Voorspellers van uitkomst na peri-operatieve beroerte

ACHTERGROND

Peri-operatieve beroerte is een verwoestende complicatie van chirurgie die momenteel slecht gekarakteriseerd wordt met beperkte beschikbare klinische hulpmiddelen om het optreden ervan te detecteren en te voorkomen. Peri-operatieve beroerte is een cerebrovasculaire gebeurtenis die optreedt na een operatie en treft tussen 0,1-1,9% van de patiënten die niet-cardiale, niet-neurologische chirurgie ondergaan. Perioperatieve beroerte is relatief weinig bestudeerd in vergelijking met postoperatieve complicaties van vergelijkbare incidentie en ernst, zoals hartcomplicaties. In de afgelopen decennia zijn er aanzienlijke inspanningen geleverd om het risico op een perioperatief myocardinfarct te verminderen en hebben geleid tot een afname van de incidentie in de loop van de tijd als gevolg van vooruitgang in risicostratificatie en perioperatief beheer. Hoewel de incidentie van peri-operatieve beroerte vergelijkbaar is met of hoger is dan die van peri-operatief myocardinfarct, is het risico op deze complicatie in de loop van de tijd toegenomen en blijft peri-operatieve beroerte relatief verwaarloosd. In de huidige literatuur is vastgesteld dat patiënten die een beroerte krijgen na een operatie een hoger sterftecijfer, een hogere verblijfsduur en ontslag naar een instelling hebben, maar gezien de zeldzame aard van deze complicatie is er relatief weinig bekend over welke factoren deze uitkomsten voorspellen bij degenen die een perioperatieve beroerte ervaren.

DOELSTELLINGEN

SPECIFIEKE DOELEN

1. Afleiden en extern valideren van risicovoorspellingsmodellen voor mortaliteit (primair resultaat), ongunstig ontslag, ICU-gebruik, tracheostomie/PEG/craniectomie en verblijfsduur na perioperatieve beroerte.
2. Beschrijf temporele trends in sterfte na een perioperatieve beroerte tussen 2005 en 2020.
3. Onderzoek mediatoren van sterfterisico na perioperatieve beroerte.

METHODEN

Deze studie is een retrospectieve analyse van de prospectief verzamelde American College of Surgeons National Surgical Quality Improvement Program-database tussen 2004 en 2020.

Het afleidingscohort wordt geëxtraheerd uit de NSQIP-database. Het meest recente jaar van de dataset (2020) bevat gegevens over meer dan een miljoen gevallen van 708 sites. Het validatiecohort zal worden geëxtraheerd uit Population Data BC, een verzameling gekoppelde provinciale databases die geanonimiseerde gegevens op individueel niveau bieden over alle inwoners van BC (5,1 miljoen inwoners). Er werd gekozen voor een periode van 1 januari 2002 tot 31 december 2020 om de hedendaagse behandelingspraktijken voor beroertes (bijv. EVT) en het consistente gebruik van ICD-10-CA-codering sinds 2002 weer te geven.

Studie bevolking

NSQIP-afleidingscohort: Patiënten met perioperatieve beroerte in de NSQIP-database tussen 2004 en 2017 zullen worden opgenomen. We zullen neurochirurgische (inclusief carotis-endarteriëctomie) en interventionele radiologieprocedures uitsluiten. De cardiale en niet-cardiale chirurgische populaties zullen afzonderlijk worden geanalyseerd gezien hun unieke risicoprofiel voor een beroerte.

PopDataBC-validatiecohort: patiënten met AIS worden geïdentificeerd met behulp van diagnosecodes I63.0-163.9 van de International Classification of Diseases (ICD), Tiende Revisie, Canada (ICD-10-CA), die nauwkeurig en betrouwbaar AIS identificeert in grote administratieve datasets, met positief voorspellende waarde en gevoeligheid van meer dan 97%. Patiënten die een ICD-10-CA-opnamediagnose (top 3 posities) van AIS hebben ervaren binnen 30 dagen na opname voor een operatie, of als een ontslagdiagnose van de index chirurgische ziekenhuisopname. Perioperatieve patiënten zullen verder uit het totale AIS-cohort worden gehaald als ze een chirurgische factuurcode hebben ontvangen in de 30 dagen voorafgaand aan opname voor een beroerte.

