COVID19 심각도 예측 및 의료 서비스 연구 평가

배경: 이 전염병의 근본적인 문제 중 하나는 SARS-CoV-2 감염 환자의 높은 비율로 결정되며 급속한 임상 악화를 나타내어 중요한 단위에서 치료가 필요합니다. 이러한 더 심각한 상태와 관련된 요인을 식별하면 사전에 예방 또는 치료 조치를 취할 수 있는지 여부를 평가하거나 이러한 환자에게 제공할 서비스를 더 잘 계획할 수 있습니다. 미래에 일어날 수 있는 일입니다.

목표: 이 프로젝트는 임상 악화, ARDS, 패혈증, SRIS, 패혈성 쇼크 또는 사망의 출현으로 정의되는 SARS-CoV-2에 감염된 환자의 불량한 진화 위험에 대한 계층화 척도를 만드는 것을 목표로 합니다. 추가 목표는 다음과 같습니다. 1.- 연령, 성별 또는 지리적 출신에 따라 거주지에서 온 환자에 대한 특별한 관심과 함께 다양한 치료 프로세스, 진단 및 치료 절차에서 이러한 환자가 가진 접근성 및 형평성을 평가합니다. 2.-이 전염병에 사용된 다양한 치료 체계의 효과를 평가합니다. 3.-이러한 환자의 열악한 진화를 예측하는 데 사용되는 다양한 진단 테스트의 효과 평가 4.- COVID-19 입원 환자 치료와 관련된 실제 비용 평가 방법: 정보는 대부분 전자 의료 기록에서 추출됩니다. , 그러나 예측의 특정 기본 매개변수(임상 발현, 증상 시작 날짜 및 증상 지속 기간, 역학 이력)에 대해서는 수동으로 수행해야 합니다. 통계 분석: CoVid-19 환자의 불량한 진화 예측을 위해 로지스틱 회귀/생존 모델/인공 지능 알고리즘이 생성됩니다.

2개의 샘플이 포함되어 있습니다. 2.-5월 31일까지 대유행의 첫 번째 물결 동안 연구에 참여하는 센터에서 COVID 19로 입원한 환자가 포함됩니다(바스크 지방의 경우 이 환자 중 일부는 모집단 샘플 # 앞에서 설명한 1). 특정 단체의 새로운 물결(센터당 한 달에 100명 이상의 입학)이 있는 경우 이 정보도 나중에 수집됩니다. 조사관이 지금까지 가지고 있는 정보로 조사관은 조사관이 6000-7000개를 선택할 수 있음을 확인합니다. 나중에 가을 물결의 환자는 첫 번째 물결과 더 큰 시간적 유사성으로 인해 2021년 5월 말까지 수집됩니다.

샘플링: 의료 기록에서 검토할 정보는 무작위 샘플링이 수행되는 2020년 3월-5월 사이에 팬데믹의 첫 번째 물결에서 수집됩니다. 2020~2021년 가을-겨울 2차 시기에는 이 2차 시기의 예상 표본 크기를 충족하기에 충분한 환자의 무작위 표본도 수집될 것입니다. 그렇지 않은 경우 샘플 크기는 첫 번째 웨이브의 환자로 완료됩니다.

변수: 노출: 1.-사회인구학적 데이터: 연령, 성별, 거주지(예/아니오), 출신 국가. 2.- 개인 병력: 관련 질병; 기초치료 등 3. - 질병의 병력 4. - 가정 또는 AP에서 신체검사. 5.-병원 이력: 응급실 도착 시 증상, 활력 징후, 징후 및 신체 검사, 검사실 검사, 흉부 방사선 촬영 패턴, CAT 패턴, 확립된 치료, ICU 데이터.

결과: 임상적 장애: 휴식 시 호흡곤란, ARDS 발생, 패혈증, SIRS, 쇼크, ICU 입원, 사망(날짜). 증상의 완화, 질병이 없을 때까지의 일수, 사망.

