Vermijdbare heropnames voor patiënten die in het ziekenhuis zijn opgenomen met door de gemeenschap opgelopen longontsteking (R3P)

I. Doelstellingen

Het doel van deze studie is het ontwikkelen van een administratief, op gegevens gebaseerd risicovoorspellingsmodel voor het identificeren van potentieel vermijdbare heropnames van 30 dagen van patiënten die in het ziekenhuis zijn opgenomen met community-acquired pneumonie (CAP). De focus ligt op potentieel vermijdbare heropnames, omdat niet alle ziekenhuisheropnames kunnen worden beïnvloed door interventies die bedoeld zijn om ze te verminderen.

De specifieke doelstellingen van dit project zijn:

1. om de nauwkeurigheid van de International Classification of Disease, Tenth Revision (ICD-10) ontslagdiagnosecodes voor CAP te beoordelen met behulp van een gestructureerde retrospectieve kaartbeoordeling als referentiemethode.
2. om het aantal heropnames door alle oorzaken in hetzelfde ziekenhuis binnen 30 dagen en één jaar na ontslag te schatten voor patiënten die met CAP in het ziekenhuis zijn opgenomen.
3. om de percentages CAP-patiënten te schatten die binnen 30 dagen en één jaar na ontslag overlijden zonder heropname in het ziekenhuis.
4. om het percentage ongeplande heropnames te schatten voor patiënten die met CAP in het ziekenhuis zijn opgenomen met behulp van een gestructureerde retrospectieve kaartbeoordeling.
5. longontsteking-gerelateerde en niet-gerelateerde redenen voor heropname beschrijven voor patiënten die met CAP in het ziekenhuis zijn opgenomen met behulp van een gestructureerde retrospectieve beoordeling van de kaart.
6. om de waarschijnlijkheid te kwantificeren dat een ongeplande heropname vermijdbaar is met behulp van latente klasse-analyse op basis van de onafhankelijke classificaties door vier beoordelaars.
7. om de verdeling van potentieel vermijdbare heropname en de tijd sinds ontslag uit indexziekenhuisopname te onderzoeken.
8. om de kenmerken te identificeren die zijn afgeleid van gegevens over administratieve claims die onafhankelijk verband houden met mogelijk vermijdbare overname.
9. het afleiden en intern valideren van een risicovoorspellingsmodel op basis van administratieve claims voor het identificeren van mogelijk vermijdbare heropname na 30 dagen van patiënten die met CAP in het ziekenhuis zijn opgenomen.
10. om de uit het medisch dossier geabstraheerde kenmerken te identificeren die onafhankelijk geassocieerd zijn met mogelijk vermijdbare heropname.
11. het afleiden en intern valideren van een op gegevens gebaseerd risicovoorspellingsmodel voor medische dossiers voor het identificeren van potentieel vermijdbare 30-daagse heropname van patiënten die met CAP in het ziekenhuis zijn opgenomen.
12. om de algehele nauwkeurigheid, discriminatie en kalibratie te vergelijken voor het risicovoorspellingsmodel op basis van administratieve claims en op gegevens van medische dossiers voor het identificeren van potentieel vermijdbare heropname van 30 dagen van patiënten die met CAP in het ziekenhuis zijn opgenomen.
13. om gepubliceerde risicovoorspellingsmodellen extern te valideren voor mogelijk vermijdbare heropname binnen 30 dagen.

II. Studie ontwerp

R3P is een retrospectieve observationele cohortstudie van opeenvolgende volwassen patiënten die uit twee ziekenhuizen werden ontslagen met de diagnosecode CAP. Gegevensbronnen omvatten routinematig verzamelde ontslaggegevens uit het ziekenhuis en retrospectieve kaartbeoordelingen.

III. Deelnemende studiecentra en setting

De studie zal worden uitgevoerd in een aan een universiteit gelieerde en algemene ziekenhuizen in de Noordelijke Alpen, Frankrijk. Met een capaciteit van 1.362 bedden voor acute zorg bedient het universitair ziekenhuis van Grenoble een overwegend stedelijke bevolking van 675.000 inwoners en rapporteerde het 135.999 verblijven in 2014. Het algemeen ziekenhuis van Annecy heeft een capaciteit van 896 bedden voor acute zorg en rapporteerde 70.651 verblijven in 2014.

