단순 관찰 중환자 치료 연구 (SOCCS)

등록 절차:

적격 환자는 중환자실에 도착한 후 3시간 이내에 포함됩니다. 포함 후 모든 연구 매개변수는 물리적 및 생리학적 검사를 통해 얻을 것입니다. 이것은 약 12시간에 반복되고 그 후 약 24시간에 반복됩니다.

모니터링:

모니터링은 흐로닝겐 대학교 의료 센터(UMCG) 중환자실의 독립 연구원이 수행합니다. 감사는 연 1회 실시할 예정입니다.

신병 모집:

환자 포함 및 변수 측정은 주 연구자의 감독 및 책임 하에 연구 코디네이터 또는 공동 연구원이 수행합니다. 관찰적 특성으로 인해 이 연구에 대한 정보에 입각한 동의를 얻지 못할 것입니다.

소스 데이터 검증:

포함 시 모든 기존 혈역학 변수는 기본 혈역학 모니터링(심박수, 심전도(ECG), SpO2, 동맥압 측정의 동맥압 및/또는 비침습적 측정을 통한 동맥압을 추적하는 Philips ImageVue 모니터)의 신체 검사 및 기록 데이터에 의해 파생됩니다. 혈압 모니터링). 모든 변수는 학생 연구원의 모든 측정을 표준화하기 위해 사전 정의됩니다(데이터 사전 참조).

일반 환자 특성 및 실험실 측정은 전자 환자 차트에서 기록되었으며 급성 생리학 및 만성 건강 평가(APACHE) II 및 IV, SAPS(Simplified Acute Physiology Score II) 점수는 NICE(National Intensive Care Evaluation) 데이터베이스에서 추출되었습니다. 90일 및 3년의 모든 원인으로 인한 사망에 대한 후속 조치는 시 개인 기록 데이터베이스를 사용하여 수집됩니다. 장기 후속 조치는 병원 기록, 가정의 및/또는 직접 접촉과 같은 다양한 리소스를 통해 수집됩니다.

데이터 수집:

중환자실 입실 3시간 이내에 1회 임상검사 변수를 통해 모든 변수를 확보하고 간호사와 의사에게 예후를 묻는다. 기타 변수(예: 실험실 및 이미징 값) 전자 환자 차트에서 얻을 수 있습니다. 각 변수를 측정하는 이유와 구체적인 세부 사항은 아래에 광범위하게 설명되어 있습니다.

전신 순환 변수:

심박수(HR): 침대 옆 심전도 모니터에서 기록됩니다. 불규칙한 리듬의 경우(예: 심방 세동) 수사관은 1분 동안의 평균 심박수를 사용합니다. 심박수와 별도로 심방 세동의 존재가 기록됩니다.

수축기 혈압(SBP), 확장기 혈압(DBP) 및 평균 동맥압(MAP): 이들은 일상적인 치료의 일부인 동맥 라인을 사용하여 혈관 내 측정을 통해 얻을 수 있습니다. 동맥 라인이 삽입되지 않은 경우 비침습적 측정이 수집됩니다.

중심정맥압(CVP): 내경정맥 또는 쇄골하정맥에 중심정맥관이 존재하는 경우 기록됩니다.

미세 및 주변 순환 변수:

모세혈관 재충전 시간(CRT): 이것은 검지의 원위 지골과 무릎 중앙 부분에 강한 압력을 가한 후 10초 후에 측정됩니다. 컷오프 점수는 사용되지 않지만 CRT에 대한 여러 연구에서 정상으로 간주되는 값의 불일치로 인해 연속 측정이 사용됩니다.

피부 온도(Tskin): 이것은 주관적이고 객관적으로 측정됩니다. 주관적 측정은 환자의 사지를 촉진하여 수행됩니다. '따뜻함' 또는 '차가움'의 구분은 검사자의 손 등쪽 표면을 사용하여 이루어집니다. 검사한 모든 사지가 차갑다고 여겨지거나 상지가 따뜻함에도 불구하고 하지만 차갑다면 환자는 '차가운' 피부 사지를 가진 것으로 간주됩니다.

피부 온도를 객관화하기 위해 중심에서 주변 및 주변에서 주변 온도 차이(각각 dTc-p 및 dTp-a) 또는 팔뚝에서 손가락 피부 온도 구배(Tskin-diff)를 사용합니다. 문헌에 제안되었다. 조사관은 중앙에서 주변으로의 측정을 사용합니다.