후속 조치(6개월): 재입원, 새로운 진단, 합병증, 섬유형성 바이오마커, 진단 절차 결과(방사선 사진, MRI, CT), 사망(날짜 및 원인 포함) 비용(지수 및 6개월 수입): 응급 또는 프로그램 입학; 입원 일수(각 단위/공장/ICU/응급 상황에서); 실험실 테스트(숫자 및 유형); 호흡 지원이 필요한 일수; 머무는 동안 사용되는 치료(약물, 복용량, 용량, 기간) 연구 기간 동안 수행된 진단 절차(방사선 사진, MRI, CT 등); 수행된 수술 절차; 외부 상담(번호 및 서비스) 주간 병원(번호 및 절차); AP 및 가정 방문(COVID-19 관련) 데이터 수집 방법: 수동 데이터 추출은 센터별로 각 PI의 감독하에 검토자가 수행합니다. 수집된 모든 데이터는 RedCap 데이터베이스에 입력됩니다. 정보가 추출되면 후속 분석을 위해 공통 데이터베이스가 생성됩니다.

통계 분석. 연구 단위는 환자가 될 것입니다. 전체 샘플에 대한 설명 분석이 수행됩니다. 관심 있는 결과 변수와 관련된 잠재적 요인 또는 변수를 결정하기 위해 단변량 분석이 수행됩니다. 다변량 분석에서는 관심 종속 변수에 따라 다른 모델이 수행됩니다. 이분형 종속 변수의 경우 로지스틱 회귀 모델이 사용됩니다. 통계적 유의성은 p<0.05일 때 가정되며 모든 분석은 SAS v9.4 및 R 통계 소프트웨어를 사용하여 수행됩니다. 또한 변수의 예측은 각 변수와 열악한 진화 사이의 통계적 상관 관계를 측정하여 개별적으로 평가됩니다. 기본 통계적 관계에서 변수 간의 연관 규칙을 생성하여 얻을 수 있는 조합의 나쁜 진화를 예측하는 능력을 집합적으로 살펴봅니다.

관찰된 다양한 치료 옵션 간의 비교 효과 분석은 치료 의도에 따라 수행됩니다. 기술적인 통계 기법 외에도 다변량 Cox 비례 위험 회귀를 사용하여 사건 발생까지의 시간(사망률) 생존 분석과 해당 분포(Weibull 등)가 포함된 모수적 생존 분석을 추정치와 함께 수행합니다. 평균 생존율. 비교 효과를 평가하기 위해 성향 점수 기술을 사용하여 치료 확률의 역가중으로 기준선 공변량을 조정하여 비교 가능한 치료 그룹을 만듭니다. 또한 여러 치료 그룹이 있을 것으로 예측할 수 있기 때문에 일반화된 부스트 모델이라는 특정 추정 절차가 적용될 것입니다.

관련 변수 분석 및 비용 비교 목표를 위해 비용 데이터 분석을 위해 GLM 회귀 기술이 데이터에 가장 적합한 분포 유형(Modified Park Test 사용)과 함께 사용됩니다. 로그 패밀리가 링크로 사용됩니다. 데이터는 Stata v14.2 프로그램으로 분석됩니다.

윤리 및 기밀성 측면. 이 프로젝트는 연구 위원회와 의약품 연구 윤리 위원회(CEIm)의 평가를 받아 승인되었습니다. 개인 데이터에 관한 법률을 준수합니다(RGPD 2018). 모든 정보는 절대적으로 기밀로 처리됩니다.

예상 결과: CoVid-19 감염의 불량한 진화 예측 모델을 기반으로 한 예후 계층화 도구: ARDS, SRS, 패혈증 및/또는 패혈성 쇼크 및/또는 사망의 임상적 악화 및 발달. 이 도구는 주로 중환자실에서 주의가 필요할 수 있는 가장 심각한 증상을 보이는 환자의 가장 적절한 임상 관리를 안내하는 데 도움이 될 것입니다. 또한 이 연구의 목적은 진단 테스트 사용과 다양한 치료 옵션 사용, 그리고 최종적으로 얻은 결과 모두에서 제공되었을 수 있는 의료 서비스 제공의 가변성과 비용에 대한 정보를 제공하는 것입니다. 조사관은 다양한 그룹(노인, 거주자, 성별, 높은 수준의 동반 질환, 이민자 등)의 접근성 문제를 식별하고 의료 서비스에 대한 접근의 형평성 문제를 식별하는 데 도움이 될 수 있습니다.