COVID-19-infectie bij patiënten die anti-CD20-therapie krijgen

Dit is een retrospectieve cohortstudie waarin patiënten met een nieuw gediagnosticeerde COVID-19-infectie, die eerder zijn behandeld met anti-CD20-geneesmiddelen voor ziekten, waaronder vasculitis of hematologische maligniteit, die een hoge titer herstellend plasma krijgen, worden vergeleken met vergelijkbare patiënten die de gebruikelijke zorg krijgen die geen herstellende plasma.

De doelen zijn:

1. Om het natuurlijke beloop van COVID-19 te beschrijven bij patiënten die eerder werden behandeld met anti-CD20-geneesmiddelen voor ziekten zoals vasculitis en hematologische maligniteiten. De hypothese van de onderzoekers is dat patiënten die COVID-19 krijgen, voorafgegaan door recente anti-CD20-therapie, een langdurig verloop van COVID-19-infectie ontwikkelen dat niet wordt verbeterd door remdesivir en immunomodulatoren alleen.
2. Het kwantificeren van het risico voor elke uitkomst bij patiënten met COVID-19 op basis van de tijd dat ze anti-CD20-therapie hadden gekregen. De hypothese is dat patiënten met COVID-19 mogelijk minder goed reageren op op COVID-19 gerichte therapie wanneer anti-CD20 recenter (bijvoorbeeld minder dan 6 maanden) voorafgaand aan het oplopen van COVID-19 werd gegeven.
3. Om de uitkomst te vergelijken van patiënten met COVID-19 die anti-CD20-geneesmiddelen hebben gekregen en al dan niet worden behandeld met herstellend plasma met een hoge titer die voldoende is om passieve seroconversie te bereiken. De hypothese is dat patiënten die in de afgelopen 6 maanden na hun COVID-19-diagnose een anti-CD20-medicijn hebben gekregen, een kleinere kans hebben op volledig herstel zonder eerst passieve SARS-CoV2-seroconversie te bereiken.

Gegevens zullen worden geëxtraheerd uit een gegevensregister, ingebouwd in de omgeving voor elektronische medische dossiers (EPD), waarbij onderwerpen automatisch worden gelogd op basis van gegevens in het elektronische medische dossier en relevante gegevensstatistieken worden geëxtraheerd. Dit wordt elke nacht in een datamart geplaatst via een extractie-, transformatie- en laadproces dat wordt gebruikt als onderdeel van routinematige bewerkingen en wordt gevalideerd als onderdeel van routinematig onderhoud. Metrische definities in het registersysteem omvatten validatie van gegevens als zijnde binnen gedefinieerde limieten op basis van de invoer van EPD-waarden om uitschieters te voorkomen die niet in overeenstemming zijn met redelijke gegevens. Het register is ingebouwd in het medische dossiersysteem en wordt gecontroleerd op consistentie als onderdeel van de EPD-architectuur en het onderhoud. Alle gegevens zijn afkomstig uit het Epic elektronische gezondheidsdossier. Diagnoses en procedures worden gecodeerd met behulp van ICD-10-CM en SNOMED-CT en laboratoriumgegevens worden geïdentificeerd met behulp van de juiste LOINC-codes. Op regels gebaseerde statistieken berekenen demografische informatie en risicoscores zoals de Charlson-comorbiditeitsindex, zoals aangegeven in de bijgevoegde datadictionary.

Uitkomstanalyses zullen worden onderworpen aan aanpassing van de propensityscore (PS) om rekening te houden met niet-willekeurige behandelingskeuze. Eerst zullen de onderzoekers de PS schatten op basis van een multivariabele logistische regressie waarin voorspellers van het ontvangen van CP (binnen de eerste 30 dagen) worden bepaald als een functie van de uitgangskarakteristieken van de patiënt. Het neigingsmodel omvat leeftijd, geslacht, ras, APACHE-3-score en aanvullende baseline-covariaten die a priori zijn gekozen op basis van klinische relevantie. Ten slotte zal de vergelijking van de CP- en geen CP-behandelingsresultaten worden aangepast voor basislijnverschillen door PS (als beperkte kubieke spline in de logit PS om niet-lineaire effecten mogelijk te maken) op te nemen in het uitkomstregressiemodel met de CP-behandelingsvariabele. Als aanvullende PS-techniek worden patiënten die zonder CP zijn behandeld, gematcht met patiënten die CP hebben gekregen op basis van ziektegroep (vasculitis of hematologische maligniteit) en propensityscore binnen een tolerantie van 0,2 standaarddeviaties van logit-PS. Om overlevingsbias te voorkomen, zal het matchingproces alleen rekening houden met de in aanmerking komende controles die even lang of langer werden gevolgd dan de tijd tot de eerste transfusie van de CP-zaak.

Voor de univariate ordinale uitkomstscore van de WHO na 30 dagen en voor multivariate uitkomstscores na 30, 60 en 90 dagen zullen afzonderlijke proportionele odds logistische regressiemodellen worden aangepast (als een analyse met herhaalde metingen), met de CP-status van de patiënt, tijd, basislijn WHO score en PS opgenomen als onafhankelijke variabelen. IC-vrije dagen, gedefinieerd als het aantal dagen in leven en vrij van IC tussen het begin van het onderzoek en dag 30 of dag 90, worden berekend en vergeleken tussen CP- en geen CP-groepen met behulp van Poisson-regressie. Voor deze analyse starten de onderzoekers in eerste instantie alle patiënten op het moment van positieve PCR in de groep zonder CP. Wanneer patiënten hun eerste transfusie krijgen, wordt hun niet-CP-follow-up ingekort en wordt hun follow-up hervat op tijdstip nul in de CP-groep. De onderzoekers zullen een offset in het model gebruiken om rekening te houden met het verschil in observatiedagen tussen de twee groepen. Ten slotte zal de heterogeniteit van de behandeling worden onderzocht voor vooraf gespecificeerde basiskarakteristieken (bijv. tijd sinds anti-CD20, geslacht, ras) door interacties tussen behandelingen per covariabele te testen in de uitkomstmodellen. Tijd sinds anti-CD20 zal worden geanalyseerd als een continue variabele met behulp van een uitgebreid cohort om een ​​breder bereik van tijden (binnen 3 jaar) te beschouwen. De onderzoekers zullen ook het verband onderzoeken tussen de tijd sinds het gebruik van anti-CD20 en de studieresultaten, ongeacht de plasmabehandeling. Nogmaals, de tijd zal op een continuüm worden beschouwd en flexibel worden gemodelleerd met behulp van regressiesplines om niet-lineaire relaties met de uitkomst mogelijk te maken.

Gevoeligheidsanalyses:

Stratificatie per ziektecategorie (vasculitis vs. hematologische maligniteiten) en stratificatie per titer van antilichamen, bereikte seroconversie, tijd (van initiële positieve PCR) wanneer plasma werd toegediend.