Ademhalingsondersteuning en COVID-19-sterfte

statistische methoden

Continue gegevens worden gepresenteerd als gemiddelde en standaarddeviatie (SD) als ze een normale verdeling volgen, beoordeeld met behulp van histogrammen en Q-Q-plots; anders als mediaan en interkwartielbereik (IQR). Categorische gegevens worden gepresenteerd als getallen en percentages. Ontbrekende gegevens worden niet toegerekend. Patiënten uit een specifieke analyse werden uitgesloten als de gegevens voor de gerelateerde variabele ontbreken.

Het eerste doel is het onderzoeken van de relatieve effectiviteit van verschillende NIV's, waaronder high-flow neuscanule (HFNC), bilevel positive airway pressure (BiPAP) en continuous positive airway pressure (CPAP). Patiënten worden verdeeld in drie groepen volgens het type NIV dat ze voor het eerst hebben ontvangen. Patiënten die vóór NIV invasieve mechanische beademing (IMV) hebben gekregen, worden uitgesloten. Patiënten die twee of drie verschillende soorten NIV hebben gekregen, worden ook uitgesloten van deze analyse. Patiënten die IMV hebben gekregen na het gebruik van NIV komen in aanmerking.

Het secundaire doel is om de impact van IMV op mortaliteit te onderzoeken door vergelijking met patiënten die alleen NIV kregen. De rol van beschermende longbeademing bij patiënten die IMV kregen, zal ook worden onderzocht. De kenmerken van de ventilatorinstellingen die geassocieerd zijn met een verbeterd resultaat zullen worden onderzocht.

Het primaire resultaat is sterfte in het ziekenhuis en patiënten zullen worden gevolgd tot ontslag uit het ziekenhuis. Patiënten worden als levend beschouwd als ze levend uit het ziekenhuis zijn ontslagen of nog steeds in het ziekenhuis zijn opgenomen bij de afsluiting van de gegevensextractie. Voor de eerste doelstelling zal ook de mate van respiratoire ondersteuningsescalatie van NIV naar IMV worden geanalyseerd (als secundaire uitkomstmaat in deze analyse).

Patiënten worden gebalanceerd met behulp van propensity score matching. Het propensity-scoremodel omvat demografische kenmerken, comorbiditeit, de pandemische fase, de ernst van de acute ziekte (24 uur vóór de beoogde ademhalingsondersteuning), laboratoriumresultaten (24 uur vóór de beoogde ademhalingsondersteuning) en vitale functies (24 uur vóór de beoogde ademhalingsondersteuning). ademhalingsondersteuning). De balans tussen gematchte paren wordt beoordeeld met behulp van een gestandaardiseerd verschil van 10% en berekend met behulp van de methode beschreven door Yang en Dalton. Een gestratificeerd Cox-model met proportionele risico's zal worden gebruikt om de gematchte paren te analyseren. Bovendien zal de overleving worden geschat met behulp van de productlimiet Kaplan-Meier-schatter en zal de log-rank-statistiek worden gebruikt om overlevingscurven te vergelijken.

Het back-upplan voor statistische analyse is als volgt. De univariate Cox-modellen voor proportioneel gevaar zullen worden uitgevoerd om te screenen op mogelijke factoren die verband houden met een lagere mortaliteit. Er zal een multivariabel Cox-model met proportionele risico's worden uitgevoerd om onafhankelijke associaties tussen ademhalingsondersteuning en mortaliteit te schatten. De confounders die in de multivariabele analyse zijn opgenomen, zijn de volgende: 1) bekende risicofactoren voor mortaliteit (leeftijd, geslacht en hypertensie); 2) de ernst van de acute ziekte 24 uur vóór de gerichte ademhalingsondersteuning (Sequential Organ Failure Assessment-score en Glasgow Coma Scale-score); 3) de verschillende fasen tijdens het eerste pandemiejaar, waaronder de eerste fase (1 februari 2020 tot 31 mei 2020), de tweede fase (1 juni 2020 tot 31 augustus 2020), de derde fase (1 september , 2020, tot 30 november 2020), en de vierde fase (1 december 2020, tot de laatste datum van gegevensextractie); 4) de demografie en comorbiditeiten met een P-waarde < 0,25 in de univariate analyse; en 5) de laboratoriumresultaten en vitale functies 24 uur vóór de gerichte ademhalingsondersteuning die een P-waarde < 0,25 hebben in de univariate analyse. Alle behandelingen die worden beschouwd als onderdeel van de COVID-19-behandeling, worden opgenomen in de multivariabele analyse voor confounding control. Om collineariteit te voorkomen, wordt slechts één variabele opgenomen als twee variabelen een absolute Pearson's of Spearman's rangcorrelatiecoëfficiënt hebben die groter is dan 0,5. Variabelen met meer dan 10% ontbrekende gegevens worden ook uitgesloten. Meerdere tests zullen worden gecorrigeerd met behulp van de Bonferroni-methode om de kans op type I-fouten op een tweezijdig 0,05 alfaniveau te verkleinen, rekening houdend met de hypothesen voor alle COVID-19-gerelateerde ademhalingsondersteuning/behandelingen als gezin. Het verband tussen blootstelling en mortaliteit wordt geschat met behulp van hazard ratio's (HR's) en gerapporteerd met 95% betrouwbaarheidsintervallen (CI's). Om rekening te houden met clustering binnen ziekenhuizen, zullen robuuste sandwichschatters worden gebruikt om standaardfouten voor de HR's te berekenen. De aanname van proportionele gevaren zal worden beoordeeld met behulp van Schoenfeld-residuen.

Bij een tweezijdige hypothesetoets is het significantieniveau voor elke algemene hypothese 0,05. Alle analyses worden uitgevoerd in R-software (versie 3.5.3, R Stichting voor statistische berekeningen).