De voorspellende prestaties van de Glasgow Coma-schaal in relatie tot tijd

Achtergrond

Trauma is een kritiek mondiaal probleem voor de volksgezondheid en het aantal dodelijke slachtoffers als gevolg van trauma blijft wereldwijd toenemen. In 2016 waren meer dan 4,6 miljoen sterfgevallen het gevolg van trauma, waardoor het de 8e belangrijkste doodsoorzaak is. In de Global Burden and Disease-studie (GBD) zijn traumatische verwondingen verantwoordelijk voor bijna een tiende van alle sterfgevallen, meer dan malaria, tuberculose, hiv/aids en maternale aandoeningen samen.

TBI wordt gedefinieerd als hersenletsel veroorzaakt door trauma, waarbij trauma wordt gedefinieerd als schade toegebracht aan het lichaam als direct of indirect gevolg van een externe kracht, met of zonder verstoring van structurele continuïteit. Traumatisch hersenletsel (TBI) is wereldwijd een belangrijke oorzaak van morbiditeit en mortaliteit. Het levert de grootste bijdrage aan traumadoden ter wereld, met een driemaal hoger sterftecijfer dan trauma zonder begeleid TBI. Geschat wordt dat TBI jaarlijks meer dan 10 miljoen mensen treft.

Om artsen te begeleiden bij diagnostiek en reanimatieregimes zijn prognostische modellen die de ernst en uitkomst van TBI voorspellen van groot belang. De Glasgow Coma Scale (GCS) is een van de meest gebruikte prognostische modellen. Het is een neurologische schaal die is ontwikkeld om de respons op prikkels bij patiënten met craniocerebrale letsels te beoordelen aan de hand van drie parameters; oogopening, verbale respons en motorische respons. Het is gebruikt om het bewustzijnsniveau te beoordelen in zowel de klinische praktijk als neurotraumaonderzoek. De GCS-score, de som van de drie parameters die in GCS worden gebruikt, wordt gebruikt om de ernst te beoordelen, variërend van mild, matig tot ernstig.

Verschillende onderzoeken hebben de prognostische waarde van GCS en de prognostische waarde van individuele GCS-componenten onderzocht, maar er is weinig bekend over hoe de relatie tussen letsel en eerste GCS de voorspellende waarde van GCS beïnvloedt. Studies hebben aangetoond dat GCS gemeten bij opname in de traumazorg meer voorspellend is dan GCS gemeten op de traumalocatie, en dat de mediane GCS bij opname hoger is dan de mediane GCS op de traumalocatie, maar of en hoe tijd GCS-scores beïnvloedt, is niet onderzocht .

Doel

Het doel van deze studie is om te beoordelen hoe de timing van het meten van GCS de voorspellende waarde beïnvloedt na traumatisch hersenletsel (TBI) bij volwassen patiënten. Het eerste doel is om te beoordelen of de voorspellende prestatie van GCS is verbeterd als wordt gecorrigeerd voor de tijd vanaf het letsel tot het moment waarop het werd geregistreerd. Het tweede doel is om te beoordelen of de voorspellende prestaties van GCS variëren afhankelijk van wanneer het werd geregistreerd.

Ontwerp ontwerpen

Dit is een retrospectieve analyse van de cohortstudie Towards Improved Trauma Care Outcomes in India (TITCO).

Instelling

Het geanonimiseerde TITCO-cohort zal worden gebruikt. Dit cohort omvat 16.000 patiënten die tussen juli 2013 en december 2015 zijn ingeschreven in vier universitaire ziekenhuizen in India. Projectmedewerkers, met een masterdiploma in gezondheidswetenschappen, verzamelden prospectief gegevens over opname op elke locatie door directe observatie van de spoedeisende hulp en het invullen van een gestandaardiseerd formulier. De projectmedewerkers werkten in wisselende diensten van acht uur (ochtend, avond, nacht). Ook voor patiënten die buiten de geobserveerde diensten zijn opgenomen, zijn gegevens achteraf uit patiëntendossiers gehaald.

