Enkle observasjonsstudier med kritisk omsorg (SOCCS)

Registerprosedyrer:

Kvalifiserte pasienter vil bli inkludert innen 3 timer etter ankomst til intensivavdelingen. Etter inkludering vil alle studieparametere innhentes gjennom fysisk og fysiologisk undersøkelse. Dette vil bli gjentatt etter ca. 12 timer, og ca. 24 timer deretter.

Overvåkning:

Overvåking vil bli utført av uavhengige forskere ved avdelingen for kritisk omsorg ved University Medical Center Groningen (UMCG). Tilsyn er planlagt å finne sted en gang i året.

Rekruttering:

Inkludering av pasienter og målinger av variabler vil bli utført av studiekoordinator eller en medforsker under veiledning og ansvar av hovedutforsker. På grunn av dens observasjonelle natur vil det ikke innhentes informert samtykke for denne studien.

Bekreftelse av kildedata:

Ved inkludering utledes alle konvensjonelle hemodynamiske variabler ved fysisk undersøkelse og registrering av data fra den grunnleggende hemodynamiske overvåkingen (Philips ImageVue-monitor med sporing av hjertefrekvens, elektrokardiogram (EKG), SpO2, arterielt trykk fra arteriell linjetrykkmåling og/eller fra ikke-invasivt blodtrykksmåling). Alle variabler er forhåndsdefinert (se dataordbok) for å standardisere alle målinger fra studentforskere.

Generelle pasientkarakteristikker og laboratoriemålinger ble registrert fra elektroniske pasientdiagrammer og Acute Physiology and Chronic Health Evaluation (APACHE) II og IV, Simplified Acute Physiology Score II (SAPS)-score er hentet fra vår lokale National Intensive Care Evaluation (NICE)-database. Oppfølging av dødelighet av alle årsaker ved 90 dager og 3 år innhentes ved hjelp av den kommunale personjournaldatabasen. Langtidsoppfølging samles gjennom ulike ressurser, som sykehusjournal, fastlege og/eller direkte kontakt.

Datainnsamling:

Innen 3 timer etter innleggelse på intensivavdelingen vil alle variabler bli innhentet gjennom en engangs klinisk undersøkelse variabler og sykepleiere og leger vil bli spurt om deres prognoser. Andre variabler (dvs. laboratorie- og bildeverdier) vil bli hentet fra de elektroniske pasientskjemaene. Begrunnelsen og de spesifikke detaljene for måling av hver variabel er beskrevet omfattende nedenfor.

Systemiske sirkulasjonsvariabler:

Hjertefrekvens (HR): den vil bli registrert fra den elektrokardiografiske monitoren ved sengen. I tilfelle en uregelmessig rytme (dvs. atrieflimmer) vil etterforskerne bruke gjennomsnittlig hjertefrekvens over ett minutt. Bortsett fra hjertefrekvens vil tilstedeværelsen av atrieflimmer bli registrert.

Systolisk blodtrykk (SBP), diastolisk blodtrykk (DBP) og gjennomsnittlig arterielt trykk (MAP): disse vil bli oppnådd ved intravaskulær måling med en arteriell linje, som er en del av vanlig pleie. Hvis ingen arteriell linje er satt inn, vil den ikke-invasive målingen bli samlet.

Sentralt venetrykk (CVP): dette vil bli registrert i tilfelle en sentral venelinje er tilstede i den indre halsvenen eller subclaviavenen.

Mikro- og perifere sirkulasjonsvariabler:

Kapillærpåfyllingstid (CRT): denne vil bli målt etter 10 sekunder med fast trykk, fortrinnsvis på den distale falanxen til pekefingeren og på den sentrale delen av kneet. Ingen cutoff-score vil bli brukt, men en kontinuerlig måling på grunn av avviket i verdier som anses som normale av forskjellige undersøkelser for CRT.

Hudtemperatur (Tskin): dette vil bli målt subjektivt og objektivt. Det subjektive tiltaket vil bli utført ved å palpere pasientens ekstremiteter. En forskjell mellom enten "varm" eller "kald" vil bli gjort ved å bruke den dorsale overflaten av hendene til undersøkeren. Pasienter vil anses å ha "kalde" hudekstremiteter hvis alle undersøkte ekstremiteter anses som kjølige, eller hvis bare underekstremitetene er kjølige til tross for varme overekstremiteter.

