수술 전후 뇌졸중 후 결과 예측인자

배경

Perioperative 뇌졸중은 현재 그 발생을 감지하고 예방하는 데 사용할 수 있는 제한된 임상 도구로 특성이 제대로 파악되지 않은 치명적인 수술 합병증입니다. 수술 전후 뇌졸중은 수술 후 발생하는 뇌혈관 사건으로, 비심장, 비신경 수술을 받는 환자의 0.1-1.9%에서 발생합니다. 수술 전후 뇌졸중은 심장 합병증과 같은 유사한 발생률 및 중증도의 수술 후 합병증에 비해 상대적으로 연구가 부족합니다. 지난 수십 년 동안 수술 전후 심근 경색의 위험을 줄이기 위해 상당한 노력을 기울였으며 위험 계층화 및 수술 전후 관리의 발전으로 인해 시간이 지남에 따라 발생률이 감소했습니다. 수술 전후 뇌졸중의 발병률은 수술 전후 심근경색의 발생률과 비슷하거나 높지만, 이 합병증의 위험은 시간이 지남에 따라 증가하고 있으며 수술 전후 뇌졸중은 상대적으로 무시됩니다. 현재 문헌에 따르면 수술 후 뇌졸중을 경험한 환자는 사망률, 입원 기간 및 시설로의 퇴원 비율이 더 높다는 사실이 확인되었지만, 이 합병증의 드문 특성을 감안할 때 이러한 결과를 예측하는 요인에 대해서는 상대적으로 거의 알려져 있지 않습니다. 수술 중 뇌졸중을 경험하십시오.

목표

구체적인 목표

1. 사망률(일차 결과), 유해 퇴원, ICU 이용, 기관절개술/PEG/두개절제술 및 수술 전후 뇌졸중 후 체류 기간에 대한 위험 예측 모델을 도출하고 외부적으로 검증합니다.
2. 2005년에서 2020년 사이에 수술 전후 뇌졸중 후 사망률의 시간적 추세를 설명합니다.
3. 수술 전후 뇌졸중 후 사망 위험의 매개체를 탐색합니다.

행동 양식

이 연구는 2004년에서 2020년 사이에 전향적으로 수집된 American College of Surgeons National Surgical Quality Improvement Program 데이터베이스의 후향적 분석입니다.

유도 코호트는 NSQIP 데이터베이스에서 추출됩니다. 데이터 세트의 가장 최근 연도(2020년)에는 708개 사이트의 백만 건 이상의 사례에 대한 데이터가 포함되어 있습니다. 검증 코호트는 BC의 모든 거주자(인구 510만 명)에 대한 비식별화된 개인 수준 데이터를 제공하는 연결된 주 데이터베이스 모음인 Population Data BC에서 추출됩니다. 2002년 1월 1일부터 2020년 12월 31일까지의 날짜 범위는 현대 뇌졸중 치료 관행(예: EVT)과 2002년 이후 ICD-10-CA 코딩의 일관된 사용을 반영하기 위해 선택되었습니다.

연구 인구

NSQIP 파생 코호트: 2004년에서 2017년 사이에 NSQIP 데이터베이스에서 수술 전후 뇌졸중 환자가 포함될 것입니다. 신경외과(경동맥 내막 절제술 포함) 및 중재 방사선 절차는 제외됩니다. 심장 및 비심장 수술 인구는 고유한 뇌졸중 위험 프로필을 고려하여 별도로 분석됩니다.

PopDataBC 검증 코호트: AIS 환자는 진단 코드 I63.0-163.9를 사용하여 식별됩니다. International Classification of Diseases(ICD), Tenth Revision, Canada(ICD-10-CA)는 대규모 관리 데이터 세트에서 AIS를 정확하고 안정적으로 식별하며 긍정적인 예측 값과 97% 이상의 민감도를 제공합니다. 수술을 위해 입원한 지 30일 이내에 AIS의 ICD-10-CA 입원 진단(상위 3위)을 경험했거나 지표 외과 입원에서 퇴원 진단을 받은 환자. 수술 전 환자는 뇌졸중 입원 30일 전에 외과 청구 코드를 받은 경우 전체 AIS 코호트에서 추가로 추출됩니다.

