周術期脳卒中後の転帰の予測因子

バックグラウンド

周術期脳卒中は、手術の壊滅的な合併症ですが、現在、その特徴はあまり解明されておらず、その発生を検出して予防するために利用できる臨床ツールは限られています。 周術期脳卒中は、手術後に発生する脳血管イベントであり、非心臓、非神経外科手術を受けた患者の 0.1 ～ 1.9% が罹患します。 周術期の脳卒中は、心臓合併症などの同様の発生率と重症度の術後合併症と比較して、比較的研究が進んでいません。 過去数十年にわたり、周術期心筋梗塞のリスクを軽減するために多大な努力が払われ、リスク階層化と周術期管理の進歩により、時間の経過とともに発生率は減少しました。 周術期脳卒中の発生率は周術期心筋梗塞と同等かそれよりも高いですが、この合併症のリスクは時間の経過とともに増加しており、周術期脳卒中は比較的無視されたままです。 現在の文献では、手術後に脳卒中を経験した患者の死亡率、入院期間、施設への退院が高いことが判明しているが、この合併症の稀な性質を考えると、どのような要因が手術後にこうした転帰を予測するのかについては比較的ほとんど知られていない。周術期の脳卒中を経験する。

目的

具体的な目標

1. 死亡率（主要転帰）、有害退院、ICU利用、気管切開/PEG/頭蓋切除術、周術期脳卒中後の在院期間に関するリスク予測モデルを導出し、外部的に検証します。
2. 2005 年から 2020 年までの周術期脳卒中後の死亡率の時間的傾向を説明します。
3. 周術期脳卒中後の死亡リスクのメディエーターを探索します。

方法

この研究は、2004 年から 2020 年の間に前向きに収集された米国外科学会全国外科品質向上プログラム データベースの遡及分析です。

派生コホートは NSQIP データベースから抽出されます。 データセットの最新年 (2020 年) には、708 施設からの 100 万件を超える症例に関するデータが含まれています。 検証コホートは、BC 州の全住民 (人口 510 万人) に関する匿名化された個人レベルのデータを提供する、リンクされた州データベースのコレクションである Population Data BC から抽出されます。 2002 年 1 月 1 日から 2020 年 12 月 31 日までの日付範囲は、現代の脳卒中治療実践 (EVT など) と 2002 年以来の一貫した ICD-10-CA コードの使用を反映するために選択されました。

調査対象母集団

NSQIP 派生コホート: 2004 年から 2017 年までの NSQIP データベース内の周術期脳卒中患者が含まれます。 脳神経外科手術（頸動脈内膜切除術を含む）およびインターベンショナル放射線治療は除外します。 心臓手術集団と心臓以外の手術集団は、それぞれの特有の脳卒中リスク プロファイルを考慮して、個別に分析されます。

PopDataBC 検証コホート: AIS 患者は診断コード I63.0 ～ 163.9 を使用して特定されます。 国際疾病分類 (ICD)、カナダ版第 10 版 (ICD-10-CA) によるもので、陽性的中率と感度が 97% 以上で、大規模な行政データセット内の AIS を正確かつ確実に識別します。 -手術のための入院後30日以内に、またはインデックス外科入院からの退院診断としてAISのICD-10-CA入院診断（上位3位）を経験した患者。 周術期患者は、脳卒中のため入院する前の 30 日間に手術請求コードを受け取った場合、AIS コホート全体からさらに抽出されます。

結果変数: 主要な結果は 30 日死亡率です。副次的アウトカムは、ICU利用率、入院期間、重篤な脳卒中転帰のマーカー（気管切開、PEG、脳浮腫に対する片側頭蓋切除術）、および有害退院（在宅施設以外または死亡）である。

予測変数の候補: 周術期脳卒中の後の転帰は、脳卒中の特徴だけでなく、患者、手術、麻酔の要因にも潜在的に関連しています。 予測変数の候補には、患者の特徴 (年齢、性別、脳卒中の病歴を含む併存疾患)、手術の特徴 (専門、複雑さ、種類、緊急事態)、麻酔技術 (全身 vs 局所/神経軸)、および脳卒中の特徴 (手術との相対的なタイミング) が含まれます。 、脳卒中による再入院と脳卒中入院患者）。 連続変数は、連続的な非線形関連を可能にする分数多項式を使用した変換で考慮されます。

統計分析

目的 1: リスク予測モデルの導出と検証。 周術期脳卒中後の 30 日死亡率を予測するための多変量モデルは、脳卒中特有のメカニズムを考慮して、心臓手術と非心臓手術に分けて作成されます。 過剰適合を避けるために、データ削減戦略を実行し、10% を超える欠損データまたは 20 未満の観測値を持つ変数を除外します。 1% を超えて 10% 未満のデータが欠落している場合は、多重代入または平均代入を考慮します。欠損データが 1% 未満の変数は、完全なケース分析を通じて処理されます。