IV. Gegevensverzameling

Twee klinische onderzoeksassistenten zullen een gestructureerde retrospectieve kaartbeoordeling uitvoeren met behulp van een geautomatiseerd instrument voor gegevensverzameling. De volgende variabelen worden geregistreerd voor indexhospitalisaties:

• identificatoren van patiënt en verblijf in het ziekenhuis;
• basiskenmerken van de patiënt, waaronder demografische gegevens, reeds bestaande comorbide aandoening, pneumonie-ernstindex (PSI) risicoklasse, lichamelijk onderzoek en laboratoriumuitslagen bij opname, röntgen- of CT-scanbevindingen binnen 48 uur na opname, initieel microbiologisch onderzoek;
• antibioticatherapie in het ziekenhuis en bijbehorende behandelingen;
• index ziekenhuisopnameverloop (IC-opname, pneumoniegerelateerde en niet-gerelateerde complicaties);
• lichamelijk onderzoek en laboratoriumuitslagen bij ontslag;
• ontslagplan en behandelingen;

Bij de eerste heropname binnen een jaar na ontslag worden de volgende variabelen geregistreerd:

• identificatoren van patiënt en verblijf in het ziekenhuis;
• lichamelijk onderzoek en laboratoriumuitslagen bij heropname, röntgen- of CT-scanbevindingen binnen 48 uur na heropname;
• opname op de IC;
• longontsteking-gerelateerde en niet-gerelateerde complicaties;
• primaire en secundaire redenen voor heropname.

Als onderdeel van het op de Franse diagnose-gerelateerde groep (DRG) gebaseerde prospectieve betalingssysteem, omvatten geautomatiseerde gegevens over ontslag uit het ziekenhuis identificatiegegevens van de patiënt en het verblijf in het ziekenhuis, opname- en ontslagdata, leeftijd, geslacht, verblijfsduur, ontslaglocatie, primaire en secundaire ICD- 10 ontslagdiagnosecodes (tot 99) voor zowel ziekenhuisopname als heropname. ICD-10-codering voldoet aan de nationale richtlijnen en wordt uitgevoerd door getrainde technici of artsen, afhankelijk van het ziekenhuis. Codeerders abstraheren diagnoses meestal uit doktersnotities, hoewel opnamenotities, dagelijkse voortgangsnotities, consultatierapporten, diagnostische beeldvorming en behandelingen routinematig worden vastgelegd in de medische kaart. Ontslaggegevens worden extern gecontroleerd door elk jaar een willekeurige steekproef van ziekenhuisverblijven opnieuw te abstraheren.

V. Gegevensbeheer

Om een ​​optimale kwaliteit te garanderen, worden alle gegevens die retrospectief worden verzameld door middel van een kaartbeoordeling, elektronisch ingevoerd door klinische onderzoeksassistenten met behulp van een persoonlijke identificatiecode en een met een wachtwoord beveiligd webgebaseerd systeem voor gegevensverzameling. De klinische onderzoeksassistenten zullen een formele training krijgen in de methoden voor gegevensonttrekking en -registratie. Er zal een handleiding worden verspreid met definities en aanvaardbare gegevensbronnen voor alle variabelen. De betrouwbaarheid van de gegevensonttrekking zal worden beoordeeld door willekeurig gevallen te selecteren voor onafhankelijke verzameling door een praktiserende arts.

VI. statistische analyse

1. Overzicht

   De administratieve datasets voor ontslag uit het ziekenhuis zullen worden gekoppeld aan uit medische dossiers geabstraheerde gevallen met behulp van patiënt- en ziekenhuisverblijf-ID's. Als een patiënt tijdens de onderzoeksperiode meer dan één keer wordt opgenomen, wordt alleen de eerste ziekenhuisopname als indexopname opgenomen.

2. Nauwkeurigheid van ICD-10-ontladingsdiagnosecodes voor CAP

   De nauwkeurigheid van ICD-10-diagnosecodes voor ontslag wordt beoordeeld met behulp van drie referentiemethoden:

   1. Medisch dossier en/of ontslagbrief notatie van CAP-diagnose.
   2. Aantekening in het medisch dossier van ≥ 1 ademhalingssymptoom (hoesten, sputumproductie, dyspnoe, tachypnoe of pleuritispijn), en ≥ 1 auscultatiebevinding (geluiden of crepitaties), en ≥ 1 teken van infectie (temperatuur > 38 °C, rillingen of aantal witte bloedcellen >10.000/µL of <4.000/µL), en een nieuw infiltraat op thoraxradiografie of CT-scan uitgevoerd binnen 48 uur na opname.
   3. Een samenstelling van #a en/of #b

   Positief voorspellende waardepuntschattingen samen met 95% betrouwbaarheidsintervallen (BI) zullen afzonderlijk worden gerapporteerd voor de drie referentiemethoden.

