重症患者の質を改善するためのリスクモデリング: 日常的に利用可能なデータを最大限に活用する

目的: 日常的に収集される他のデータ ソースとのデータ リンクを使用して、成人の一般的なクリティカル ケア、心臓胸部のクリティカル ケア、および院内心停止の国家臨床監査を支えるために使用されるリスク モデルを改善すること。

具体的な目的は次のとおりです。

1. 成人の一般的なクリティカルケアのリスクモデルを次のように改善します。 (1b) 糖尿病 (CMP と National Diabetes Audit 間のデータ連携による) および (1c) 末期腎疾患 (CMP と UK Renal Registry 間のデータ連携による) の長期的な慢性健康転帰のリスクモデルの開発; (1d) その後のヘルスケアの利用とコストに関するリスクモデルの開発 (CMP と HES 間のデータ連携による)
2. (2a) 危険因子データを強化する (National Adult Cardiac Surgery Database とのデータ連携による)。 (2b) (CMP と ONS からの死亡登録との間のデータリンクによる) 長期死亡率のリスクモデルの開発; (2c) その後のヘルスケアの利用とコストに関するリスクモデルの開発 (CMP と HES 間のデータ連携による)
3. (3a) 危険因子データを強化する (NCAA と HES 間のデータ連携による)。 (3b) (NCAA と ONS 間のデータ連携による) 長期死亡率、医療利用および費用のリスクモデルを開発する。 (3c) その後のクリティカルケア利用のためのリスクモデルの開発 (NCAA と CMP 間のデータ連携による); (3d) その後のヘルスケアの利用とコストに関するリスクモデルの開発 (NCAA、ONS、HES 間のデータ連携による)
4. (4a) 国家臨床監査のための定期的な比較結果報告への採用。 (4b) 救命医療の提供者、管理者、コミッショナー、政策立案者、研究者への研究成果の伝達

データ収集: このプロジェクトは、Case Mix Program (CMP) および National Cardiac Arrest Audit (NCAA) のために収集された高品質の臨床データを利用します。 これらのデータは、National Diabetes Audit、UK Renal Registry、および National Adult Cardiac Surgery Audit からのデータ、Hospital Episode Statistics (HES) からの定期的な管理データ、および Office for National Statistics (ONS) からの死亡登録とリンクされます。

データ連携は、信頼できる第三者として機能する HSCIC Data Linkage and Extract Service (DLES) によって行われます。 識別子 (関連付けられた臨床データなし) は、各国家臨床監査から HSCIC の安全なサーバーにアップロードされます。 DLES はデータ リンクを実行し、データセット全体で同じ患者のすべてのレコードをリンクするために使用できる共通キーを返します。 ICNARC の外部にある 3 つの国家臨床監査は、リンクされた記録用に合意された仮名化されたデータセットを抽出し、DLES は HES と ONS からデータを抽出し、これらのデータセットは ICNARC に渡されます。 ICNARC は、CMP および NCAA から仮名化されたデータ抽出を生成し、これらは、共通キーを使用して、国家臨床監査および DLES によって提供されるデータセットにリンクされます。 このように、仮名化されたデータのみが複数のデータ ソース間でリンクされます。

データ分析: 分析の結果と目的に応じて、次のモデル開発アプローチが適用されます。

• ロジスティック回帰を使用した固定時点 (30 日、90 日、1 年) での死亡率のモデリング。
• ワイブル回帰やコックス回帰などの標準的な生存回帰手法を使用した、イベント発生までの時間の結果のモデリング。
• 区間打ち切りデータの処理: Cox 比例ハザード モデル、部分尤度推定 (区間打ち切りを可能にするため) を使用した補完対数対数モデル、および離散時間ハザード モデル。
• 発症までの時間の間隔打ち切りと死亡との競合の両方を説明するために、原因固有の Cox 比例ハザード モデルと病気-死亡モデルが考慮されます。
• 目標 3、20 分を超える自発循環 (ROSC) の回復、および生存退院の結果については、病院のランダム効果を使用したマルチレベル ロジスティック回帰が適用されます。
• 病院のリソースの使用と救命後の治療費をモデル化する: マルチレベル回帰モデルと対数線形回帰モデル。

リスク予測モデルは、以下を含む測定パネルを使用して、識別、キャリブレーション、および全体的な適合性について検証されます。予測リスクに対する観測値のプロット。 Hosmer-Lemeshow 適合度統計量; Cox のキャリブレーション回帰。 Shapiro の R、Brier のスコア、および対応する近似 R2 測定値。そして再分類。