新型コロナウイルス感染症の影響予測によるリソース配分の最適化

バックグラウンド。

簡単に入手できる臨床情報に基づく比較的単純な臨床リスク スコアは、患者の早期退院またはより迅速かつ集中的な介入へのトリアージに大いに役立ちます。 この一例は上部消化管出血で、そのようなスコアがいくつかあります (https://www.mdcalc.com/glasgow-blatchford-bleeding-score-gbs4) 5; https://www.mdcalc.com/rockall-score-upper-gi-bleeding-complete6) 安全な早期退院を可能にし、病院へのプレッシャーを軽減しました。 研究者らは、新型コロナウイルス感染症が証明された、または感染が疑われる患者に関して当社が定期的に収集したデータから同様の結果が潜在的に達成できる可能性があると考えている。

目的

調査員は次の質問に答えることを目指しています

1. 病歴と症状、所見、血液、その他の調査マーカーのどのパターンが、Covid-19 の疑いのある患者、または感染が証明された患者が人工呼吸器を必要とする状態に進行することを最もよく予測しますか?
2. 病歴と症状、所見、血液、その他の調査マーカーのどのパターンが、Covid-19 の疑いのある患者、または感染が判明した患者が病気中に死亡することを最もよく予測しますか?
3. 病歴と症状、所見、血液、その他の調査マーカーのどのパターンが、Covid-19 の疑いのある患者、または感染が証明された患者が酸素補給を必要とせずに完全に回復することを最もよく予測しますか?

メソッド

研究者らは、上記の目的の最初の 2 つに対して 2 つの主要なアプローチを提案しています。

不良転帰を予測するためにベースラインの特徴を評価する標準的なアプローチ。ISARIC や PRIEST などの進行中の研究と同様ですが、追加のサンプルやデータが収集されず、研究者らは倫理的に許容できると信じているため、患者の公平なサンプルから恩恵を受けます。機密保持に十分な注意を払い、同意する意思と能力のある患者だけでなく、来院したすべての患者を分析することを条件とします。

毎日繰り返される豊富な実験室および臨床測定を使用して、その後の悪化の毎日のリスクを予測する、マルチレベルのモデリング アプローチ。

この 2 番目のアプローチは、ISARIC や PRIEST などの他の進行中の研究を補完します。これは、詳細で長期的にリンクされた電子健康データが必要なため、NUH のような単一の機関内でのみ実現可能であるためです。 さらに、手動によるデータ収集を必要としない、効率的で低コストの研究デザインです。

研究者らは、ノッティンガム大学病院（NUH）NHSトラストの電子システムに保存されているデータを利用して、新型コロナウイルス感染症の疑いがある患者、または最終的に診断が確定したすべての患者を特定する予定だ。 これは、パンデミックの開始時から遡及的に実行され、その後、利用可能なデータを最大化するために将来に向けてローリング プログラムで実行されます。

これらの患者について、研究者は、診断（併存疾患）、毎日の臨床観察、毎日の臨床検査パラメータに関するすべての関連データを、来院時と、その後死亡または退院の時点まで継続的に収集します。 これらのデータには、体温、脈拍、血中酸素飽和度、吸気酸素濃度、呼吸数、C 反応性タンパク質、白血球数などの繰り返し測定が含まれます。

データはノッティンガム大学病院トラストネットワーク内で分析され、結果がモデル化され、機密性が確実に維持されます。

分析

挿管を続ける患者の特徴 研究者は、ベースラインパラメータと換気をクロス集計し、ロジスティック回帰モデルを使用して調整された関連性を計算することによって、ベースラインパラメータと換気を必要としない患者と比較した患者の人口統計との関連性を評価します。 研究者らはまた、毎日の反復測定による変量効果モデルを使用して、挿管の毎日のリスクを調査する予定です。 簡単に計算できる臨床リスクスコアの可能性を調べるために、ロジスティックモデルが準備されますが、連続変数を連続として保持し（有用な予測データの保持を最大化するため）、それらをカテゴリデータに削減します（臨床計算を容易にするため）。 研究者は、Akaike 情報量基準およびアルファ = 0.05 による後方消去を使用して、モデルの予測子を選択します。 候補モデルについて、研究者は C インデックスと受信機動作曲線を計算し、Hosmer-Lemeshow テストを使用して校正を評価します。 ブートストラップと相互検証は、過剰適合を回避し、モデルのパフォーマンスを評価するために使用されます。

