al, 2021 (PMID: 33386130) leírták. Az Elixhauser-definíciókat a társbetegségekre használják, amint azt Quan et al, 2005 (PMID: 16224307) leírták. A figyelembe veendő társbetegségek kiválasztása Hunger et al, 2022 (PMID: 35525416) publikációján alapul.

Az esetszám hatás modellezése természetes köbös spline segítségével történik. A 10., 20., 40., 60., 80. és 90. esetszám-percentilis csomópontként használatos. A korrigált kórházi mortalitást az esetszám függvényében a Becsült határátlagok segítségével határozzuk meg. A spline lokális szélsőértékeit (maximumokat és minimumokat) az 1. és 2. gráf derivátum segítségével határozzuk meg.

A különböző regressziós modellek kiszámítása az aktuális működési év vagy az előző év eseteinek számával történik. A modellek prediktív pontosságát a jeldetektálás elméletében megállapított mértékek (AUC, érzékenység, specificitás, pozitív prediktív érték, negatív prediktív érték) segítségével határozzuk meg. Az egyes reszekciós eljárások alcsoport-elemzéseit elvégzik.