Methode voor het meten van comorbiditeit om de uitkomst na intensive care te voorspellen (AA)

In deze studie zullen de onderzoekers de impact van comorbiditeit op heropname op de intensive care (ICU) en mortaliteit na ICU valideren en welke methode om comorbiditeit te meten en op welk tijdstip deze het meest voorspellend is.

De onderzoekspopulatie omvat alle registers van kritieke zorgpatiënten in het Zweedse register voor intensieve zorg (SIR) gedurende de jaren 2005 tot 2012 met een geldig persoonlijk identiteitsnummer. SIR levert de populatie rechtstreeks of via de klant aan Statistics Sweden voor verdere levering aan Statistics Sweden. Voor alle individuen in de bevolking worden gegevens verzameld uit registers bij Statistics Sweden. Statistics Sweden verstrekt burgerservicenummers en serienummers aan de National Board of Health voor verdere gegevensverzameling daar. De National Board of Health and Welfare levert het datamonster aan de klant, die het voor samenwerking en anoniem naar Statistics Sweden stuurt. Al het datamateriaal wordt ongeïdentificeerd opgeslagen in de MONA-database waar alleen personen verbonden aan het project toegang hebben tot het materiaal.

De dataset bevat 293.342 waarnemingen en 223.495 unieke individuen. Waarnemingen die volledig in de tijd worden gedekt door een andere waarneming, worden uitgesloten. Twee opeenvolgende waarnemingen met een tussenpoos van minder dan 24 uur gelden als hetzelfde bezoek. De definitieve reeks data bestaat uit 273 741 waarnemingen (223 495 individuen).

Patiënten met terugkerende IC-verblijven tijdens de onderzoeksperiode werden beschouwd als terugkerende gebeurtenissen die niet onafhankelijk van elkaar zijn. Het interval tussen IC-ontslag en heropname werd zowel als uitkomstvariabele gebruikt als om de patiënt op het moment van opname te karakteriseren. In de analyses werd de afhankelijkheid tussen meerdere opnames voor dezelfde persoon behandeld met behulp van een robuuste sandwichschatter. Elk ICU-verblijf werd in het onderzoek opgenomen, maar behandeld als een in de tijd bijgewerkte blootstelling.

Een samengestelde uitkomst van overlijden en heropname zal worden geanalyseerd. Ook overlijden en heropname worden apart geanalyseerd. Nazorg start bij opname. Er wordt een binaire statusvariabele (nee/ja) gemaakt die aangeeft of de uitkomst al dan niet is gebeurd, samen met een overeenkomstige tijdvariabele. Voor elke opname eindigt de follow-up met heropname, overlijden of einde studie (2016-12-31) wat zich het eerst voordoet.

Ontslagdiagnoses uit het ziekenhuis van vijf jaar voorafgaand aan de indexdatum voor de IC-opname werden gehaald uit de National Board of Health and Welfare en gekoppeld aan de SIR-gegevens met behulp van exacte persoonsgebonden koppeling. Op basis van deze informatie werd de Charlson-comorbiditeitsindex berekend. Er werd ook een andere indeling van comorbiditeit uitgevoerd, gewijzigd op basis van de door Elixhauser voorgestelde indeling. Voor elk van de 36 gedefinieerde comorbiditeitscategorieën het aantal opnames met een hoofddiagnose, het aantal opnames met een nevendiagnose, de totale verblijfsduur met een hoofddiagnose en het interval vanaf de laatste opname met de comorbiditeit als hoofddiagnose , werden berekend.

De onderliggende aandoening die de IC-opname veroorzaakte, werd gecategoriseerd naar diagnose en opnameafdeling.

Analyses met cox proportionele gevarenregressie, tijd tot gebeurtenis, op de trainingsdataset jaar 2005-2010 Charlson comorbiditeitsindex (CCI) categorisch 0, 1, 2, 3-5, 6-9, 10-17 Elixhauser 36 categorieën

1. Aantal primaire diagnose (aantal)
2. Aantal nevendiagnoses (aantal)
3. Totale zorgtijd eerstelijnsdiagnose (aantal)
4. Tijdsinterval vanaf laatste primaire diagnose (ontbrekend, aantal)

Analyses

A Leeftijd + geslacht B A + CCI C A + a D A + a + b E A + a + b + c F A + a + b + c + d

Er waren per definitie geen ontbrekende gegevens in de comorbiditeitsvariabelen. Ontbrekende informatie over leeftijd en geslacht was minimaal en hoefde niet te worden toegerekend. De aanname van proportionele gevaren werd gecontroleerd met behulp van de Kaplan-Meier-curven.

De onderzoekspopulatie zal worden opgesplitst in een trainingsdataset (2005-10) en een testdataset (2011-12) voor het valideren van ons prognostische model. Het voorspellende vermogen in de testgegevensset werd geëvalueerd op basis van discriminatie, oppervlakte onder curve (AUC) (C-index), kalibratie en Brier-score.