Uitkomstvariabelen: Primaire uitkomst is 30 dagen mortaliteit; secundaire uitkomstmaten zijn IC-gebruik, duur van het ziekenhuisverblijf, markers van een ernstige beroerte (tracheostomie, PEG, hemicraniectomie voor hersenoedeem) en ongunstig ontslag (niet thuis of overlijden).

Kandidaat voorspellende variabelen: uitkomst na perioperatieve beroerte is mogelijk gerelateerd aan patiënt-, chirurgische en anesthetische factoren, evenals kenmerken van de beroerte. Kandidaat-voorspellende variabelen omvatten kenmerken van de patiënt (leeftijd, geslacht, comorbiditeit inclusief voorgeschiedenis van een beroerte), chirurgische kenmerken (specialiteit, complexiteit, type, noodsituatie), anesthesietechniek (algemeen versus regionaal/neuraxiaal) en beroerte-kenmerken (timing ten opzichte van operatie , heropname voor beroerte vs intramurale beroerte). Continue variabelen worden overwogen voor transformatie met behulp van fractionele polynomen om een ​​continue niet-lineaire associatie mogelijk te maken.

STATISTISCHE ANALYSE

Doelstelling 1: Afleiden en valideren van risicovoorspellingsmodellen. Multivariabele modellen om de mortaliteit na 30 dagen na een peri-operatieve beroerte te voorspellen, zullen afzonderlijk worden gecreëerd voor cardiale en niet-cardiale chirurgie, gezien hun unieke mechanismen van beroerte. Om overfitting te voorkomen, voeren we een datareductiestrategie uit en sluiten we variabelen uit met meer dan 10% ontbrekende gegevens of minder dan 20 waarnemingen. Waar >1% maar <10% gegevens ontbreken, zullen we multipele of gemiddelde imputatie overwegen; variabelen met <1% ontbrekende gegevens worden behandeld via volledige casusanalyse.

Vooraf gespecificeerde voorspellingsvariabelen zullen worden gebruikt om een ​​logistisch regressiemodel te construeren waarin coëfficiënten worden verkleind met behulp van elastische nettobestraffing. Deze methode voor variabele selectie en bestraffing is gekozen omdat we anticiperen op de mogelijkheid van een groot aantal potentiële voorspellers in verhouding tot het aantal uitkomsten en dat verschillende belangrijke voorspellers collineair zullen zijn. Door gebruik te maken van elastische netregularisatie kunnen we een balans vinden tussen minst absolute krimp en selectoroperator (LASSO)-straf en RIDGE-regressie. RIDGE-regressie stelt ons in staat om belangrijke collineaire voorspellers te behouden, maar hun coëfficiënten te verkleinen (die kunnen worden opgeblazen vanwege collineariteit). Met LASSO-methoden kunnen de coëfficiënten van sommige niet-bijdragende voorspellers tot nul worden teruggebracht, waardoor ze uit het model worden verwijderd. Inbegrepen variabelen zullen worden beoordeeld op interacties en er zullen aanvullende termen worden overwogen om de modelprestaties indien nodig te verbeteren. Concreet zullen we a priori de volgende interacties onderzoeken: leeftijd*geslacht, chirurgische complexiteit (WRVU)*leeftijd, WRVU*specialiteit en specialiteit*anesthesietechniek. Modeldiscriminatie zal worden geëvalueerd met behulp van het gebied onder de bedrijfskarakteristiek van de ontvanger (c-statistiek). Modelkalibratie zal worden beoordeeld met een löss-afgevlakte grafiek van waargenomen versus voorspelde risico's over het risicospectrum. Een vergelijkbare analyse zal worden gebruikt om een ​​voorspellingsmodel voor de verblijfsduur te maken (wat een log-getransformeerd lineair model zal zijn). Aangezien de dood een concurrerende uitkomst is voor de neiging tot ontslag, wordt ongunstig ontslag gemodelleerd als een ordinale uitkomst (ontslag naar huis, niet-thuisontslag of overlijden).

Interne validatie: Na afleiding zullen 5.000 bootstrap-samples worden gebruikt voor interne validatie en om een ​​geschat optimisme te genereren. Gevoeligheidsanalyses zullen de prestaties van het model in verschillende tijdsperioden testen om de impact van het jaar van de operatie te beoordelen (bijvoorbeeld periodes van 2 tot 3 jaar, afhankelijk van het aantal beschikbare waarnemingen in elk jaar). Na afleiding van het uiteindelijke model om sterfte te voorspellen, zullen we een vereenvoudigde voorspellende index afleiden door de regressiecoëfficiënten om te zetten in punten die hun relatieve gewicht weergeven. De voorspellende nauwkeurigheid van de resulterende tool zal op dezelfde manier als hierboven worden beoordeeld.