결과 변수: 1차 결과는 30일 사망률입니다. 2차 결과는 ICU 이용, 입원 기간, 중증 뇌졸중 결과의 지표(기관절개술, PEG, 뇌부종에 대한 반두개 절제술) 및 유해 퇴원(비자택 시설 또는 사망)입니다.

후보 예측 변수: 수술 전후 뇌졸중 후 결과는 잠재적으로 환자, 수술 및 마취 요인뿐만 아니라 뇌졸중의 특성과 관련이 있습니다. 후보 예측 변수에는 환자 특성(연령, 성별, 뇌졸중 병력을 포함한 합병증), 수술 특성(전문성, 복잡성, 유형, 응급 상태), 마취 기술(일반 vs 국소/신경축) 및 뇌졸중 특성(수술과 관련된 타이밍)이 포함됩니다. , 뇌졸중 대 입원환자 뇌졸중 재입원). 연속적인 비선형 연관을 허용하기 위해 분수 다항식을 사용하는 변환을 위해 연속 변수가 고려됩니다.

통계 분석

목표 1: 위험 예측 모델의 도출 및 검증. 수술 전후의 뇌졸중 후 30일 사망률을 예측하기 위한 다변량 모델은 고유한 뇌졸중 메커니즘을 고려할 때 심장 및 비심장 수술에 대해 별도로 생성됩니다. 과적합을 방지하기 위해 데이터 축소 전략을 수행하고 누락된 데이터가 10% 이상이거나 관측치가 20개 미만인 변수를 제외합니다. >1% ~ <10% 데이터가 누락된 경우 다중 또는 평균 대체를 고려합니다. 결측 데이터가 1% 미만인 변수는 완전한 사례 분석을 통해 처리됩니다.

사전 지정된 예측 변수는 탄성 순 패널티를 사용하여 계수가 축소되는 로지스틱 회귀 모델을 구성하는 데 사용됩니다. 변수 선택 및 페널티를 위한 이 방법은 결과 수에 비해 많은 수의 잠재적 예측 변수가 있을 가능성을 예상하고 몇 가지 중요한 예측 변수가 동일선상에 있을 것으로 예상하기 때문에 선택되었습니다. 탄력적 순 정규화를 사용하여 LASSO(최소 절대 축소 및 선택자 연산자) 페널티와 RIDGE 회귀 사이의 균형을 사용할 수 있습니다. RIDGE 회귀를 사용하면 중요한 공선 예측자를 유지할 수 있지만 계수는 축소됩니다(공선성으로 인해 부풀려질 수 있음). LASSO 방법은 일부 비기여 예측자의 계수를 0으로 허용하므로 모델에서 제거합니다. 포함된 변수는 필요에 따라 모델 성능을 개선하기 위해 고려되는 상호 작용 및 추가 용어에 대해 평가됩니다. 구체적으로 연령*성별, 외과적 복잡성(WRVU)*나이, WRVU*전문 분야 및 전문 분야*마취 기술과 같은 상호 작용을 선험적으로 조사할 것입니다. 모델 식별은 수신기 작동 특성 곡선(c-statistic) 아래 영역을 사용하여 평가됩니다. 모델 보정은 위험 스펙트럼에 걸쳐 관찰된 위험과 예측된 위험의 황토 평활 플롯으로 평가됩니다. 유사한 분석을 사용하여 체류 기간에 대한 예측 모델(로그 변환 선형 모델이 됨)을 생성합니다. 사망은 퇴원 처리에 대한 경쟁 결과이므로 불리한 퇴원은 서수 결과(가정, 비가정 퇴원 또는 사망)로 모델링됩니다.

