Prediktorer for utfall etter perioperativt slag

BAKGRUNN

Peroperativt hjerneslag er en ødeleggende komplikasjon av kirurgi som for tiden er dårlig karakterisert med begrensede kliniske verktøy tilgjengelig for å oppdage og forhindre forekomsten. Peroperativt hjerneslag er en cerebrovaskulær hendelse som oppstår etter kirurgi, og rammer mellom 0,1-1,9 % av pasientene som har ikke-kardial, ikke-nevrologisk kirurgi. Peroperativt hjerneslag er relativt understudert sammenlignet med postoperative komplikasjoner av lignende forekomst og alvorlighetsgrad, slik som hjertekomplikasjoner. I løpet av de siste tiårene har det blitt gjort betydelige anstrengelser for å redusere risikoen for perioperativt hjerteinfarkt og har ført til en nedgang i forekomsten over tid på grunn av fremskritt innen risikostratifisering og perioperativ behandling. Selv om forekomsten av perioperativt slag er lik eller høyere enn forekomsten av perioperativt hjerteinfarkt, har risikoen for denne komplikasjonen økt over tid, og perioperativt slag er fortsatt relativt neglisjert. Den nåværende litteraturen har identifisert at pasienter som opplever hjerneslag etter operasjon har høyere dødelighet, oppholdstid og utskrivning til et anlegg, men gitt den sjeldne karakteren av denne komplikasjonen er relativt lite kjent om hvilke faktorer som forutsier disse utfallene blant de som opplever et perioperativt slag.

MÅL

SPESIFIKKE MÅL

1. Utlede og eksternt validere risikoprediksjonsmodeller for dødelighet (primært utfall), uønsket utflod, ICU-utnyttelse, trakeostomi/PEG/kraniektomi og liggetid etter perioperativt slag.
2. Beskriv tidsmessige trender i dødelighet etter perioperativt slag mellom 2005 og 2020.
3. Utforsk mediatorer av dødelighetsrisiko etter perioperativt slag.

METODER

Denne studien er en retrospektiv analyse av den prospektivt innsamlede databasen American College of Surgeons National Surgical Quality Improvement Program mellom 2004 og 2020.

Avledningskohorten vil bli trukket ut fra NSQIP-databasen. Det siste året av datasettet (2020) inkluderer data om over én million tilfeller fra 708 steder. Valideringskohorten vil bli trukket ut fra Population Data BC, en samling av koblede provinsielle databaser som gir avidentifiserte individuelle nivådata om alle innbyggere i BC (befolkning 5,1 millioner). En datoperiode fra 1. januar 2002 til 31. desember 2020 ble valgt for å gjenspeile moderne slagbehandlingspraksis (f.eks. EVT), og den konsekvente bruken av ICD-10-CA-koding siden 2002.

Studiepopulasjon

NSQIP-avledningskohort: Pasienter med perioperativt hjerneslag i NSQIP-databasen mellom 2004 og 2017 vil bli inkludert. Vi vil ekskludere nevrokirurgiske (inkludert karotis-endarterektomi) og intervensjonelle radiologiprosedyrer. Hjerte- og ikke-hjertekirurgipopulasjonene vil bli analysert separat gitt deres unike slagrisikoprofil.

PopDataBC valideringskohort: Pasienter med AIS vil bli identifisert ved hjelp av diagnosekodene I63.0-163.9 fra International Classification of Diseases (ICD), Tenth Revision, Canada (ICD-10-CA), som nøyaktig og pålitelig identifiserer AIS i store administrative datasett, med positiv prediktiv verdi og sensitivitet på over 97 %. Pasienter som opplevde en ICD-10-CA innleggelsesdiagnose (topp 3 posisjoner) av AIS innen 30 dager etter innleggelse for operasjon, eller som en utskrivningsdiagnose fra indeksen kirurgisk sykehusinnleggelse. Perioperative pasienter vil bli ekstrahert ytterligere fra den totale AIS-kohorten hvis de mottok kirurgisk faktureringskode i løpet av 30 dager før innleggelse for hjerneslag.

