時間に関連したグラスゴー昏睡尺度の予測性能

バックグラウンド

外傷は世界的な公衆衛生上の重大な問題であり、外傷による死亡者数は世界的に増加し続けています。 2016 年には、460 万人以上が外傷による死亡であり、死因の第 8 位になりました。 Global Burden and Disease study (GBD) では、外傷による死亡は全死亡の約 10 分の 1 を占めており、これはマラリア、結核、HIV/AIDS、および妊産婦の状態を合わせた数を上回ります。

外傷性脳損傷は外傷によって引き起こされる脳損傷と定義され、外力の直接的または間接的な結果として身体に与えられた損傷として定義され、構造的連続性の中断の有無にかかわらず. 外傷性脳損傷 (TBI) は、世界的に罹患率と死亡率の主要な原因です。 これは、TBI を伴わない外傷よりも 3 倍高い死亡率を持ち、世界での外傷による死亡の最大の原因です。 TBI は、年間 1,000 万人以上に影響を与えていると推定されています。

診断および蘇生体制で医師を導くために、TBI の重症度と転帰を予測する予後モデルは非常に重要です。 Glasgow Coma Scale (GCS) は、最も広く使用されている予後モデルの 1 つです。 これは、頭蓋脳損傷患者の刺激に対する反応を 3 つのパラメーターを使用して評価するために開発された神経学的尺度です。開眼、言語反応、運動反応。 臨床診療と神経外傷研究の両方で意識レベルを評価するために使用されています。 GCS スコア (GCS で使用される 3 つのパラメーターの合計) は、軽度、中等度から重度までの重症度を評価するために使用されます。

いくつかの研究では、GCS の予後的価値と GCS の個々のコンポーネントの予後的価値が調査されていますが、損傷と最初の GCS の間の時間の関係が GCS の予測値にどのように影響するかについてはほとんどわかっていません。 外傷治療への入院時に測定された GCS は、外傷部位で測定された GCS よりも予測的であり、入院時の GCS の中央値は外傷部位での GCS の中央値よりも高いことが研究によって示されていますが、時間が GCS スコアにどのように影響するかは研究されていません。 .

標的

この研究の目的は、GCS を測定するタイミングが、成人患者の外傷性脳損傷 (TBI) 後の予測値にどのように影響するかを評価することです。 最初の目的は、損傷から記録されるまでの時間を調整した場合に、GCS の予測性能が改善されるかどうかを評価することです。 2 番目の目的は、GCS の予測性能が記録された時期によって異なるかどうかを評価することです。

研究デザイン

これは、インドにおける外傷治療の改善に向けたコホート研究 (TITCO) のレトロスペクティブ分析です。

設定

匿名化された TITCO コホートが使用されます。 このコホートには、2013 年 7 月から 2015 年 12 月までの間にインドの 4 つの大学病院から登録された 16,000 人の患者が含まれています。 健康科学の修士号を取得しているプロジェクト担当者は、各サイトへの入院時に、緊急治療室を直接観察し、標準化されたフォームに記入することにより、前向きにデータを収集しました。 プロジェクト担当者は、8 時間交代制 (朝、夕方、夜) で働きました。 データはまた、観察されたシフト外で入院した患者の患者記録から遡及的に取得されました。

参加者選択のソースと方法

ワンサイトプロジェクトオフィサーは、前向き観察または患者記録からの遡及的データ検索のいずれかによって、参加病院の患者を含めました。

説明変数 対象となる 2 つの説明変数は、GCS と、傷害と GCS の記録までの時間 (時間単位) であり、以降、GCS までの時間と呼ばれます。 GCS は、最初に記録された GCS の日時と同様に、患者の記録から抽出されました。 最初の GCS 記録の日付と時刻が欠落している場合は、代わりに参加センターへの到着時刻が使用されます。 負傷の日付と時刻は、患者の記録から抽出されるか、参加者から直接報告されました。 最初のGCS記録または参加センターへの到着のデータと時刻は、患者の記録から抽出されました。

共変量変数年齢、性別、損傷のメカニズム、患者が別の医療施設から転院したかどうか、および損傷重症度スコア（ISS）を使用して定量化された解剖学的損傷の重症度が報告され、研究サンプルを特徴付けます。 年齢、性別、損傷の機序、および転移状況は、患者の記録から抽出されるか、参加者によって報告されました。 ISS は、傷害テキストの説明に基づいて、認定された 1 人のコーダーによって計算されました。

バイアス

GCS を記録する際の人為的ミスを説明するために、Aal データ コレクターのオブザーバーは健康科学の修士号を取得しており、データ収集期間を通じて継続的にトレーニングと監督を受けていました。