Bron en wijze van deelnemersselectie

De projectmedewerker op één locatie betrok patiënten van deelnemende ziekenhuizen, hetzij door prospectieve observatie, hetzij door retrospectieve gegevensverzameling uit patiëntendossiers.

Verklarende variabelen De twee verklarende variabelen die van belang zijn, zijn GCS en tijd tussen letsel en GCS-registratie in uren, hierna aangeduid als tijd tot GCS. GCS werd geëxtraheerd uit patiëntendossiers, evenals de datum en tijd van de eerste geregistreerde GCS. Als de datum en tijd van de eerste GCS-opname ontbreken, wordt in plaats daarvan de tijd van aankomst in het deelnemende centrum gebruikt. Datum en tijd van letsel werden uit patiëntendossiers gehaald of rechtstreeks door deelnemers gerapporteerd. Gegevens en tijd van eerste GCS-opname of aankomst in deelnemend centrum werden uit patiëntendossiers gehaald.

Covariaten De variabelen leeftijd, geslacht, letselmechanisme, of de patiënt is overgeplaatst van een andere gezondheidsinstelling, en de anatomische ernst van de verwonding, gekwantificeerd met behulp van de letselernstscore (ISS), zullen worden gerapporteerd om de onderzoekssteekproef te karakteriseren. Leeftijd, geslacht, mechanisme van verwonding en transferstatus werden uit patiëntendossiers gehaald of door deelnemers gerapporteerd. ISS werd berekend door een enkele geaccrediteerde codeur op basis van beschrijvingen van letselteksten.

Vooroordeel

Om rekening te houden met menselijke fouten bij het vastleggen van GCS, waren waarnemers van Aal-gegevensverzamelaars houders van een masterdiploma in de gezondheidswetenschappen en werden ze voortdurend getraind en begeleid gedurende de gegevensverzamelingsperiode.

Kwantitatieve variabelen

GCS wordt behandeld als zowel een lineaire term als een ordinale variabele met 12 niveaus. De niet-testbare niveaus van de verbale en oogcomponenten worden behandeld als 1. De tijd tussen de blessure en de geregistreerde GCS wordt behandeld als zowel een continue variabele als een categorische variabele. Wanneer behandeld als continue tijd tussen verwonding en GCS zal een niet-lineaire associatie met mortaliteit worden toegestaan ​​door het te modelleren met behulp van beperkte kubieke splines met drie knopen die op gelijke afstanden van elkaar zijn geplaatst. Als het categorisch wordt behandeld, wordt het opgedeeld in blokken van twee uur.

statistische methoden

Alle analyses worden uitgevoerd in de statistische taal en programmeeromgeving R. De steekproef wordt eerst tijdelijk opgesplitst in trainings- en validatiesteekproeven, zoals beschreven in het gedeelte over de studiegrootte hieronder. Elk monster wordt vervolgens gekarakteriseerd met behulp van medianen en interkwartielbereiken (IQR) om kwantitatieve variabelen en tellingen en percentages te presenteren om kwalitatieve variabelen te presenteren.

In de trainingssteekproef zullen vier eenvoudige voorspellingsmodellen passen met behulp van logistische regressie met sterfte als uitkomst. Het eerste model bevat alleen GCS als een lineaire term, het tweede GCS als een lineaire term en tijd tot GCS gemodelleerd met beperkte kubieke splines, het derde model alleen GCS als een ordinale variabele, en het vierde model GCS als een ordinale variabele en tijd tot GCS gemodelleerd met behulp van beperkte kubieke splines. Om overfitting te voorkomen, wordt een krimpfactor geschat met behulp van een bootstrapprocedure die vervolgens wordt toegepast op de modelcoëfficiënten.