내부 유효성 검사: 유도 후 내부 유효성 검사 및 예상 낙관론을 생성하기 위해 5,000개의 부트스트랩 샘플이 사용됩니다. 민감도 분석은 수술 연도의 영향을 평가하기 위해 서로 다른 시간 에포크에서 모델 성능을 테스트합니다(예: 각 연도에 사용 가능한 관찰 수에 따라 2~3년 에포크). 사망률을 예측하기 위한 최종 모델을 도출한 후 회귀 계수를 상대적 가중치를 반영하는 포인트로 변환하여 단순화된 예측 지수를 도출합니다. 결과 도구의 예측 정확도는 위와 유사한 방식으로 평가됩니다.

외부 검증: 최종 물류 모델은 NSQIP 데이터 요소를 PopDataBC 데이터베이스에 매핑한 후 PopDataBC에서 얻은 개별 데이터 세트에서 외부적으로 검증됩니다. 회귀 계수는 NSQIP 파생 모델의 PopDataBC에 적용되어 예상 결과 확률을 계산하고 예측 결과와 관찰 결과를 비교합니다. 수신기 작동 특성 곡선 >0.70이 허용 가능한 모델 식별로 간주되고 Hosmer-Lemeshow 테스트(p>0.05)가 허용 가능한 적합도를 나타내는 영역으로 식별 및 교정이 측정됩니다.

목표 2: 사망률의 시간적 경향. 우리는 시간 경과에 따른 사망률의 연간 변화를 추정하기 위해 종속 변수로 수술 전후 뇌졸중 후 연간 사망률과 예측 변수로 연도를 사용하여 탐색적 조정되지 않은 일반 최소 제곱 회귀 모델을 수행할 것입니다. 다변수 선형 회귀 모델이 지정되어 중요한 예측 변수를 조정합니다.

목표 3: 사망 위험의 매개자. 뇌졸중 후 사건에 의한 뇌졸중 전 사망 위험의 가능한 영향 수정을 탐색하기 위해 사망을 종속 변수로, 기본 모델의 사망 확률을 선형 예측 변수로 사용하는 일련의 로지스틱 회귀 모델을 지정합니다. 그런 다음 각각 추가 변수로 미리 지정된 예측 변수(위)를 추가하여 가정된 효과 수정 변수의 추가에 따라 사망 확률이 증가 또는 감소하는지 여부를 탐색합니다.

성별/성별 기반 분석: 여성과 남성에 대한 하위 그룹 분석을 수행하고 이 두 모집단의 기본 기능과 결과를 특성화하고 비교하여 수술 전후 뇌졸중 후 성별과 결과 사이의 관계를 탐구합니다. 조정된 모델의 예측 변수로 선험적으로 성별을 추가로 포함하고 다른 변수와의 상호 작용을 조사합니다. NSQIP가 "남성", "여성" 또는 "알 수 없음"만 제공하므로 이진법이 아닌 성별을 검사할 수 없습니다.

샘플 크기 및 검정력: Riley 등의 방법을 사용하여 과적합을 최소화하는 안정적인 로지스틱 회귀 모델을 도출하는 데 필요한 샘플 크기를 추정했습니다. 30개의 모델 매개변수와 뇌졸중 환자의 25% 사망률 추정 결과 유병률을 사용하여3 잠재적 모델 차별(c-통계) 및 분산 설명(Cox-Snell R2)을 기반으로 필요한 최소 샘플 크기를 추정했습니다. 모델이 0.7(R2 0.09)의 c-statistic을 달성하면 2,754명의 참가자가 필요합니다. 차별성이 강할수록(c-통계량 0.8, R2 0.2) 필요한 샘플 크기가 1,145로 줄어듭니다. NSQIP 데이터베이스 2004-2017에는 660만 명의 환자가 포함되어 있으며, 2015년 데이터 세트의 예비 분석에 따르면 99.5%는 뇌졸중 발생률이 0.19%인 비심장 수술이 될 것이며 0.5%는 발생률이 1.76%인 심장 수술이 될 것입니다. 뇌졸중. 따라서 우리는 총 최소 12,434건과 5,808건의 비심장 및 심장 수술 전후 뇌졸중을 추정합니다.

p 값 <0.05는 모든 분석에 대해 유의한 것으로 간주되며 모든 데이터 분석은 STATA 17(StataCorp, Texas, USA)을 사용하여 수행됩니다.