Validatie van EPIC's overnamerisicomodel, de LACE+ Index en SQLape als voorspellers van ongeplande ziekenhuisopnames
Externe validatie van EPIC's overnamerisicomodel, de LACE+ Index en SQLape als voorspellers van ongeplande ziekenhuisopnames: een monocentrische, retrospectieve, diagnostische cohortstudie in Zwitserland
Het primaire doel van deze studie is om het EPIC's Readmission Risk-model extern te valideren en te vergelijken met de LACE+ index en het SQLape Readmission-model.
Als secundair doel zal het overnamerisicomodel van de EPIC worden aangepast op basis van de validatiesteekproef, en ten slotte zullen de prestaties worden vergeleken met algoritmen voor machine learning.
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Inleiding: Heropnames na een ziekenhuisopname voor acute zorg komen relatief vaak voor, zijn kostbaar voor de gezondheidszorg en gaan gepaard met een aanzienlijke belasting voor patiënten. Als een manier om de kosten te verlagen en tegelijkertijd de kwaliteit van de zorg te verbeteren, krijgen heropnames in ziekenhuizen steeds meer belangstelling van beleidsmakers. Pas relatief recent zijn strategieën ontwikkeld met als specifiek doel ongeplande heropnames terug te dringen door toepassing van voorspellingsmodellen. EPIC's Readmission Risk-model, ontwikkeld in 2015 voor de Amerikaanse ziekenhuisomgeving voor acute zorg, belooft superieure kalibratie en discriminerende capaciteiten. De routinematige toepassing ervan in de Zwitserse ziekenhuisomgeving vereist echter eerst externe validatie. Daarom is het primaire doel van deze studie om het EPIC's Readmission Risk-model extern te valideren en te vergelijken met de LACE+-index (Length of stay, Acuity, Comorbidities, Emergency Room Visits Index) en de SQLape (Strving for Quality Level and analysis of patiëntuitgaven) Heropnamemodel.
Methoden: Om deze reden zal een monocentrisch, retrospectief, diagnostisch cohortonderzoek worden uitgevoerd. De studie omvat alle intramurale patiënten die tussen 1 januari 2018 en 31 januari 2019 in het ziekenhuis van het kanton Luzern in Zwitserland zijn opgenomen. Gevallen zijn intramurale patiënten die een ongeplande (alle oorzaken) heropname hebben ervaren binnen 18 of 30 dagen na het indexontslag. De controlegroep zal bestaan uit personen die geen ongeplande heropname hebben gehad.
Voor externe validatie zal de discriminatie van de onderzochte scores worden beoordeeld door het gebied onder de curves van de bedrijfskarakteristieken van de ontvanger (AUC) te berekenen. Voor kalibratie wordt de Hosmer-Lemeshow goodness-of-fit test grafisch geïllustreerd door de voorspelde uitkomsten per deciel uit te zetten tegen de waarnemingen. Andere te schatten prestatiemaatstaven zijn de Brier-score, de Net Reclassification Improvement (NRI) en de Net Benefit (NB).
Alle patiëntgegevens worden opgehaald uit klinische datawarehouses.
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
Canton Lucerne
-
Lucerne, Canton Lucerne, Zwitserland, 6000
- Cantonal Hospital of Lucerne
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Alle intramurale patiënten van 1 jaar of ouder (max. 100 jaar), die tussen 1 januari 2018 en 31 december 2018 of tussen 23 september en 31 december 2019 in het ziekenhuis werden opgenomen, worden meegeteld.
