Sviluppo e valutazione dell'Electronic Frailty Index+ (eFI+)

Tecnologie sanitarie in fase di valutazione

L'eFI+ sarà sviluppato utilizzando componenti dell'eFI originale, integrato con ulteriori dati EHR di routine per le cure primarie e una guida sui vantaggi aggiuntivi dell'implementazione di semplici misure cliniche nella pratica di routine delle cure primarie. eFI+ sarà adatto per una rapida implementazione nei sistemi EHR di cure primarie del Regno Unito, basandosi sugli stretti legami esistenti con i fornitori di sistemi (SystmOne/EMISWeb/Vision/Microtest).

I ricercatori svilupperanno, quindi convalideranno internamente ed esternamente l'eFI+ utilizzando la banca dati SAIL (Secure Anonymised Information Linkage), il database ResearchOne e il Leeds Data Model (LDM).

Inoltre, i ricercatori analizzeranno i dati dello studio di coorte Community Aging Research 75+ (CARE75+) (CI Clegg, n≈1.200) come l'unico studio di coorte nazionale a includere i punteggi eFI, per indagare su come misure semplici che possono essere valutate nell'assistenza primaria, ma non sono disponibili nei dati EHR di routine (ad es. velocità dell'andatura, test cronometrato su e vai; attività quotidiane; solitudine) può migliorare la previsione.

Progettazione dello studio

Sviluppo di modelli prognostici, validazione interna e validazione esterna utilizzando dati di ricerca di routine sulle cure primarie (ResearchOne), set di dati collegati (banca dati SAIL e LDM) e dati di studi di coorte (CARE75+), con Decision Analytic Modeling integrato, inclusa l'analisi economica sanitaria.

Banche dati

1. Banca dati SAIL (Secure Anonymised Information Linkage).

   Registri anonimi di circa 5 milioni di persone in Galles, con cure primarie collegate, presenze in pronto soccorso, ricoveri ospedalieri, dati ambulatoriali, assistenza sociale, set di dati sulle case di cura gallesi e dati sulla mortalità ONS. SAIL include punteggi di riepilogo eFI e singoli componenti.

2. ResearchOne

   Dati anonimi rappresentativi a livello nazionale provenienti da circa 6 milioni di cartelle cliniche elettroniche di assistenza primaria nel Regno Unito sul sistema clinico TPP SystmOne. ResearchOne include punteggi di riepilogo eFI e singoli componenti.

3. Modello di dati di Leeds (LDM)

   Dati anonimizzati e collegati relativi all'assistenza primaria, secondaria, comunitaria e sociale di 810.000 pazienti in 108 pratiche a Leeds, inclusi i punteggi di riepilogo eFI e i singoli componenti.

4. Coorte Community Ageing Research 75+ (CARE75+).

Studio prospettico nazionale di coorte (n≈1.200) che raccoglie informazioni sociodemografiche dettagliate, misure di fragilità (compresi i punteggi eFI), strumenti semplici adatti all'uso nelle cure primarie (ad es. velocità dell'andatura, test cronometrato su e vai; attività quotidiane; assistenza informale; solitudine) e risultati chiave a sei, 12, 24 e 48 mesi. CARE75+ è un set di dati molto ricco che fornisce un metodo altamente efficiente per studiare come semplici strumenti potrebbero aumentare le prestazioni eFI.

Popolazione ammissibile

Pazienti di età ≥65 anni con fragilità moderata (punteggio eFI da 0,24 a 0,36) o grave fragilità (punteggio eFI >0,36) e registrati presso uno studio ResearchOne, SAIL o LDM il 1° aprile 2018.

Tutti i partecipanti CARE75+ con fragilità moderata (punteggio eFI da 0,24 a 0,36) o grave fragilità (punteggio eFI >0,36) saranno idonei.