For å objektivisere hudtemperaturen har bruken av en sentral-til-perifer og perifer-til-omgivelsestemperaturforskjell (henholdsvis dTc-p og dTp-a) eller underarm-til-finger hudtemperaturgradient (Tskin-diff) blitt foreslått i litteraturen. Etterforskerne vil benytte seg av sentral-til-perifere målinger:

Sentral-til-perifer temperaturforskjell (dTc-p): for å måle denne forskjellen vil etterforskerne sammenligne blæretemperaturen, målt med et blæretermistorkateter, med fottemperaturen, målt med en hudsonde (DeRoyal Skin Temperature Sensor produkt nr. 81- 010400EU) på enten venstre eller høyre fot (dorsum). Etterforskerne vil bruke blæretemperatur som et surrogat for sentral temperatur, og tåtemperatur som et perifert mål. I litteraturen brukes vanligvis en temperaturforskjell på enten 5°C eller 7°C som en øvre grense. Etterforskerne vil derfor betrakte verdier høyere enn 7°C som unormale.

Den flekkete poengsummen: denne poengsummen ble beskrevet av Ait-Oufella et al i 2011. Flekker er den ujevn misfarging av huden forårsaket av mikrosirkulatorisk dysfunksjon. Det involverer vanligvis området rundt kneet. Mottling-poengsummen varierer fra 0 til 5, avhengig av omfanget av det flekkete området. En skår på 0 eller 1 regnes som mild, 2 eller 3 moderat og 4 eller 5 alvorlig.

Urinproduksjon (ml/kg/t): dette måles også som en del av vanlig pleie. Undersøkerne vil bruke den totale urinproduksjonen før undersøkelse (dvs. fra innleggelse til undersøkelse). Hos pasienter med eksisterende nyresvikt vil ikke urinproduksjonen bli brukt.

Andre variabler:

Respirasjonsfrekvens: dette vil bli registrert av den elektrokardiografiske monitoren ved sengen. Hvis en pasient er på mekanisk ventilasjon, se nedenfor.

Mekanisk ventilasjon: data om tilstedeværelse og type mekanisk ventilasjon vil bli samlet inn, samt grunnleggende informasjon om luftveisforhold (f. PEEP og FiO2).

Inotropisk og vasopressorbruk: ethvert inotropt eller vasopressinbehov, type, dose og hastighet vil bli registrert. Betraktet som inotrope/vasopressorer er noradrenalin, vasopressin, dobutamin, dopamin og milrinon. Midazolam, propofol og S-ketamin regnes som beroligende.

Estimater av pumpefunksjon og perifer sirkulasjon: en estimering vil bli gjort, enten av et medlem av behandlerteamet, eller av forskeren.

Serumlaktat, hemoglobin, troponin-T og kreatinin: disse bestemmes som en del av vanlig pleie. For studieformål vil etterforskerne bruke verdien som er nærmest vår undersøkelse.

Andre biokjemiske verdier bestemt som en del av vanlig pleie, som pH, leukocytter, hematokrit, etc. vil også bli registrert.

Etter at den kliniske undersøkelsen er utført, vil informasjon om følgende generelle kjennetegn trekkes ut fra NICE-databasen. Dette inkluderer demografiske data (som BMI, alder og kjønn), medisinsk historie, diagnoser og alvorlighetsgrad av sykdom som evaluert av de forskjellige generasjonene av APACHE-skårene, SAPS, Sequential Organ Failure Assessment (SOFA) og alle andre prediksjonsmodeller publisert. For dette formål vil et omfattende litteratursøk bli opprettet og publisert og deretter utført for å sikre inkludering av alle publiserte modeller med deres variabler. Videre vil etterforskerne samle laboratorieverdier (detaljer er beskrevet ovenfor), urinproduksjon (detaljer er beskrevet ovenfor) og rutinemessige innleggelses-EKG og bildediagnostikk. Etter 30 dager vil etterforskerne vurdere pasientfilene på nytt for å samle informasjon om totalt intensivopphold i dager.

Dataledelse:

Data vil bli registrert ved hjelp av OpenClinica og overført for analyse. Etter overføring fra OpenClinica vil alle data bli administrert i en database opprettet med Stata versjon 15 (StataCorp, College Station, TX). Alle studieobjekter vil motta en studieemne-ID, satt sammen av studiens navn og deres inklusjonsnummer. Denne studiens fag-ID vil bli brukt i både OpenClinica og Stata. Bare en forsker med 'studiedirektør'-kontoegenskaper i OpenClinica vil kunne koble studieemne-ID til pasientnummer.

