Unngåelige reinnleggelser for pasienter som er innlagt på sykehus med lungebetennelse i lokalsamfunnet (R3P)

I. Mål

Formålet med denne studien er å utvikle en administrativ databasert risikoprediksjonsmodell for å identifisere potensielt unngåelige 30-dagers reinnleggelser av pasienter innlagt på sykehus med samfunnservervet pneumoni (CAP). Fokuset er på reinnleggelser som kan unngås, fordi ikke alle reinnleggelser på sykehus kan påvirkes av intervensjoner designet for å redusere dem.

De spesifikke målene for dette prosjektet er:

1. å vurdere nøyaktigheten av International Classification of Disease, Tenth Revision (ICD-10) utskrivningsdiagnosekoder for CAP ved å bruke en strukturert retrospektiv kartgjennomgang som referansemetode.
2. å estimere antallet reinnleggelser av alle årsaker på samme sykehus innen 30 dager og ett år etter utskrivning for pasienter innlagt på sykehus med CAP.
3. å estimere prosentandelen av CAP-pasienter som dør innen 30 dager og ett år etter utskrivning uten reinnleggelse på sykehus.
4. å estimere prosentandelen av uplanlagte reinnleggelser for pasienter innlagt på sykehus med CAP ved hjelp av en strukturert retrospektiv kartgjennomgang.
5. å beskrive lungebetennelsesrelaterte og -urelaterte årsaker til reinnleggelse for pasienter innlagt på sykehus med CAP ved hjelp av en strukturert retrospektiv kartgjennomgang.
6. å kvantifisere sannsynligheten for at en ikke-planlagt reinnleggelse kan unngås ved hjelp av latent klasseanalyse basert på uavhengige klassifiseringer av fire anmeldere.
7. å undersøke fordelingen av potensielt unngåelig reinnleggelse og tiden siden utskrivning fra indeksinnleggelse på sykehus.
8. å identifisere egenskapene som stammer fra administrative kravdata som er uavhengig assosiert med potensielt unngåelig gjenopptakelse.
9. å utlede og internt validere en databasert risikoprediksjonsmodell for administrative krav for å identifisere potensielt unngåelig 30-dagers reinnleggelse av pasienter innlagt på sykehus med CAP.
10. å identifisere karakteristikkene abstrahert fra journalen som er uavhengig assosiert med potensielt unngåelig reinnleggelse.
11. å utlede og internt validere en journaldatabasert risikoprediksjonsmodell for å identifisere potensielt unngåelig 30-dagers reinnleggelse av pasienter innlagt på sykehus med CAP.
12. å sammenligne den generelle nøyaktigheten, diskrimineringen og kalibreringen for administrative krav databasert versus medisinsk journal databasert risikoprediksjonsmodell for å identifisere potensielt unngåelig 30-dagers reinnleggelse av pasienter innlagt på sykehus med CAP.
13. å eksternt validere publiserte risikoprediksjonsmodeller for potensielt unngåelig 30-dagers reinnleggelse.

II. Studere design

R3P er en retrospektiv observasjonskohortstudie av påfølgende voksne pasienter utskrevet fra to sykehus med diagnosekode CAP. Datakilder inkluderer rutinemessig innsamlede sykehusutskrivningsdata og retrospektive kartgjennomganger.

III. Deltakende studiesentre og setting

Studien vil bli utført ved et universitets-tilknyttet og et generelt sykehus i Nord-Alpene, Frankrike. Med en kapasitet på 1 362 akuttsenger betjener Grenoble universitetssykehus en overveiende urban befolkning på 675 000 innbyggere og rapporterte 135 999 opphold i 2014. Annecy generelle sykehus har en kapasitet på 896 akuttsenger og rapporterte 70 651 opphold i 2014.