Risultati per la previsione del rischio (tutti i 12 mesi)

• Pacchetto di assistenza domiciliare nuovo o aumentato
• Assistenza/ricovero in PS con caduta o frattura
• Ricovero in casa di cura
• Mortalità per tutte le cause

Predittori

Componenti dell'eFI, integrati con variabili disponibili all'interno dei dati EHR di routine delle cure primarie e misure di valutazione clinica pratiche per l'uso nelle cure primarie.

Modelli prognostici

Ogni modello prognostico sarà sviluppato e validato internamente in uno solo dei database, quindi validato esternamente in un secondo database

Dimensione del campione per lo sviluppo del modello prognostico

Gli estratti di SAIL e ResearchOne includeranno ciascuno ≈600.000 pazienti di età pari o superiore a 65 anni, con una stima di 72.000 con fragilità moderata e 24.000 con fragilità grave. L'estratto di LDM includerà ≈150.000 pazienti di età pari o superiore a 65 anni, con una stima di 18.000 con fragilità moderata e 6.000 con fragilità grave.

Per lo sviluppo del modello, un indicatore chiave della dimensione effettiva del campione è il numero di eventi di risultato. Precedenti ricerche sui risultati di interesse e stime di fattibilità utilizzando CARE75+, ResearchOne e SAIL, informano le stime per il numero previsto di eventi entro 12 mesi.

• Pacchetto di assistenza domiciliare nuovo o aumentato: previsti 15.864 eventi in SAIL, sulla base di un'incidenza di 12 mesi del 14,9% nel gruppo con fragilità moderata (10.080 eventi) e di un'incidenza di 12 mesi del 24,1% nel gruppo con fragilità grave (5.784 eventi).
• Presenza in pronto soccorso/ricovero con caduta o frattura: previsti 8.064 eventi in SAIL, sulla base di un'incidenza del 7,4% a 12 mesi nel gruppo con fragilità moderata (5.328 eventi) e dell'11,4% nel gruppo con fragilità grave (2.736 eventi).
• Ricoveri in case di cura: previsti 2.160 eventi in ResearchOne, sulla base del 2,0% di incidenza a 12 mesi nel gruppo con fragilità moderata (1.440 eventi) e del 3,8% di incidenza a 12 mesi nel gruppo con grave fragilità (720 eventi).
• Mortalità per tutte le cause: 12.216 eventi previsti in ResearchOne, sulla base di un'incidenza di 12 mesi del 10,6% nel gruppo con fragilità moderata (7.632 eventi) e di un'incidenza di 12 mesi del 19,1% nel gruppo di fragilità grave (4.584 eventi).

Pertanto, anche prendendo la stima più bassa degli eventi incidenti entro 12 mesi (per il ricovero in casa di cura), per ogni risultato gli investigatori si aspetterebbero almeno 2.160 eventi in ciascuno di ResearchOne o SAIL. Ciò ci consente di stimare in modo affidabile un modello prognostico per ciascun risultato anche con un massimo di 108 parametri predittori, corrispondenti a 20 eventi per potenziale parametro predittore (2160/20). Questo supera le raccomandazioni della "regola empirica" ​​di 10 o 15 eventi per parametro predittore.

Inoltre, supponendo prudentemente che i nuovi modelli avranno un R-quadrato di Nagelkerke del 15%, la formula della dimensione del campione di Riley suggerisce che almeno 7,5 eventi per ciascun parametro predittore assicureranno che l'overfitting e l'ottimismo siano ridotti al minimo, quando la proporzione del risultato è del 3%. Quando si aumenta la proporzione dei risultati al 20% (pacchetto assistenza domiciliare), 9% (caduta/frattura) o 15% (mortalità), la dimensione minima del campione richiesta è rispettivamente di 18, 11,5 e 15 eventi per parametro predittore. Gli investigatori superano tutti questi, a causa degli ampi set di dati disponibili.