挿管につながるマーカーを特定するための時間傾向分析 研究者は、利用可能な場合は繰り返し測定でデータの経時的な傾向を調べ、適切な要約統計を使用してこれらを説明します。 十分な繰り返し測定がある場合は、各共変量が JoinPoint 分析で評価され、換気の低下を示す臨床像の変化を示す明らかな時間の変化があるかどうかが評価されます。 このプロセスは、データのカテゴリ表現のためのカテゴリの合理的な選択に反映されます。

死亡を示唆する挿管時の予測因子 研究者らは、換気時点のパラメーターと死亡をクロス集計し、ロジスティック回帰モデルを使用して調整された関連性を計算することにより、人工呼吸器を使用して死亡した患者とそうでない患者と比較した、あらゆるパラメーターと人口統計の関連性を評価します。 研究者らはまた、毎日の反復測定による変量効果モデルを使用して、毎日の死亡リスクを調査する予定です。 簡単に計算できる臨床リスクスコアの可能性を調べるために、ロジスティックモデルが準備されますが、連続変数を連続として保持し（有用な予測データの保持を最大化するため）、それらをカテゴリデータに削減します（臨床計算を容易にするため）。 研究者は、Akaike 情報量基準およびアルファ = 0.05 による後方消去を使用して、モデルの予測子を選択します。 候補モデルについて、研究者は c インデックスと受信機動作曲線を計算し、Hosmer-Lemeshow テストを使用して校正を評価します。 ブートストラップと相互検証は、過剰適合を回避し、モデルのパフォーマンスを評価するために使用されます。

死亡につながるマーカーを特定するための時間傾向分析 利用可能な場合は、繰り返し測定で時間の経過に伴う傾向のデータを調べ、適切な要約統計を使用してこれらを説明します。 十分な反復測定がある場合、各共変量は JoinPoint 分析で評価され、死に向けての衰退を示す臨床像の変化を示す明らかな時間的変曲があるかどうかが評価されます。 酸素補給なしで退院した患者のベースライン特性ベースラインパラメータと換気をクロス集計し、ロジスティック回帰モデルを使用して調整された関連性を計算することにより、ベースラインパラメータと酸素補給なしで退院した患者の人口統計と、酸素補給なしで退院した患者の人口統計との関連性を評価します。 簡単に計算できる臨床リスクスコアの可能性を調べるために、ロジスティックモデルが準備されますが、連続変数を連続として保持し（有用な予測データの保持を最大化するため）、それらをカテゴリデータに削減します（臨床計算を容易にするため）。 研究者は、Akaike 情報量基準およびアルファ = 0.05 による後方消去を使用して、モデルの予測子を選択します。 候補モデルについて、研究者は c インデックスと受信機動作曲線を計算し、Hosmer-Lemeshow テストを使用して校正を評価します。 これらの各ステップは、データセットの 20% のランダムに選択された 10 個のサブサンプルで繰り返されます。

層別補足分析 不良転帰のリスクがあるさまざまな患者グループを特定するために、各リスクモデルとの相互作用を評価して、年齢層、性別、以前の併存疾患、およびリンパ球減少症、CRP などのベースライン要因によって層別化が必要かどうかを特定します。

すべての分析は、PCRで確認された新型コロナウイルス感染症患者のグループと疑わしいだけの患者のグループに対して繰り返される。

酸素補給なしで退院した場合の分析では、研究者らは退院した患者の再入院のリスクを調べ、その後再入院しなかった患者についてのみ分析を繰り返す。

適格基準

対象基準 • ノッティンガム大学病院に入院しているすべての患者で、新型コロナウイルス感染症の疑いがあるか、最終的に診断が確認された18歳以上の患者

除外基準

• 18 歳未満。