量的変数

GCS は、線形項と 12 レベルの順序変数の両方として扱われます。 言語および眼のコンポーネントのテスト不可能なレベルは 1 として扱われます。 損傷から記録された GCS までの時間は、連続変数とカテゴリ変数の両方として扱われます。 損傷とGCSの間の連続時間として扱われる場合、3つのノットが等間隔のパーセンタイルに配置された制限された3次スプラインを使用してモデル化することにより、死亡率と非線形の関連性を持つことができます. カテゴリとして扱われる場合、2 時間のブロックに分割されます。

統計的方法

すべての分析は、統計言語およびプログラミング環境 R で実施されます。サンプルは、以下の調査サイズのセクションで概説するように、最初にトレーニング サンプルと検証サンプルに一時的に分割されます。 次に、各サンプルは、中央値と四分位範囲 (IQR) を使用して特徴付けられ、定量的変数を提示し、カウントとパーセンテージを提示して定性的変数を提示します。

トレーニング サンプルでは、​​死亡率を結果とするロジスティック回帰を使用して、4 つの単純な予測モデルを適合させます。 最初のモデルには線形項として GCS のみが含まれ、2 番目の GCS には線形項と制限された 3 次スプラインを使用してモデル化された GCS までの時間が含まれます。3 番目のモデルは順序変数として GCS のみが含まれ、4 番目のモデル GCS には順序変数と終了までの時間が含まれます。制限された 3 次スプラインを使用してモデル化された GCS。 オーバーフィッティングを避けるために、モデル係数に適用されるブートストラップ手順を使用して収縮係数が推定されます。

次に、4 つのモデルが検証サンプルに適用され、それらの予測性能が推定および比較されます。 各モデルの予測性能は、受信者動作特性曲線 (AUROCC) の下の領域、正および負の予測値を使用して評価されます。 モデル間の予測性能の差と関連する 95% 信頼区間は、ブートストラップを使用して推定されます。

次に、トレーニング サンプルと検証サンプルのそれぞれを、GCS までの時間に基づいてサブサンプルに分割します。最初のサブサンプルには、GCS までの時間が 2 時間未満の患者が含まれ、2 番目のサブサンプルには、GCS までの時間が 2 時間から 4 時間の患者が含まれます。 2時間単位でオンにします。 各トレーニング サブサンプルでは、​​唯一の独立変数として線形項として GCS を含む単純なロジスティック モデルが適合します。 各モデルの GCS の係数は縮小されます。

最初のトレーニング サブサンプルで開発されたモデルは、最初の検証サブサンプルに適用されます。 各検証サブサンプルのモデル パフォーマンスは、AUROCC と二乗平均平方根誤差を使用して評価されます。 検証サブサンプル全体のこれらの測定値の傾向は、パフォーマンス測定データを結果変数として使用する単純な一般化線形モデルと、唯一の独立変数として 3 つのノットを持つ制限された 3 次スプラインを使用したブロック インデックス番号の非線形変換を使用して定量化されます。

欠落データを処理するための戦略

結果、説明変数、および共変量に関する完全なデータを持つ患者のみが含まれている場合に必要なサンプルサイズに達した場合、完全な症例分析が実施されます。 そうでない場合、欠損データは連鎖式を使用した複数の代入で処理されます。 帰属データセットの数は、不完全な観測の割合に等しくなります。 分析は、帰属データセットごとに個別に実施され、主な結果は、帰属全体の IQR の中央値として提示されます。 信頼区間については、プールされた上限と下限の最も極端な値が報告されます。

研究規模

最もデータ集約的な分析は、GCS を順序変数として、GCS までの時間を制限された 3 次スプラインとしてモデルを適合させる可能性が高いため、スタディ サイズはこの分析に対応するように推定されます。 シミュレーション研究によると、ロジスティック回帰モデルでは、信頼できる係数推定値を生成するために、含まれるパラメーターごとに少なくとも 10 個のイベント、または結果を含む観測が必要であることが示されています。 GCS を順序変数としてモデル化するには、11 個のパラメーターの係数を推定する必要があり、GCS までの時間を含めると、2 つのパラメーターが追加されます。 パラメータの総数は 13 であり、少なくとも 130 のイベントが必要であることを示しています。 以前の調査に基づいて結果の有病率が 20% であると仮定すると、トレーニング サンプルには少なくとも 650 の観測値が含まれている必要があります。 この数が完全なサンプルの半分未満の場合、トレーニング サンプルと検証サンプルは、完全なサンプルを同じサイズの 2 つの部分に分割することによって生成されます。 完全なサンプルに含まれる観測が 1300 未満の場合、最初の 650 の観測がトレーニング サンプルに含まれ、残りの観測が検証サンプルに含まれます。 とにかく、サンプルは、各センターの相対的な寄与が両方のサンプルでほぼ同じになるように作成されます。