Dimensione del campione per la convalida esterna

Le attuali raccomandazioni sono che siano necessari almeno 100 eventi e 100 non-eventi (idealmente 200) per la validazione esterna del modello prognostico. Le nostre stime indicano molto di più, come 2160 eventi per l'esito meno prevalente di ricovero in casa di cura in SAIL e ResearchOne e 540 in LDM (che saranno utilizzati solo per la convalida esterna dei modelli).

Dati mancanti

Gestito utilizzando l'imputazione multipla e le regole di Rubin, in base a un'ipotesi casuale mancante, incluso il risultato nel modello di imputazione, tenendo conto del raggruppamento delle pratiche.

Piano di analisi

i) Modellazione prognostica

Gli investigatori costruiranno 4 modelli prognostici separati all'interno dei set di dati di sviluppo per prevedere il rischio dei nostri 4 esiti chiave dichiarati in individui con fragilità moderata o grave come punto di partenza.

Per ciascun risultato, per quelli con fragilità moderata (punteggio eFI da 0,24 a 0,36) o grave fragilità (punteggio eFI > 0,36) i ricercatori svilupperanno e convalideranno internamente un modello prognostico contenente solo eFI (nel suo insieme così com'è attualmente) e quindi contenente componenti di eFI (inclusi come predittori) insieme a ulteriori dati EHR di cure primarie di routine. Il modello di regressione sarà la regressione logistica o la sopravvivenza parametrica flessibile, per esiti binari o time-to-event (a seconda dei casi quando gli investigatori osservano la codifica e la censura del database, ecc.), per produrre rischi di esito entro 12 mesi.

A causa delle grandi dimensioni del campione, si prevede che l'overfitting sia piccolo, ma gli investigatori lo adegueranno utilizzando la penalizzazione tramite un fattore di contrazione globale stimato tramite bootstrapping. Laddove la selezione delle variabili è considerata importante per la parsimonia, gli investigatori useranno piuttosto la penalizzazione tramite rete elastica. La convalida interna utilizzerà il bootstrapping dell'intero set di dati di sviluppo e le stime corrette per l'ottimismo delle prestazioni predittive prodotte per la calibrazione (ad es. calibrazione-in-the-large, pendenza di calibrazione, osservato/previsto), discriminazione (ad es. C-statistica) e generale (ad es. Nagelkerke R2) performance dei rischi previsti. Le variabili continue non saranno classificate e i potenziali effetti non lineari esaminati utilizzando spline o polinomi frazionari. I rischi non proporzionali per i predittori saranno esaminati anche con termini di interazione con il tempo.

Tutti i modelli saranno convalidati esternamente in un database diverso. Le statistiche sulle prestazioni predittive saranno derivate come descritto sopra (ad es. Statistica C, pendenza di calibrazione), insieme a grafici di calibrazione che mostrano l'accordo tra i rischi osservati e previsti, in tutto lo spettro dei rischi previsti, utilizzando un loess non parametrico più uniforme.

Separatamente, i ricercatori utilizzeranno il set di dati CARE75+ per studiare il potere predittivo aggiuntivo delle misure di valutazione clinica dei fattori prognostici identificati dalle revisioni che sono pratiche per l'uso nelle cure primarie di routine.

ii) Modellazione decisionale

I modelli prognostici saranno tradotti in un quadro per guidare il processo decisionale clinico identificando soglie rilevanti di rischio previsto, al di sopra delle quali è giustificata l'implementazione dei nostri interventi dichiarati. Questo ci consentirà di generare un modello analitico decisionale (DAM), che sarà esaminato utilizzando le curve decisionali e il vantaggio netto nei set di dati di convalida esterni.

iii) Valutazione economico-sanitaria

La valutazione economico-sanitaria sarà condotta in due fasi. L'obiettivo della prima fase è fornire un confronto a breve termine, di 12 mesi, del rapporto costo-efficacia degli scenari individuati dal DAM. Per la seconda fase, i ricercatori estenderanno la nostra analisi a una valutazione del rapporto costo-efficacia a lungo termine di questi scenari.