Uitsluitingscriteria:
- opname/overplaatsing van een andere psychiatrische, revalidatie- of acute zorgafdeling van dezelfde instelling,
- ontslagbestemming anders dan de woonplaats of de woonplaats van de patiënt
- overplaatsing naar een ander ziekenhuis voor acute zorg, beide beschouwd als voortzetting van de behandeling;
- buitenlands verblijf,
- overleden voor ontslag,
- ontslagen op de dag van opname,
- weigering van algemene toestemming, en
- onbekende verblijfplaats of ontslagbestemming van de patiënt.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Observatiemodellen: Cohort
- Tijdsperspectieven: Retrospectief
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Opnieuw opgenomen patiënten / gevallen
Uitkomst 1: Patiënten die binnen 18 dagen na opname in het indexziekenhuis opnieuw werden opgenomen, gingen naar hetzelfde ziekenhuis, met een diagnose die leidde tot dezelfde Major Diagnostic Group als het indexverblijf (definitie volgens het Zwitserse Diagnosis Related Groups-systeem, casusfusie) Uitkomst 2: Patiënten met een ongeplande heropname binnen 30 dagen na ontslagdatum index ziekenhuisopname naar hetzelfde ziekenhuis. Een ongeplande heropname werd gedefinieerd als een heropname via de afdeling spoedeisende hulp. |
Logistisch regressiemodel dat het risico voorspelt van ongeplande heropnames door alle oorzaken, ontwikkeld door het particuliere softwarebedrijf EPIC voor de gezondheidszorg.
De LACE+-score is een puntenscore die kan worden gebruikt om het risico op overlijden na ontslag of dringende heropname te voorspellen.
Het is ontwikkeld op basis van administratieve gegevens in Ontario, Canada.
Het risicomodel voor heropname (Streven naar kwaliteitsniveau en analyse van de uitgaven van de patiënt) is een geautomatiseerd gevalideerd algoritme en werd in 2002 ontwikkeld om potentieel vermijdbare heropnames te identificeren.
|
|
Niet-overgenomen opgenomen patiënten/controles
Uitkomst 1 & 2: Patiënten die niet binnen 30 dagen na de ontslagdatum van de ziekenhuisopname opnieuw werden opgenomen.
|
Logistisch regressiemodel dat het risico voorspelt van ongeplande heropnames door alle oorzaken, ontwikkeld door het particuliere softwarebedrijf EPIC voor de gezondheidszorg.
De LACE+-score is een puntenscore die kan worden gebruikt om het risico op overlijden na ontslag of dringende heropname te voorspellen.
Het is ontwikkeld op basis van administratieve gegevens in Ontario, Canada.
Het risicomodel voor heropname (Streven naar kwaliteitsniveau en analyse van de uitgaven van de patiënt) is een geautomatiseerd gevalideerd algoritme en werd in 2002 ontwikkeld om potentieel vermijdbare heropnames te identificeren.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Discriminatie op 18 dagen
Tijdsspanne: 18 dagen na indexeringsontslagdatum
|
Voor het onderscheiden van de onderzochte scores wordt de oppervlakte onder de receiver operating Characteristics Curves (AUC) berekend.
|
18 dagen na indexeringsontslagdatum
|
|
Discriminatie op 30 dagen
Tijdsspanne: 30 dagen na indexeringsontslagdatum
|
Voor het onderscheiden van de onderzochte scores wordt de oppervlakte onder de receiver operating Characteristics Curves (AUC) berekend.
|
30 dagen na indexeringsontslagdatum
|
|
Kalibratie na 18 dagen
Tijdsspanne: 18 dagen na indexeringsontslagdatum
|
Voor kalibratie wordt de Hosmer-Lemeshow goodness-of-fit test grafisch geïllustreerd door de voorspelde uitkomsten per deciel uit te zetten tegen de waarnemingen.
|
18 dagen na indexeringsontslagdatum
|
|
Kalibratie na 30 dagen
Tijdsspanne: 30 dagen na indexeringsontslagdatum
|
Voor kalibratie wordt de Hosmer-Lemeshow goodness-of-fit test grafisch geïllustreerd door de voorspelde uitkomsten per deciel uit te zetten tegen de waarnemingen.
|
30 dagen na indexeringsontslagdatum
|
|
Algehele prestaties na 18 dagen
Tijdsspanne: 18 dagen na indexeringsontslagdatum
|
Brier-score (De Brier-score is een kwadratische scoreregel, waarbij het gekwadrateerde verschil tussen werkelijke binaire uitkomsten Y en voorspellingen p wordt berekend.
