Chirurgia pancreatica: soglie ottimali di carico di lavoro e accuratezza predittiva (PaSuT)

Principali domande di ricerca:

• È possibile identificare numeri di casi di intervento specifici idonei come soglie per i volumi minimi annuali e associati a una mortalità ospedaliera significativamente bassa?
• Quasi tutti gli studi precedenti sugli effetti del numero di casi hanno mostrato solo un’associazione descrittiva tra il numero di casi in un dato anno e la qualità dei risultati nello stesso anno. Lo scopo di questo studio è quello di verificare se le correlazioni descritte possono essere dimostrate utilizzando come predittore il volume della procedura dell'anno precedente. Lo studio cerca di rispondere se il carico di lavoro della procedura abbia valore predittivo, in particolare il numero di casi in un anno e la mortalità intraospedaliera nell'anno successivo.

Sfondo:

Numerosi studi hanno dimostrato una correlazione tra il numero di casi e la qualità dei risultati per varie procedure chirurgiche. Ad esempio, i pazienti sottoposti a intervento chirurgico in ospedali ad alto volume (HVH) avevano tassi di mortalità più bassi, tassi di sopravvivenza più lunghi, tassi di complicanze più bassi e tassi di reintervento più bassi rispetto ai pazienti sottoposti a intervento chirurgico in ospedali a basso volume (LVH). Per suddividere in HVH e LVH, sono stati utilizzati numeri di casi concreti o limiti quartili o quintili con un numero uguale di operazioni o cliniche per gruppo. Lo scopo dello studio è determinare oggettivamente questi limiti utilizzando un termine di carico di lavoro modellato su spline, evitando decisioni arbitrarie.

Una limitazione dei risultati precedenti è che potrebbero non essere generalizzabili a causa dell’uso di un numero limitato di casi e della qualità dei risultati dello stesso anno. Tuttavia, è importante notare che il volume dell’anno precedente è cruciale nel determinare l’importanza predittiva del carico di lavoro per la qualità dei risultati futuri. Uno studio recente (in stampa) ha riportato che ci sono fluttuazioni significative nella qualità dei risultati tra gli HVH, anche tra anni diversi. Pertanto, è stato ipotizzato che l’utilizzo del numero di casi come predittore di risultati di alta qualità possa portare a una sovrastima.

Metodi:

Verranno analizzati i dati di fatturazione ospedaliera nazionale per la Germania (statistica DRG) per il periodo dal 2010 al 2019. Vengono determinati i tassi di mortalità aggiustati per il rischio. A questo scopo vengono calcolati modelli di regressione logistica che aggiustano il rischio di mortalità per le seguenti variabili Sesso, età, emergenza di ricovero, anno di resezione, diagnosi (tumore maligno vs tumore benigno vs tumore di non chiara dignità vs pancreatite acuta vs. pancreatite cronica rispetto ad altre malattie pancreatiche), procedure aggiuntive (resezioni venose/resezioni multiviscerali/resezioni arteriose/splenectomia/colecistectomia/drenaggio biliare/procedure di dialisi) e comorbilità selezionate. Per classificare ulteriori procedure al fine di riflettere l'entità dell'intervento chirurgico e la difficoltà tecnica, verrà utilizzata una leggera modifica del sistema di classificazione descritto in Mihaljevic et al, 2021 (PMID: 33386130). Per le comorbidità vengono utilizzate le definizioni Elixhauser come descritto in Quan et al, 2005 (PMID: 16224307). La selezione delle comorbidità da considerare si basa sulla pubblicazione di Hunger et al, 2022 (PMID: 35525416).

L'effetto del numero del caso è modellato utilizzando spline cubiche naturali. Il 10°, 20°, 40°, 60°, 80° e 90° percentile del numero di casi vengono utilizzati come punti nodali. La mortalità ospedaliera aggiustata in funzione del numero di casi è determinata utilizzando le medie marginali stimate. Gli estremi locali (massimi e minimi) nelle spline vengono determinati utilizzando la derivata del 1° e 2° grafico.

Vari modelli di regressione vengono calcolati utilizzando il numero di casi dell'anno di attività in corso o dell'anno precedente. L'accuratezza predittiva dei modelli viene determinata utilizzando le misure stabilite dalla teoria del rilevamento del segnale (AUC, sensibilità, specificità, valore predittivo positivo, valore predittivo negativo). Verranno eseguite analisi di sottogruppi per le singole procedure di resezione.