Utfallsvariabler: Primært utfall er 30-dagers dødelighet; sekundære utfall er ICU-bruk, lengde på sykehusopphold, markører for alvorlig slagutfall (trakeostomi, PEG, hemikraniektomi for hjerneødem) og uønsket utflod (ikke-hjemmeinnretning eller død).

Kandidatprediktorvariabler: Utfall etter perioperativt hjerneslag er potensielt relatert til pasient-, kirurgiske og anestetiske faktorer, så vel som karakteristika ved hjerneslaget. Kandidat-prediktorvariabler vil inkludere pasientkarakteristikker (alder, kjønn, komorbiditeter inkludert historie med hjerneslag), kirurgiske egenskaper (spesialitet, kompleksitet, type, nødstatus), anestesiteknikk (generell vs regional/neuraksial) og slagkarakteristikk (timing i forhold til operasjonen) , reinnleggelse for hjerneslag kontra innlagt hjerneslag). Kontinuerlige variabler vil bli vurdert for transformasjon ved bruk av brøkpolynomer for å tillate en kontinuerlig ikke-lineær assosiasjon.

STATISTISK ANALYSE

Mål 1: Utledning og validering av risikoprediksjonsmodeller. Multivariable modeller for å forutsi 30-dagers dødelighet etter perioperativt hjerneslag vil bli laget separat for hjerte- og ikke-hjertekirurgi, gitt deres unike mekanismer for hjerneslag. For å unngå overtilpasning, vil vi gjennomføre en datareduksjonsstrategi og ekskludere variabler med mer enn 10 % manglende data eller mindre enn 20 observasjoner. Der >1 % men <10 % data mangler, vil vi vurdere multippel eller gjennomsnittlig imputering; variabler med <1 % manglende data vil bli håndtert gjennom fullstendig case-analyse.

Forhåndsspesifiserte prediktorvariabler vil bli brukt for å konstruere en logistisk regresjonsmodell hvor koeffisienter vil krympes ved bruk av elastisk netto penalisering. Denne metoden for variabel seleksjon og penalisering ble valgt fordi vi forventer mulighet for et stort antall potensielle prediktorer i forhold til antall utfall og at flere viktige prediktorer vil være kollineære. Ved å bruke elastisk nettoregularisering kan vi bruke en balanse mellom minste absolutte krymping og velgeroperator (LASSO) straff og RIDGE-regresjon. RIDGE-regresjon vil tillate oss å beholde viktige kollineære prediktorer, men krympe koeffisientene deres (som kan blåses opp på grunn av kollinearitet). LASSO-metoder vil tillate koeffisientene til noen ikke-medvirkende prediktorer til null, og derfor eliminere dem fra modellen. Inkluderte variabler vil bli vurdert for interaksjoner og ytterligere termer som vurderes for å forbedre modellytelsen etter behov. Spesifikt vil vi på forhånd undersøke følgende interaksjoner: alder*kjønn, kirurgisk kompleksitet (WRVU)*alder, WRVU*spesialitet og spesialitet*anestesiteknikk. Modelldiskriminering vil bli evaluert ved å bruke arealet under mottakerens driftskarakteristikk (c-statistikk). Modellkalibrering vil bli vurdert med et løs-utjevnet plott av observerte vs predikerte risikoer over risikospekteret. En lignende analyse vil bli brukt for å lage en prediksjonsmodell for liggetid (som vil være en log-transformert lineær modell). Ettersom død er et konkurrerende utfall for utslippsdisponering, vil uønsket utslipp bli modellert som et ordinært utfall (hjem, utskrivning utenfor hjemmet eller død).