De vier modellen worden vervolgens toegepast in de validatiesteekproef en hun voorspellende prestaties worden geschat en vergeleken. De voorspellende prestaties van elk model zullen worden geëvalueerd aan de hand van de oppervlakte onder de curve van de operationele kenmerken van de ontvanger (AUROCC), positieve en negatieve voorspellende waarden. Verschillen in voorspellende prestaties tussen modellen en bijbehorende 95%-betrouwbaarheidsintervallen worden geschat met behulp van bootstrap.

Elk van de trainings- en validatiesteekproeven wordt vervolgens verdeeld in deelsteekproeven op basis van tijd tot GCS, zodat de eerste deelsteekproef patiënten omvat met een tijd tot GCS < 2 uur en de tweede deelsteekproef patiënten met een tijd tot GCS tussen twee en vier uur enzovoort. op in blokken van twee uur. In elk van de trainingssubsteekproeven zal een eenvoudig logistiek model passen met GCS als een lineaire term als de enige onafhankelijke variabele. De coëfficiënt van GCS in elk model wordt verkleind.

Het model dat in de eerste trainingssubsteekproef is ontwikkeld, wordt vervolgens toegepast op de eerste validatiesubsteekproef, enzovoort. De modelprestaties in elke validatie-substeekproef worden geëvalueerd met behulp van AUROCC en root mean square error. De trend in deze metingen over validatie-substeekproeven zal vervolgens worden gekwantificeerd met behulp van een eenvoudig gegeneraliseerd lineair model met prestatiemeetgegevens als de uitkomstvariabele en een niet-lineaire transformatie van het blokindexnummer met behulp van beperkte kubieke splines met drie knopen als de enige onafhankelijke variabele.

Strategie om met ontbrekende gegevens om te gaan

Als de vereiste steekproefomvang wordt bereikt als alleen patiënten met volledige gegevens over de uitkomst, verklarende variabele en covariabelen worden opgenomen, wordt een volledige casusanalyse uitgevoerd. Als dit niet het geval is, worden ontbrekende gegevens behandeld met meervoudige toerekening met behulp van kettingvergelijkingen. Het aantal geïmputeerde datasets zal gelijk zijn aan het percentage onvolledige waarnemingen. De analyse wordt afzonderlijk uitgevoerd in elke toegerekende dataset en de belangrijkste resultaten worden gepresenteerd als medianen met IQR over alle toerekeningen. Voor betrouwbaarheidsintervallen worden de meest extreme waarden van gepoolde boven- en ondergrenzen gerapporteerd.

Studie grootte

De meest data-intensieve analyse is waarschijnlijk het passen van het model met GCS als een ordinale variabele en tijd tot GCS als beperkte kubieke splines en daarom wordt de studieomvang geschat om deze analyse mogelijk te maken. Simulatiestudies geven aan dat logistische regressiemodellen ten minste tien gebeurtenissen, of waarnemingen met de uitkomst, per opgenomen parameter nodig hebben om betrouwbare coëfficiëntschattingen te genereren. Het modelleren van GCS als een ordinale variabele omvat het schatten van coëfficiënten voor elf parameters en het opnemen van tijd om GCS twee extra parameters toe te voegen. Het totale aantal parameters is dan 13, wat aangeeft dat er minimaal 130 gebeurtenissen nodig zijn. Uitgaande van een uitkomstprevalentie van 20% op basis van eerder onderzoek, moet de trainingssteekproef ten minste 650 waarnemingen bevatten. Als dit aantal minder is dan de helft van de volledige steekproef, worden de trainings- en validatiemonsters gegenereerd door de volledige steekproef in twee even grote delen te splitsen. Als de volledige steekproef minder dan 1300 waarnemingen bevat, worden de eerste 650 waarnemingen opgenomen in de trainingssteekproef en de overige waarnemingen in de validatiesteekproef. Hoe dan ook, de steekproeven zullen zo worden gemaakt dat de relatieve bijdrage van elk centrum in beide steekproeven ongeveer hetzelfde is.