IV. Datainnsamling

To kliniske forskningsassistenter vil utføre strukturert retrospektiv kartgjennomgang ved hjelp av et datastyrt datainnsamlingsinstrument. Følgende variabler vil bli registrert for indekssykehusinnleggelser:

• identifikatorer for pasient og sykehusopphold;
• baseline pasientkarakteristikker, inkludert demografi, eksisterende komorbid tilstand, risikoklasse for pneumonia severity index (PSI), fysisk undersøkelse og laboratoriefunn ved innleggelse, røntgen- eller CT-skanningsfunn innen 48 timer etter innleggelse, innledende mikrobiologisk opparbeiding;
• inhospital antibiotikabehandling og tilhørende behandlinger;
• indeks sykehusopptaksforløp (ICU-innleggelse, lungebetennelsesrelaterte og -urelaterte komplikasjoner);
• fysisk undersøkelse og laboratoriefunn ved utskrivning;
• utslippsplan og behandlinger;

Følgende variabler vil bli registrert for første reinnleggelse innen ett år etter utskrivning:

• identifikatorer for pasient og sykehusopphold;
• fysisk undersøkelse og laboratoriefunn ved reinnleggelse, røntgen- eller CT-skanningsfunn innen 48 timer etter reinnleggelse;
• ICU innleggelse;
• lungebetennelsesrelaterte og ikke-relaterte komplikasjoner;
• primære og sekundære årsaker til reinnleggelser.

Som en del av det franske diagnoserelaterte gruppen (DRG)-baserte potensielle betalingssystemet, inkluderer datastyrte sykehusutskrivningsdata pasient- og sykehusoppholdsidentifikasjoner, innleggelses- og utskrivningsdatoer, alder, kjønn, liggetid, utskrivningssted, primær og sekundær ICD- 10 utskrivningsdiagnosekoder (opptil 99) for både indeksinnleggelse og reinnleggelse. ICD-10-koding er i samsvar med nasjonale retningslinjer og gjøres av utdannede teknikere eller leger, avhengig av sykehus. Kodere abstraherer vanligvis diagnoser fra legenotater, selv om innleggelsesnotater, daglige fremdriftsnotater, konsultasjonsrapporter, bildediagnostikk og behandlinger rutinemessig blir registrert i det medisinske diagrammet. Utskrivningsdata blir eksternt revidert ved å trekke tilbake et tilfeldig utvalg av sykehusopphold hvert år.

V. Databehandling

For å sikre optimal kvalitet vil alle data som samles inn i etterkant ved kartgjennomgang, legges inn elektronisk av kliniske forskningsassistenter ved hjelp av en personlig identifikasjonskode og passordbeskyttet nettbasert datainnsamlingssystem. De kliniske forskningsassistentene vil få formell opplæring i metodene for dataabstraksjon og registrering. En bruksanvisning som inkluderer definisjoner og akseptable datakilder for alle variabler vil bli distribuert. Pålitelighet av dataabstraksjon vil bli vurdert ved å tilfeldig velge tilfeller for uavhengig innsamling av en praktiserende lege.

VI. Statistisk analyse

1. Oversikt

   De administrative sykehusutskrivningsdatasettene vil bli knyttet til journalabstrakte saker ved bruk av pasient- og sykehusoppholdsidentifikasjoner. Dersom en pasient legges inn mer enn én gang i løpet av studieperioden, vil kun første innleggelse inngå som indeksinnleggelse.

2. Nøyaktighet av ICD-10 utladningsdiagnosekoder for CAP

   Nøyaktigheten til ICD-10 utladningsdiagnosekoder vil bli vurdert ved hjelp av tre referansemetoder:

   1. Medisinsk journal og/eller utskrivningsbrevnotasjon av CAP-diagnose.
   2. Medisinsk notering av ≥ 1 luftveissymptom (hoste, sputumproduksjon, dyspné, takypné eller pleurittisk smerte), og ≥ 1 auskultasjonsfunn (raser eller krepitasjoner), og ≥ 1 tegn på infeksjon (temperatur > 38°C, skjelving, eller antall hvite blodlegemer >10 000/µL eller <4 000/µL), og et nytt infiltrat på røntgen av thorax eller CT-skanning utført innen 48 timer etter innleggelse.
   3. En sammensetning av #a og/eller #b

   Positive prediktive verdipoengestimater sammen med 95 % konfidensintervall (CI) vil bli rapportert for de tre referansemetodene, separat.

