Influenza della scelta inotropica su morbilità e mortalità nella cardiochirurgia pediatrica complessa (CHUBpedCSino)

Poiché l'uso di inotropi è molto variabile tra gli anestesisti, i ricercatori vogliono studiare se la scelta dei farmaci inotropi ha un impatto sulla mortalità morbosa in cardiochirurgia pediatrica.

Gli investigatori esamineranno retrospettivamente i file dei pazienti operati da gennaio 2008 a dicembre 2018. Gli investigatori si concentreranno su pazienti ad alto rischio definiti come età ≤ 1 anno, punteggio RACHS ≥ 3 e chirurgia cardiaca complessa (procedura di commutazione, difetto del canale atrioventricolare, coartazione aortica o interruzione dell'arco aortico, tronco arterioso, valvuloplastica mitralica). Gli investigatori mirano a una popolazione di studio di circa 250 pazienti. L'esito primario sarà il punteggio MODS definito dalla morte o dalla disfunzione di 2 organi (insufficienza circolatoria, respiratoria o renale).

Analisi statistica:

Verrà eseguito un propensity score su due gruppi: Dobu e Milri. Dopo 15 assegnazioni multiple dei set di dati utilizzando il pacchetto R dei topi, il pacchetto R CBPS verrà utilizzato per eseguire il punteggio di propensione, stimando un effetto medio del trattamento (ATE), utilizzando il bilanciamento delle covariate e richiedendo una corrispondenza esatta, che si è dimostrata essere superiori ai tradizionali approcci di regressione logistica e agli alberi di classificazione e regressione potenziati. Una differenza standardizzata assoluta inferiore al 10-15% sarà considerata a supporto dell'ipotesi di equilibrio tra i gruppi perché non è influenzata dalla dimensione del campione, a differenza dei valori P, e può essere utilizzata per confrontare l'equilibrio relativo delle variabili misurate in diverse unità. Verranno presentate la media e la deviazione standard ottenute dopo l'abbinamento per le variabili continue e la percentuale per le variabili categoriali. Dopo il punteggio di propensione, i ricercatori utilizzeranno il pacchetto R del sondaggio per eseguire regressioni logistiche per variabili di esito binarie e regressioni lineari per risultati continui, che includeranno l'effetto del gruppo di trattamento, il peso risultante dall'abbinamento e le variabili presenti nel punteggio di propensione in per ottenere uno stimatore doppiamente robusto che correggerà l'ultimo possibile squilibrio rimanente tra le covariate e produrrà un effetto di trattamento imparziale. Il pacchetto del sondaggio R include gli errori standard corretti di Huber-White, che mantengono imparziali gli errori standard anche in condizioni di eterogeneità dei residui. Infine, il vantaggio di uno stimatore doppiamente robusto è che richiede che solo uno dei due modelli (punteggio di propensione e regressione logistica dopo il punteggio di propensione) sia specificato correttamente. È stato dimostrato che il cosiddetto "approccio within", ovvero la media degli effetti del trattamento sulle 15 regressioni logistiche e lineari, produce stime meno distorte rispetto all'"approccio Across", ovvero l'esecuzione di regressioni lineari o logistiche su set di dati corrispondenti imputati in media - soprattutto quando i dati mancanti sono relativi al gruppo di trattamento. Il software R (R Core Team, 2019), versione 3.6.2. verrà utilizzato per produrre i risultati.