事前に指定された予測変数は、エラスティック ネット ペナルティを使用して係数が縮小されるロジスティック回帰モデルを構築するために使用されます。 変数の選択とペナルティのこの方法が選択されたのは、結果の数に比べて多数の潜在的な予測因子が存在する可能性が予想され、いくつかの重要な予測因子が共線性があることが予想されるためです。 Elastic Net 正則化を使用することで、最小絶対収縮とセレクター演算子 (LASSO) ペナルティと RIDGE 回帰の間のバランスを採用できます。 RIDGE 回帰を使用すると、重要な共線性予測変数を維持しながら、その係数を縮小することができます (共線性により増大する可能性があります)。 LASSO メソッドでは、寄与しない予測変数の係数をゼロにすることができるため、それらの予測変数はモデルから削除されます。 含まれる変数は交互作用について評価され、必要に応じてモデルのパフォーマンスを向上させるために考慮される追加の項が検討されます。 具体的には、年齢 * 性別、手術の複雑さ (WRVU) * 年齢、WRVU * 専門分野、および専門分野 * 麻酔技術の相互作用を先験的に検査します。 モデルの識別は、受信機動作特性曲線の下の領域 (c 統計) を使用して評価されます。 モデルのキャリブレーションは、リスク スペクトル全体にわたって観察されたリスクと予測されたリスクの黄土平滑化プロットを使用して評価されます。 同様の分析を使用して、滞在期間の予測モデル (対数変換された線形モデル) を作成します。 死亡は退院後の傾向と競合する結果であるため、逆効果の退院は通常の結果 (自宅、自宅以外の退院、または死亡) としてモデル化されます。

内部検証: 導出後、5,000 個のブートストラップ サンプルが内部検証に使用され、楽観的な推定値が生成されます。 感度分析では、さまざまな時間エポックでモデルのパフォーマンスをテストし、手術の年の影響を評価します（たとえば、各年で利用可能な観測数に応じて 2 ～ 3 年のエポック）。 死亡率を予測するための最終モデルの導出に続いて、回帰係数を相対的な重みを反映するポイントに変換することにより、単純化された予測指数を導出します。 結果として得られるツールの予測精度は、上記と同様の方法で評価されます。

外部検証: 最終的なロジスティック モデルは、NSQIP データ要素を PopDataBC データベースにマッピングした後、PopDataBC から取得した個別のデータセットで外部検証されます。 回帰係数は NSQIP 派生モデルから PopDataBC に適用され、期待される結果の確率が計算され、予測された結果と観察された結果が比較されます。 識別と校正が測定され、受信機動作特性曲線の下の面積 > 0.70 が許容可能なモデル識別とみなされ、ホスマー・レメショー検定で p > 0.05 が許容可能な適合度を示します。

目的 2: 死亡率の一時的な傾向。 周術期脳卒中後の年間死亡率を従属変数、年を予測変数として探索的な未調整通常最小二乗回帰モデルを実行し、経時的な死亡率の年間変化を推定します。 重要な予測変数を調整して、多変数線形回帰モデルが指定されます。

目的 3: 死亡リスクの媒介者。 脳卒中後のイベントによる脳卒中前の死亡リスクの影響修正の可能性を調査するために、死亡を従属変数とし、一次モデルからの死亡確率を線形予測子とする一連のロジスティック回帰モデルを指定します。 次に、事前に指定された予測変数 (上記) をそれぞれ追加変数として追加し、仮定された効果を修正する変数の追加に基づいて死亡確率が増加するか減少するかを調査します。

性別/性別に基づく分析: 女性と男性のサブグループ分析を実行し、これら 2 つの集団のベースラインの特徴と転帰を特徴付けて比較することにより、性別と周術期脳卒中後の転帰との関係を調査します。 さらに、調整されたモデルに先験的な性別を予測変数として含め、他の変数との相互作用を調べます。 NSQIP では「男性」、「女性」、または「不明」のみが提供されるため、非バイナリーの性別を調べることはできません。

サンプル サイズと検出力: Riley et al の方法を使用して、過剰適合を最小限に抑える安定したロジスティック回帰モデルを導出するために必要なサンプル サイズを推定しました。 30 のモデル パラメーターと脳卒中死亡率 25% の推定結果有病率 3 を使用して、潜在的なモデル識別 (c 統計) と説明分散 (Cox-Snell R2) に基づいて必要な最小サンプル サイズを推定しました。 私たちのモデルが c 統計量 0.7 (R2 0.09) を達成した場合、2,754 人の参加者が必要になります。 より強力な識別 (c 統計量 0.8、R2 0.2) を使用すると、必要なサンプル サイズが 1,145 に減少します。 2004 年から 2017 年の NSQIP データベースには 660 万人の患者が含まれており、2015 年のデータセットの予備分析に基づくと、99.5% が非心臓手術で脳卒中発生率は 0.19%、0.5% が心臓手術で発生率は 1.76% となります。脳卒中の。 したがって、非心臓周術期脳卒中と心臓周術期脳卒中はそれぞれ合計少なくとも 12,434 件と 5,808 件であると推定されます。

p 値 <0.05 はすべての分析で有意とみなされ、すべてのデータ分析は STATA 17 (StataCorp、テキサス、米国) を使用して実行されます。