3. Toewijzing van redenen voor overname

   Vier artsen, die lid zijn van een klinisch beoordelingspanel, zullen onafhankelijk medische dossiers beoordelen voor zowel ziekenhuisopname als heropname. De leden van het panel zijn algemeen internisten, specialisten in infectieziekten of respiratoire aandoeningen met klinische ervaring in de behandeling van CAP-patiënten. In overeenstemming met Jasti et al. (CID 2008;46:550-6), zal elke beoordelaar van de arts vooraf gedefinieerde criteria gebruiken om de reden voor heropname te categoriseren als:

   1. longontsteking-gerelateerde verergering van tekenen of symptomen;
   2. nieuwe of verslechterende comorbide aandoening(en) onafhankelijk van longontsteking;
   3. elke combinatie van pneumonie-gerelateerde en comorbiditeit-gerelateerde redenen.

   De beoordelaars zullen onafhankelijk de primaire reden voor heropname toewijzen, gebruikmakend van de elkaar uitsluitende categorieën gepubliceerd door Halfon et al. (J Clin Epidemiol 2002;55:573-87).

   Overeenstemming tussen beoordelaars over de reden voor heropname zal worden gekwantificeerd met behulp van Cohen's Kappa.

4. Het identificeren van mogelijk vermijdbare heropnames

   In overeenstemming met van Walraven et al. (CMAJ 2011;183:e1067-72), zullen vier beoordelaars van artsen een 6-punts ordinale schaal gebruiken om te beoordelen of de heropname een bijwerking is en of de bijwerking vermeden kan worden. Een heropname met een score van meer dan drie in beide domeinen wordt door deze beoordelaar geclassificeerd als potentieel vermijdbaar. De kans dat een heropname vermijdbaar is, wordt gekwantificeerd met behulp van latente klasse-analyse op basis van de onafhankelijke classificatie door vier beoordelaars.

5. Ontwikkeling van een op gegevens gebaseerd risicovoorspellingsmodel voor medische dossiers

   We zullen een multivariabel logistisch regressiemodel afleiden om de waarschijnlijkheid te kwantificeren dat heropname binnen 30 dagen vermijdbaar is. Het ontwikkelingsvoorbeeld omvat alle heropnames van 30 dagen voor volwassen patiënten die met CAP in het ziekenhuis zijn opgenomen. De uitkomst van belang is een mogelijk vermijdbare heropname binnen 30 dagen na ontslag. We zullen gegevens uit het medisch dossier gebruiken voor zowel de ziekenhuisopname als de heropname. Kandidaat-voorspellers zullen worden geïdentificeerd door de bevindingen van een systematisch literatuuronderzoek te combineren met de meningen van veldexperts.

6. Ontwikkeling van een risicovoorspellingsmodel op basis van administratieve claims

   In een afzonderlijke analyse zullen we een multivariabel logistisch regressiemodel afleiden om de waarschijnlijkheid te kwantificeren dat heropname van 30 dagen vermijdbaar is. Het ontwikkelingsvoorbeeld omvat alle heropnames van 30 dagen voor volwassen patiënten die met CAP in het ziekenhuis zijn opgenomen. De uitkomst van belang is een mogelijk vermijdbare heropname binnen 30 dagen na ontslag. We zullen alleen administratieve gegevens gebruiken en het model zal gebaseerd zijn op combinaties van diagnostische codes tussen de index ziekenhuisopname en de heropname. Kandidaat-voorspellers zullen worden geïdentificeerd door gepubliceerde modellen te bekijken in combinatie met de meningen van veldexperts.

7. Interne validatie van risicovoorspellingsmodellen

We zullen bootstrapping gebruiken om het optimisme in de schijnbare prestaties van klinische voorspellingsmodellen te kwantificeren. Discriminatie zal worden gekwantificeerd door de concordantie (c) statistiek. De kalibratie wordt grafisch onderzocht en formeel beoordeeld door de kalibratiehellingtest.

VII. Schade en veiligheid

In deze retrospectieve observationele studie zullen ernstige bijwerkingen worden verzameld door middel van een gestructureerde beoordeling van de dossiers, waaronder ziekenhuissterfte, complicaties als gevolg van CAP of CAP-beheer, nieuwe of verslechterende comorbiditeit, IC-opname en sterfte buiten het ziekenhuis.

VIII. Auditing

Monitoring van studieprocessen en documenten zal worden uitgevoerd door personeel dat is aangewezen door de Direction de la Recherche Clinique et de l'Innovation (DRCI) in het academisch ziekenhuis van Grenoble.