중앙-주변 온도 차이(dTc-p): 이 차이를 측정하기 위해 조사관은 방광 서미스터 카테터로 측정한 방광 온도를 피부 탐침(DeRoyal 피부 온도 센서 제품 번호 81- 010400EU) 왼쪽 또는 오른쪽 발(등쪽). 조사관은 방광 온도를 중앙 온도의 대용으로 사용하고 발가락 온도를 주변 측정으로 사용합니다. 문헌에서는 일반적으로 5°C 또는 7°C의 온도 차이가 상한선으로 사용됩니다. 따라서 조사관은 7°C보다 높은 값을 비정상으로 간주합니다.

반점 점수: 이 점수는 Ait-Oufella 등이 2011년에 설명했습니다. 반점은 미세 순환 기능 장애로 인한 피부의 누덕누덕한 변색입니다. 일반적으로 무릎 주변 부위를 포함합니다. Mottling 점수 범위는 얼룩덜룩한 영역의 범위에 따라 0에서 5까지입니다. 0 또는 1점은 경증, 2 또는 3점은 중등도, 4 또는 5점은 중증으로 간주됩니다.

소변 배출량(ml/kg/h): 이 역시 정기적인 관리의 일환으로 측정됩니다. 조사관은 검사 전(즉, 입원에서 검사까지) 총 소변 배출량을 사용합니다. 기존 신부전이 있는 환자의 경우 소변 배출은 사용되지 않습니다.

기타 변수:

호흡수: 침대 옆 심전도 모니터에 기록됩니다. 환자가 기계 환기를 받는 경우 아래를 참조하십시오.

기계적 환기: 기계적 환기의 존재 및 유형에 대한 데이터와 호흡기 상태에 대한 기본 정보(예: PEEP 및 FiO2).

근수축 및 혈압상승제 사용: 수축촉진제 또는 바소프레신 ​​요구사항, 유형, 용량 및 속도가 기록됩니다. 수축 수축/혈압 상승제로 간주되는 것은 노르아드레날린, 바소프레신, 도부타민, 도파민 및 밀리논입니다. 진정제로 간주되는 것은 midazolam, propofol 및 S-ketamine입니다.

펌프 기능 및 말초 순환 추정: 치료 팀 구성원 또는 연구원이 추정합니다.

혈청 젖산염, 헤모글로빈, 트로포닌-T 및 크레아티닌: 이들은 정기적인 관리의 일부로 결정됩니다. 연구 목적으로 조사관은 조사에 가장 가까운 값을 사용합니다.

pH, 백혈구, 헤마토크릿 등과 같이 정기적인 관리의 일부로 결정된 기타 생화학적 값도 기록됩니다.

임상 검사가 수행된 후 다음과 같은 일반적인 특성에 대한 정보가 NICE 데이터베이스에서 추출됩니다. 여기에는 APACHE 점수, SAPS, SOFA(Sequential Organ Failure Assessment) 및 발표된 기타 모든 예측 모델에 의해 평가된 인구 통계학적 데이터(예: BMI, 연령 및 성별), 병력, 진단 및 질병의 중증도가 포함됩니다. 이를 위해 광범위한 문헌 검색을 생성 및 게시한 후 게시된 모든 모델을 해당 변수와 함께 포함하도록 수행합니다. 또한 조사관은 실험실 값(세부 사항은 위에 설명됨), 소변 배출량(세부 사항은 위에 설명됨) 및 일상적인 입원 ECG 및 이미징을 수집합니다. 30일 후 조사관은 환자 파일을 다시 평가하여 총 ICU 체류 일수에 대한 정보를 수집합니다.

데이터 관리:

데이터는 OpenClinica를 사용하여 기록되고 분석을 위해 전송됩니다. OpenClinica에서 전송한 후 모든 데이터는 Stata 버전 15(StataCorp, College Station, TX)를 사용하여 생성된 데이터베이스에서 관리됩니다. 모든 연구 주제는 연구 이름과 포함 번호로 구성된 연구 주제 ID를 받게 됩니다. 이 연구 주제 ID는 OpenClinica와 Stata 모두에서 사용됩니다. OpenClinica에서 'study director' 계정 속성이 있는 연구원만 연구 대상 ID를 환자 번호에 연결할 수 있습니다.

샘플 크기 평가:

매년 3000명의 환자가 4개의 ICU 유닛 중 하나에 입원합니다. 이러한 입원 중 약 1500건은 계획되지 않은 긴급 입원입니다. 조사관은 이러한 계획되지 않은 입학의 절반이 포함 기준을 충족한다고 추정합니다. 이로써 750명의 환자가 포함 대상이 됩니다. 그러나 조사관은 논리적이고 실용적인 이유로 모든 적격 환자를 포함할 수 없을 것이라고 가정합니다. 따라서 연구자들은 연간 400명의 환자를 포함하는 것을 목표로 합니다.