Vurdering av prøvestørrelse:

Hvert år legges 3000 pasienter inn på en av fire intensivavdelinger. Omtrent 1500 av disse innleggelsene er ikke-planlagte akuttinnleggelser. Etterforskerne anslår at halvparten av disse ikke-planlagte innleggelsene oppfyller inklusjonskriteriene. Dette etterlater 750 pasienter kvalifisert for inkludering. Etterforskerne antar imidlertid at de ikke vil kunne inkludere alle kvalifiserte pasienter av logistiske og praktiske årsaker. Derfor har etterforskerne som mål å inkludere 400 pasienter per år.

Plan for manglende data:

Først vil mønsteret som ligger til grunn for våre manglende data bli utforsket: mangler helt tilfeldig, mangler tilfeldig eller mangler ikke tilfeldig. Basert på tidligere erfaring med SICS-I, er det forventet at data vil mangle tilfeldig. Derfor vil primæranalyser bli utført med imputasjon for manglende data ved bruk av flere imputasjoner. Robuste konklusjoner vil bli kontrollert av sekundære sensitivitetsanalyser som kun inkluderer tilgjengelige data.

Statistisk analyseplan:

Etterforskerne vil bruke de generelle egenskapene til å lage en grunnlinjetabell. Statistiske analyser vil bli utført ved bruk av Stata versjon 15 (StataCorp, College Station, TX). Data vil bli presentert som middel med standardavvik hvis normalfordelt eller som medianer med områder i tilfelle skjeve data.

Univariate analyser vil bli utført og alle variabler med p<0,1 vil bli inkludert i de multivariate modellene. Multivariate analyser vil bli utført ved hjelp av en trinnvis modell. Hjertevolum vil bli modellert ved hjelp av lineær regresjon og dødelighet vil bli modellert ved hjelp av logistisk regresjon. Alle analyser vil bli justert for alder og kjønn; andre generelle egenskaper vil ikke bli lagt til modellen standard. Alle analyser vil bli testet tosidig og p-verdier på mindre enn 0,05 vil bli vurdert som statistisk signifikante.

Hvis prøvestørrelsen tillater det, vil etterforskerne gjennomføre en analyse i forskjellige underpopulasjoner. Eksempler på subpopulasjoner som kan være kvalifisert for videre analyse er de med sepsis og eller alvorlig sirkulasjonssjokk.

Fremtidige planer inkluderer bruk av Machine Learning-metoder for videre dataanalyse. SOCCS er designet slik at datainnsamlingen samtidig er så enhetlig og så omfattende som mulig. Som tidligere beskrevet vil nesten alle pasienter innlagt på intensivavdelingen bli inkludert, takket være tilgjengeligheten av et utdannet studentteam 24 timer i døgnet. Dette garanterer at nye pasienter kan inkluderes når som helst, og gir mulighet for å lage et stort sett med enhetlige data. Mange variabler registreres nøyaktig ved sengekanten for alle pasienter som er akutt innlagt på intensivavdelingen, innen 3 timer etter innleggelse. Både mer tradisjonelle så vel som innovative dataanalyseprosjekter drar nytte av en optimal datainnsamlingsprosess. Alle data som samles inn for SOCCS-studien vil bli samlet i en omfattende og komplett database, hvorfra Machine Learning-baserte prediktive modelleringsstudier enkelt kan defineres og settes opp. På et senere stadium vil disse dataene bli brukt til å bygge prediktive eller risiko-stratifiseringsmodeller, som tar sikte på å sannsynlig spore utviklingen til kritisk syke pasienter eller å fremheve potensielt interessante parametere for påfølgende studier.

Machine Learning (ML) er en gren av kunstig intelligens som lar dataforskere designe overvåkede eller uovervåkede algoritmer for å "lære" fra generelt store dataprøver ved hjelp av slutninger. ML startet som en velkjent metode innen genanalyse, etter å ha spredt seg til flere andre felt innen medisin. Potensialet til å øke klinisk orientert forskning har vist seg, først og fremst ved å identifisere og prioritere spesifikke komponenter i omsorgen, som studien kan gi mest nytte for pasientene. Videre er bruk av ML-baserte rammeverk i kritisk omsorg blitt rapportert av flere forfattere, ved bruk av ulike typer data. Disse dataene kan innhentes på forskjellige måter, hvor det vanligste er gjennom målinger ved sengen, for eksempel utført for SOCCS- og SICS-studiene, eller ved å samle inn et større antall parametere fra tidligere fysiologiske data fra en gruppe lignende forsøkspersoner.