Risico op heroperatie na eerste MTP-gewrichtsartrodese

Het aantal primaire operaties in de volwassen populatie (leeftijd 18 jaar of ouder) wordt verzameld uit patiëntinformatiesystemen met behulp van de NOMESCO-procedurecode NHG80, ongeacht de diagnose. Deze patiënten zullen verder worden gescreend op diabetes en artritische aandoeningen (de internationale classificatie van ziekten 10e revisie (ICD-10) diagnostische codes E10.**-E14.** en M05.**-M14.**). Aangezien heroperaties worden beschouwd als een operatie onder de NOMESCO-procedurecodes NH***, QDB***, QDG***, ZZH***. Comorbiditeiten werden verzameld uit de vorige patiëntendossiers door middel van diagnosecodes voor diabetes type 1 (E10.**), andere diabetes (E11.**-14.**), seropositieve reumatoïde artritis (M05.9), seronegatieve reumatoïde artritis (M06.0), psoriasis (M07.**), jicht (M10.**), andere artritis (M09.**, M11-M14).

De gegevens worden verdeeld en geanalyseerd in twee afzonderlijke fasen. Eerst verzamelen we alle informatie die we betrouwbaar kunnen gebruiken uit het register. De gegevens omvatten de primaire operatie, alle heroperaties, het ervaringsniveau van de chirurg, de leeftijd van de patiënt, het geslacht en of bij de patiënt andere bovengenoemde comorbiditeiten zijn vastgesteld.

In de tweede fase zullen we gematchte patiënten verzamelen voor de patiënten die een heroperatie ondergingen met behulp van propensity score matching met een ratio van 1:3 met de naaste-buur-methode. De variabelen die worden gebruikt voor het matchen zijn leeftijd, geslacht en alle andere comorbiditeiten (diabetes type 1, andere diabetes, seropositieve reumatoïde artritis, seronegatieve reumatoïde artritis, psoriasis, jicht, andere artritis). We zullen ook de medische dossiers van de geheropereerde patiënten verder screenen de overeenkomende bedieningselementen. Aan de hand van pre- en postoperatieve röntgenfoto's bepalen we de mate van artrose en hallux valgus en intermetatarsale hoeken. Operatierapporten worden gescreend op chirurgische techniek (d.w.z. methode van kraakbeenverwijdering, fixatie en gebruik van bottransport). Deze gegevens zullen worden gebruikt om de associatie van peri-operatieve factoren en heroperaties te analyseren. Deze modellen bevatten geen variabelen die bij het matchen zijn gebruikt.

Tijdens beide fasen zullen we logistische regressie gebruiken om de associatie tussen veronderstelde risicofactoren en heroperaties te analyseren door gebruik te maken van de gegevens uit het register (eerste fase) of uit de medische dossiers en röntgenfoto's van de patiënt (tweede fase). We zullen causaliteit evalueren met gerichte acyclische grafieken (DAG) en logistieke modellen afzonderlijk ontwikkelen voor elk van de veronderstelde risicofactoren. De variabelen die in de DAG's worden gebruikt, zullen worden geselecteerd op basis van eerdere kennis en veronderstelde causale verbanden. Resultaten van beide analyses worden geïnterpreteerd met aangepaste odds ratio's (OR) met 95% betrouwbaarheidsintervallen (CI). Modelfit zal worden beoordeeld door McFadden R2-index, multicollineariteit door Variance Inflation Factor (VIF) en heteroscedasticiteit te evalueren door de gepaste waarden vs. residuele plots te inspecteren. Statistische analyses worden uitgevoerd met R versie 4.0.5.