누락된 데이터에 대한 계획:

먼저 누락된 데이터의 기본 패턴(완전히 무작위로 누락, 무작위로 누락 또는 무작위로 누락되지 않음)을 탐색합니다. SICS-I에 대한 이전 경험을 기반으로 데이터가 무작위로 누락될 것으로 예상됩니다. 따라서 다중 전가를 사용하여 누락된 데이터에 대한 전가로 1차 분석을 수행합니다. 결론의 견고성은 이용 가능한 데이터를 포함하는 2차 민감도 분석으로 확인됩니다.

통계 분석 계획:

조사관은 일반적인 특성을 사용하여 기본 테이블을 만듭니다. 통계 분석은 Stata 버전 15(StataCorp, College Station, TX)를 사용하여 수행됩니다. 데이터는 정규 분포인 경우 표준 편차가 있는 평균으로 표시되거나 데이터가 왜곡된 경우 범위가 있는 중앙값으로 표시됩니다.

단변량 분석이 수행되고 p<0.1인 모든 변수가 다변량 모델에 포함됩니다. 다변량 분석은 단계별 모델을 사용하여 수행됩니다. 심박출량은 선형 회귀를 사용하여 모델링하고 사망률은 로지스틱 회귀를 사용하여 모델링합니다. 모든 분석은 연령과 성별에 맞게 조정됩니다. 다른 일반적인 특성은 표준적으로 모델에 추가되지 않습니다. 모든 분석은 양면으로 테스트되며 0.05 미만의 p-값은 통계적으로 유의한 것으로 간주됩니다.

샘플 크기가 허용되는 경우 조사관은 다른 하위 모집단에서 분석을 수행합니다. 추가 분석에 적합할 수 있는 하위 집단의 예는 패혈증 및/또는 심각한 순환계 쇼크가 있는 하위 집단입니다.

향후 계획에는 추가 데이터 분석을 위한 기계 학습 방법의 사용이 포함됩니다. SOCCS는 데이터 수집이 동시에 가능한 한 균일하고 광범위하도록 설계되었습니다. 앞서 설명한 바와 같이 훈련된 학생 팀이 하루 24시간 대기할 수 있기 때문에 ICU에 입원하는 거의 모든 환자가 포함될 것입니다. 이것은 새로운 환자가 언제든지 포함될 수 있음을 보장하고 대량의 균일한 데이터 세트를 생성할 수 있는 가능성을 제공합니다. 입원 3시간 이내에 ICU에 급성 입원한 모든 환자에 대해 병상에서 많은 변수가 정확하게 기록됩니다. 보다 전통적인 데이터 분석 프로젝트와 혁신적인 데이터 분석 프로젝트 모두 최적의 데이터 수집 프로세스를 통해 이점을 얻을 수 있습니다. SOCCS 연구를 위해 수집된 모든 데이터는 기계 학습 기반 예측 모델링 연구를 쉽게 정의하고 설정할 수 있는 광범위하고 완전한 데이터베이스에 컴파일됩니다. 나중 단계에서 이러한 데이터는 중환자의 진화를 확률적으로 추적하거나 후속 연구를 위해 잠재적으로 흥미로운 매개변수를 강조하는 것을 목표로 하는 예측 또는 위험 계층화 모델을 구축하는 데 사용될 것입니다.

기계 학습(ML)은 데이터 과학자가 추론을 통해 일반적으로 큰 데이터 샘플에서 "학습"하는 감독 또는 감독되지 않은 알고리즘을 설계할 수 있는 인공 지능의 한 분야입니다. ML은 유전자 분석에서 잘 알려진 방법으로 시작하여 그 이후 여러 다른 의학 분야로 확산되었습니다. 주로 치료의 특정 구성 요소를 식별하고 우선 순위를 지정하는 데 있어서 임상 중심 연구를 촉진할 수 있는 잠재력이 나타났으며, 연구는 환자에게 가장 큰 혜택을 줄 수 있습니다. 또한 중환자 치료에서 ML 기반 프레임워크의 사용은 여러 유형의 데이터를 사용하여 여러 작성자에 의해 보고되었습니다. 이러한 데이터는 다양한 방식으로 얻을 수 있으며, 가장 일반적인 것은 SOCCS 및 SICS 연구를 위해 수행된 것과 같은 병상 측정을 통해 또는 유사한 피험자 그룹의 이전 생리학적 데이터에서 더 많은 매개변수를 수집하는 것입니다.