De Brier-score kan variëren van 0 voor een perfect model tot 0,25 voor een niet-informatief model met een incidentie van 50% van de uitkomst.)
|
18 dagen na indexeringsontslagdatum
|
|
Algemene prestaties na 30 dagen
Tijdsspanne: 30 dagen na indexeringsontslagdatum
|
Brier-score (De Brier-score is een kwadratische scoreregel, waarbij het gekwadrateerde verschil tussen werkelijke binaire uitkomsten Y en voorspellingen p wordt berekend.
De Brier-score kan variëren van 0 voor een perfect model tot 0,25 voor een niet-informatief model met een incidentie van 50% van de uitkomst.)
|
30 dagen na indexeringsontslagdatum
|
|
Klinische bruikbaarheid (NRI) na 18 dagen
Tijdsspanne: 18 dagen na indexeringsontslagdatum
|
Net Reclassification Improvement (NRI): Bij de berekening van de NRI worden de verbetering in sensitiviteit en de verbetering in specificiteit bij elkaar opgeteld.
De NRI varieert van 0 voor geen verbetering tot 1 voor perfecte verbetering.
|
18 dagen na indexeringsontslagdatum
|
|
Klinische bruikbaarheid (NRI) na 30 dagen
Tijdsspanne: 30 dagen na indexeringsontslagdatum
|
Net Reclassification Improvement (NRI): Bij de berekening van de NRI worden de verbetering in sensitiviteit en de verbetering in specificiteit bij elkaar opgeteld.
De NRI varieert van 0 voor geen verbetering tot 1 voor perfecte verbetering.
|
30 dagen na indexeringsontslagdatum
|
|
Klinische bruikbaarheid (NB) na 18 dagen
Tijdsspanne: 18 dagen na indexeringsontslagdatum
|
Nettovoordeel (NB): NB = (TP - w FP) / N, waarbij TP het aantal echt-positieve beslissingen is, FP het aantal fout-positieve beslissingen, N is het totale aantal patiënten en w is een gewicht gelijk aan de odds van de cut-off (pt/(1-pt), of de verhouding tussen schade en voordeel
|
18 dagen na indexeringsontslagdatum
|
|
Klinische bruikbaarheid (NB) na 30 dagen
Tijdsspanne: 30 dagen na indexeringsontslagdatum
|
Nettovoordeel (NB): NB = (TP - w FP) / N, waarbij TP het aantal echt-positieve beslissingen is, FP het aantal fout-positieve beslissingen, N is het totale aantal patiënten en w is een gewicht gelijk aan de odds van de cut-off (pt/(1-pt), of de verhouding tussen schade en voordeel
|
30 dagen na indexeringsontslagdatum
|
Medewerkers en onderzoekers
Sponsor
Medewerkers
Onderzoekers
- Hoofdonderzoeker: Aljoscha B. Hwang, University Lucerne (Switzerland)
- Hoofdonderzoeker: Stefan Boes, University Lucerne (Switzerland)
Publicaties en nuttige links
Algemene publicaties
- van Walraven C, Wong J, Forster AJ. LACE+ index: extension of a validated index to predict early death or urgent readmission after hospital discharge using administrative data. Open Med. 2012 Jul 19;6(3):e80-90. Print 2012.
- Halfon P, Eggli Y, Pretre-Rohrbach I, Meylan D, Marazzi A, Burnand B. Validation of the potentially avoidable hospital readmission rate as a routine indicator of the quality of hospital care. Med Care. 2006 Nov;44(11):972-81. doi: 10.1097/01.mlr.0000228002.43688.c2.
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Andere studie-ID-nummers
- LUKS_RRM_2019
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .