Pancreaschirurgie - Optimale caseloaddrempels en voorspellende nauwkeurigheid (PaSuT)

Belangrijkste onderzoeksvragen:

• Kunnen specifieke aantallen interventiegevallen worden geïdentificeerd die geschikt zijn als drempelwaarden voor jaarlijkse minimumvolumes en die verband houden met een significant lage ziekenhuissterfte?
• Bijna alle eerdere onderzoeken naar de effecten op het aantal gevallen hebben alleen een beschrijvend verband aangetoond tussen het aantal gevallen in een bepaald jaar en de kwaliteit van de uitkomsten in hetzelfde jaar. Het doel van dit onderzoek is om te onderzoeken of de beschreven correlaties kunnen worden aangetoond wanneer het procedurevolume van het voorgaande jaar als voorspeller wordt gebruikt. Het onderzoek probeert te beantwoorden of de caseload van procedures voorspellende waarde heeft, met name het aantal gevallen in het ene jaar en de sterfte in het ziekenhuis in het daaropvolgende jaar.

Achtergrond:

Talrijke onderzoeken hebben een verband aangetoond tussen het aantal gevallen en de kwaliteit van de resultaten voor verschillende chirurgische ingrepen. Patiënten die een operatie ondergingen in ziekenhuizen met een hoog volume (HVH) hadden bijvoorbeeld lagere sterftecijfers, langere overlevingskansen, lagere complicaties en lagere heroperatiepercentages dan patiënten die een operatie ondergingen in ziekenhuizen met een laag volume (LVH). Voor de onderverdeling in HVH's en LVH's werd gebruik gemaakt van concrete casusaantallen of kwartiel- of kwintiellimieten met een gelijk aantal operaties of klinieken per groep. Het doel van het onderzoek is om deze grenzen objectief te bepalen met behulp van een spline-gemodelleerde caseload-term, waarbij willekeurige beslissingen worden vermeden.

Eén beperking van de eerdere bevindingen is dat ze mogelijk niet generaliseerbaar zijn vanwege het gebruik van een beperkt aantal cases en de kwaliteit van de uitkomsten uit hetzelfde jaar. Het is echter belangrijk op te merken dat het volume van het voorgaande jaar cruciaal is bij het bepalen van het voorspellende belang van de caseload voor de toekomstige kwaliteit van de uitkomsten. Een recent onderzoek (in de pers) meldde dat er aanzienlijke schommelingen zijn in de kwaliteit van de resultaten onder HVH's, zelfs tussen verschillende jaren. Daarom werd de hypothese aangenomen dat het gebruik van het aantal gevallen als voorspeller van uitkomsten van hoge kwaliteit tot overschatting zou kunnen leiden.

Methoden:

De landelijke factuurgegevens van ziekenhuizen voor Duitsland (DRG-statistieken) voor de periode 2010 tot 2019 zullen worden geanalyseerd. De voor risico gecorrigeerde sterftecijfers worden bepaald. Voor dit doel worden logistische regressiemodellen berekend die het sterfterisico aanpassen voor de volgende variabelen: geslacht, leeftijd, noodgeval van opname, jaar van resectie, diagnose (kwaadaardig neoplasma vs. goedaardig neoplasma vs. neoplasma van onduidelijke waardigheid vs. acute pancreatitis vs. chronische pancreatitis versus andere pancreasziekten), aanvullende procedures (veneuze resecties/multiviscerale resecties/arteriële resecties/splenectomie/cholecystectomie/galdrainage/dialyseprocedures) en geselecteerde comorbiditeiten. Om aanvullende procedures te classificeren om de omvang van de operatie en de technische problemen weer te geven, zal een kleine wijziging van het classificatiesysteem zoals beschreven in Mihaljevic et al, 2021 worden gebruikt (PMID: 33386130). Voor de comorbiditeiten worden de Elixhauser-definities gebruikt zoals beschreven in Quan et al, 2005 (PMID: 16224307). De selectie van comorbiditeiten waarmee rekening moet worden gehouden, is gebaseerd op de publicatie van Hunger et al, 2022 (PMID: 35525416).

Het zaaknummereffect wordt gemodelleerd met behulp van natuurlijke kubieke splines. De 10e, 20e, 40e, 60e, 80e en 90e percentielen van het zaaknummer worden gebruikt als knooppuntpunten. De aangepaste ziekenhuissterfte als functie van het aantal gevallen wordt bepaald met behulp van Estimated Marginal Means. Lokale extremen (maxima en minima) in de splines worden bepaald met behulp van de eerste en tweede grafiekafgeleide.

Verschillende regressiemodellen worden berekend op basis van het aantal gevallen uit het huidige werkingsjaar of het voorgaande jaar. De voorspellende nauwkeurigheid van de modellen wordt bepaald met behulp van de gevestigde maatstaven uit de signaaldetectietheorie (AUC, gevoeligheid, specificiteit, positief voorspellende waarde, negatief voorspellende waarde). Er zullen subgroepanalyses voor individuele resectieprocedures worden uitgevoerd.