3. Tildeling av begrunnelse for gjenopptakelse

   Fire leger, som er medlemmer av et klinisk vurderingspanel, vil uavhengig gjennomgå journaler for både indeksinnleggelse og reinnleggelse. Medlemmene av panelet er generelle internister, infeksjons- eller luftveissykdomsspesialister med klinisk erfaring i behandling av CAP-pasienter. I samsvar med Jasti et al. (CID 2008;46:550-6), vil hver legeanmelder bruke forhåndsdefinerte kriterier for å kategorisere årsaken til rehospitalisering som:

   1. lungebetennelsesrelatert forverring av tegn eller symptomer;
   2. ny eller forverret komorbid(e) tilstand(er) uavhengig av lungebetennelse;
   3. enhver kombinasjon av lungebetennelsesrelaterte og komorbiditetsrelaterte årsaker.

   Anmelderne vil uavhengig tildele hovedårsaken til gjenopptakelse, ved å bruke de gjensidig utelukkende kategoriene publisert av Halfon et al. (J Clin Epidemiol 2002;55:573-87).

   Intervurderavtale for årsaken til rehospitalisering vil bli kvantifisert ved bruk av Cohens Kappa.

4. Identifisere potensielt unngåelige reinnleggelser

   I samsvar med van Walraven et al. (CMAJ 2011;183:e1067-72) vil fire legebedømmere bruke en 6-punkts ordinær skala for å vurdere om reinnleggelsen er en uønsket hendelse og om bivirkningen kan unngås. En gjeninnleggelse med en vurdering over tre i begge domenene vil bli klassifisert som potensielt unngåelig av denne anmelderen. Sannsynligheten for at en reinnleggelse kan unngås vil kvantifiseres ved hjelp av latent klasseanalyse basert på den uavhengige klassifiseringen av fire anmeldere.

5. Utvikling av en journaldatabasert risikoprediksjonsmodell

   Vi vil utlede en multivariabel logistisk regresjonsmodell for å kvantifisere sannsynligheten for at 30-dagers reinnleggelse kan unngås. Utviklingsutvalget vil inkludere alle årsak 30 dagers reinnleggelser for voksne pasienter innlagt på sykehus med CAP. Resultatet av interesse er en potensielt unngåelig reinnleggelse innen 30 dager etter utskrivning. Vi vil bruke journalabstrakte data for både indeksen sykehusinnleggelse og reinnleggelse. Kandidatprediktorer vil bli identifisert ved å kombinere funnene fra en systematisk litteraturgjennomgang med meninger fra felteksperter.

6. Utvikling av en administrativ skadedatabasert risikoprediksjonsmodell

   I en egen analyse vil vi utlede en multivariabel logistisk regresjonsmodell for å kvantifisere sannsynligheten for at 30 dagers reinnleggelse er unngåelig. Utviklingsutvalget vil inkludere alle årsak 30 dagers reinnleggelser for voksne pasienter innlagt på sykehus med CAP. Resultatet av interesse er en potensielt unngåelig reinnleggelse innen 30 dager etter utskrivning. Vi vil kun bruke administrative data og modellen vil være basert på kombinasjoner av diagnosekoder mellom indeksinnleggelsen og reinnleggelsen. Kandidatprediktorer vil bli identifisert ved å gjennomgå publiserte modeller i kombinasjon med meninger fra felteksperter.

7. Intern validering av risikoprediksjonsmodeller

Vi vil bruke bootstrapping for å kvantifisere optimismen i den tilsynelatende ytelsen til kliniske prediksjonsmodeller. Diskriminering vil kvantifiseres av samsvarsstatistikken (c). Kalibrering vil bli undersøkt grafisk og formelt vurdert ved kalibreringshellingstesten.

VII. Skader og sikkerhet

I denne retrospektive observasjonsstudien vil alvorlige uønskede hendelser samles inn gjennom en strukturert kartgjennomgang, inkludert dødelighet på sykehus, komplikasjoner på grunn av CAP- eller CAP-behandling, ny eller forverret komorbiditet, innleggelse på intensivavdeling og dødelighet utenfor sykehus.

VIII. Revisjon

Overvåking av studieprosesser og dokumenter vil bli utført av personell utpekt av Direction de la Recherche Clinique et de l'Innovation (DRCI) ved Grenoble universitetssykehus.