Intern validering: Etter utledning vil 5000 bootstrap-prøver bli brukt for intern validering og for å generere en estimert optimisme. Sensitivitetsanalyser vil teste modellytelse i forskjellige tidsepoker for å vurdere virkningen av operasjonsåret (f.eks. 2 til 3-års epoker, avhengig av antall tilgjengelige observasjoner hvert år). Etter utledning av den endelige modellen for å forutsi dødelighet, vil vi utlede en forenklet prediktiv indeks ved å konvertere regresjonskoeffisientene til poeng som gjenspeiler deres relative vekter. Den prediktive nøyaktigheten til det resulterende verktøyet vil bli vurdert på lignende måte som ovenfor.

Ekstern validering: Den endelige logistikkmodellen vil bli eksternt validert i det distinkte datasettet hentet fra PopDataBC etter kartlegging av NSQIP-dataelementer til PopDataBC-databasen. Regresjonskoeffisienter vil bli brukt på PopDataBC fra den NSQIP-avledede modellen for å beregne forventede utfallssannsynligheter og sammenligne spådd med observerte utfall. Diskriminering og kalibrering vil bli målt, med et område under mottakerens driftskarakteristikk >0,70 ansett som akseptabel modelldiskriminering og Hosmer-Lemeshow-test med p>0,05 som indikerer akseptabel god passform.

Mål 2: Tidsmessige trender i dødelighet. Vi vil utføre en eksplorativ ujustert ordinær minste kvadraters regresjonsmodell med årlig dødelighet etter perioperativt slag som avhengig variabel og år som prediktor for å estimere den årlige endringen i dødelighet over tid. En multivariabel lineær regresjonsmodell vil bli spesifisert, justering for viktige prediktorer.

Mål 3: Formidlere av dødelighetsrisiko. For å utforske mulig effektmodifisering av dødelighetsrisiko før slag ved hendelser etter slag, vil vi spesifisere en serie logistiske regresjonsmodeller med død som avhengig variabel og sannsynligheten for død fra vår primærmodell som en lineær prediktor. Vi vil deretter legge til forhåndsspesifiserte prediktorer (over), hver som en tilleggsvariabel, for å utforske om sannsynligheten for død øker eller reduseres basert på tillegg av den postulerte effektmodifiserende variabelen.

Kjønn/Sex-basert analyse: Vi vil utforske forholdet mellom kjønn og utfall etter perioperativt hjerneslag ved å utføre undergruppeanalyser på kvinner og menn, og karakterisere og sammenligne grunnlinjetrekk og utfall for disse to populasjonene. Vi vil videre inkludere kjønn a priori som en prediktor i den justerte modellen, og undersøke interaksjoner med andre variabler. Vi er ikke i stand til å undersøke ikke-binært kjønn da NSQIP bare gir "mann", "kvinne" eller "ukjent".

Prøvestørrelse og kraft: Vi brukte metodene til Riley et al for å estimere den nødvendige prøvestørrelsen for å utlede en stabil logistisk regresjonsmodell som minimerer overfitting. Ved å bruke 30 modellparametere og en estimert utfallsprevalens på 25 % dødelighet hos personer med hjerneslag3, estimerte vi de nødvendige minimale utvalgsstørrelsene basert på potensiell modelldiskriminering (c-statistikk) og forklart varians (Cox-Snell R2). Hvis modellen vår oppnår en c-statistikk på 0,7 (R2 0,09), krever vi 2 754 deltakere. Sterkere diskriminering (c-statistikk 0,8, R2 0,2) vil redusere den nødvendige utvalgsstørrelsen til 1145. NSQIP-databasen 2004-2017 inneholder 6,6 millioner pasienter, og basert på vår foreløpige analyse av 2015-datasettet, vil 99,5 % være ikke-hjertekirurgi med 0,19 % forekomst av hjerneslag, og 0,5 % vil være hjertekirurgi med en forekomst på 1,76 % av hjerneslag. Vi anslår derfor totalt minst 12 434 og 5 808 ikke-hjerte- og hjerte-perioperative slag.

En p-verdi <0,05 vil bli ansett som signifikant for alle analyser og all dataanalyse vil bli utført ved bruk av STATA 17 (StataCorp, Texas, USA).