중환자의 질적 개선을 위한 위험 모델링: 일상적으로 사용 가능한 데이터를 최대한 활용

목표: 일상적으로 수집되는 다른 데이터 소스와의 데이터 연결을 사용하여 성인 일반 중환자 치료, 심흉부 중환자 치료 및 병원 내 심정지에 대한 국가 임상 감사를 뒷받침하는 데 사용되는 위험 모델을 개선합니다.

구체적인 목표는 다음과 같습니다.

1. 다음을 통해 성인 일반 중환자 치료에 대한 위험 모델을 개선합니다. (1b) 당뇨병(CMP와 National Diabetes Audit 사이의 데이터 연결에 의해) 및 (1c) 말기 신장 질환(CMP와 UK Renal Registry 사이의 데이터 연결에 의해)의 장기 만성 건강 결과에 대한 위험 모델 개발; (1d) 후속 의료 이용 및 비용에 대한 위험 모델 개발(CMP와 HES 간의 데이터 연결을 통해)
2. (2a) 위험 요인 데이터 향상(National Adult Cardiac Surgery Database와의 데이터 연결을 통해); (2b) 장기 사망률에 대한 위험 모델 개발(CMP와 ONS의 사망 등록 간의 데이터 연결을 통해); (2c) 후속 의료 이용 및 비용에 대한 위험 모델 개발(CMP와 HES 간의 데이터 연결을 통해)
3. .병원 내 심장 마비에 대한 위험 모델을 개선하기 위해: (3a) 위험 요인 데이터 향상(NCAA와 HES 간의 데이터 연결을 통해); (3b) 장기 사망률, 의료 이용 및 비용에 대한 위험 모델 개발(NCAA와 ONS 간의 데이터 연결을 통해) (3c) 후속 중환자실 이용을 위한 위험 모델 개발(NCAA와 CMP 간의 데이터 연계를 통해); (3d) 후속 의료 이용 및 비용에 대한 위험 모델 개발(NCAA, ONS 및 HES 간의 데이터 연결을 통해)
4. 다음을 통해 개선된 위험 모델을 즉시 실용화합니다. (4a) 국가 임상 감사를 위한 일상적인 비교 결과 보고에 채택; (4b) 중환자 치료의 제공자, 관리자, 커미셔너, 정책 입안자 및 학자에게 연구 결과 전달

데이터 수집: 이 프로젝트는 CMP(Case Mix Program) 및 NCAA(National Cardiac Arrest Audit)를 위해 수집된 고품질 임상 데이터를 활용합니다. 이 데이터는 National Diabetes Audit, UK Renal Registry 및 National Adult Cardiac Surgery Audit의 데이터, HES(Hospital Episode Statistics)의 일상적인 관리 데이터 및 ONS(Office for National Statistics)의 사망 등록과 연결됩니다.

데이터 연결은 신뢰할 수 있는 제3자 역할을 하는 HSCIC 데이터 연결 및 추출 서비스(DLES)에 의해 수행됩니다. 식별자(관련 임상 데이터 없음)는 각 국가 임상 감사에서 HSCIC의 보안 서버로 업로드됩니다. DLES는 데이터 연결을 수행하고 데이터 세트에서 동일한 환자의 모든 기록을 연결하는 데 사용할 수 있는 공통 키를 반환합니다. ICNARC 외부의 3개 국가 임상 감사는 연결된 레코드에 대해 합의되고 가명 처리된 데이터 세트를 추출하고 DLES는 HES 및 ONS에서 데이터를 추출하며 이러한 데이터 세트는 ICNARC로 전달됩니다. ICNARC는 CMP 및 NCAA에서 가명 데이터 추출을 생성하고 공통 키를 사용하여 국가 임상 감사 및 DLES에서 제공하는 데이터 세트에 연결됩니다. 이러한 방식으로 가명 데이터만 여러 데이터 소스 간에 연결됩니다.

데이터 분석: 분석 결과 및 목적에 따라 다음과 같은 모델 개발 접근 방식이 적용됩니다.

• 로지스틱 회귀를 사용하여 고정된 시점(30일, 90일, 1년)에서 사망률 모델링.
• Weibull 및 Cox 회귀와 같은 표준 생존 회귀 방법을 사용한 이벤트 발생 시간 결과 모델링.
• 간격 검열된 데이터를 처리하려면: Cox 비례 위험 모델, 부분 우도 추정(간격 검열 허용)을 사용하는 보완 로그-로그 모델 및 이산 시간 위험 모델.
• 발병 시간의 간격 검열과 사망과의 경쟁을 모두 설명하기 위해 원인별 Cox 비례 위험 모델과 질병-사망 모델이 고려됩니다.
• 목표 3의 경우, 20분 이상의 자발 순환 회복(ROSC) 및 병원 퇴원 결과까지의 생존, 병원의 무작위 효과가 있는 다단계 로지스틱 회귀가 적용됩니다.
• 병원 자원 사용 및 사후 관리 비용 모델링: 다단계 회귀 모델 및 로그 선형 회귀 모델.

위험 예측 모델은 다음을 포함한 측정 패널을 사용하여 식별, 보정 및 전반적인 적합성에 대해 검증됩니다. 예측된 위험에 대해 관찰된 플롯; Hosmer-Lemeshow 적합도 통계량; Cox의 보정 회귀; Shapiro의 R, Brier의 점수 및 해당하는 대략적인 R2 측정값; 그리고 재분류.