Externe validatie: het uiteindelijke logistieke model wordt extern gevalideerd in de afzonderlijke dataset die is verkregen van PopDataBC na het toewijzen van NSQIP-gegevenselementen aan de PopDataBC-database. Regressiecoëfficiënten zullen worden toegepast op PopDataBC vanuit het NSQIP-afgeleide model om verwachte uitkomstkansen te berekenen en voorspelde uitkomsten te vergelijken met waargenomen uitkomsten. Discriminatie en kalibratie zullen worden gemeten, waarbij een oppervlakte onder de receiver operating-karakteristiekcurve >0,70 wordt beschouwd als acceptabele modeldiscriminatie en Hosmer-Lemeshow-test met p>0,05, wat een acceptabele goedheid van fit aangeeft.

Doelstelling 2: Temporele trends in sterfte. We zullen een verkennend ongecorrigeerd regressiemodel met gewone kleinste kwadraten uitvoeren met het jaarlijkse sterftecijfer na een perioperatieve beroerte als de afhankelijke variabele en het jaar als de voorspeller om de jaarlijkse verandering in het sterftecijfer in de loop van de tijd te schatten. Er zal een multivariabel lineair regressiemodel worden gespecificeerd, aangepast voor belangrijke voorspellers.

Doelstelling 3: Bemiddelaars van sterfterisico. Om mogelijke effectmodificatie van het sterfterisico vóór een beroerte door gebeurtenissen na een beroerte te onderzoeken, zullen we een reeks logistische regressiemodellen specificeren met overlijden als de afhankelijke variabele en de kans op overlijden uit ons primaire model als lineaire voorspeller. We zullen dan vooraf gespecificeerde voorspellers (hierboven) toevoegen, elk als een aanvullende variabele, om te onderzoeken of de kans op overlijden toeneemt of afneemt op basis van toevoeging van de gepostuleerde effectmodificerende variabele.

Op geslacht/geslacht gebaseerde analyse: we zullen de relatie tussen geslacht en uitkomsten na een perioperatieve beroerte onderzoeken door subgroepanalyses uit te voeren op vrouwen en mannen, en de basiskenmerken en uitkomsten van deze twee populaties te karakteriseren en te vergelijken. Verder zullen we geslacht a priori opnemen als voorspeller in het aangepaste model, en interacties met andere variabelen onderzoeken. We kunnen niet-binair geslacht niet onderzoeken, aangezien NSQIP alleen "mannelijk", "vrouwelijk" of "onbekend" biedt.

Steekproefomvang en vermogen: we hebben de methoden van Riley et al gebruikt om de vereiste steekproefomvang te schatten om een ​​stabiel logistisch regressiemodel af te leiden dat overfitting minimaliseert. Met behulp van 30 modelparameters en een geschatte uitkomstprevalentie van 25% mortaliteit bij mensen met een beroerte3, schatten we de vereiste minimale steekproefomvang op basis van mogelijke modeldiscriminatie (c-statistiek) en verklaarde variantie (Cox-Snell R2). Als ons model een c-statistiek van 0,7 (R2 0,09) haalt, hebben we 2.754 deelnemers nodig. Sterkere discriminatie (c-statistiek 0,8, R2 0,2) zou de vereiste steekproefomvang verkleinen tot 1.145. De NSQIP-database 2004-2017 bevat 6,6 miljoen patiënten, en op basis van onze voorlopige analyse van de dataset van 2015, zal 99,5% niet-cardiale chirurgie zijn met een incidentie van 0,19% van een beroerte, en 0,5% zal hartchirurgie zijn met een incidentie van 1,76% van een beroerte. We schatten daarom een ​​totaal van respectievelijk ten minste 12.434 en 5.808 niet-cardiale en cardiale peri-operatieve beroertes.

Een p-waarde <0,05 wordt als significant beschouwd voor alle analyses en alle gegevensanalyses worden uitgevoerd met behulp van STATA 17 (StataCorp, Texas, VS).