Optimalisering av ressursallokering via prediksjon av utfall for Covid-19

Bakgrunn.

Relativt enkle kliniske risikoskårer basert på lett tilgjengelig klinisk informasjon kan i stor grad hjelpe til med triaging av pasienter til tidlig utskrivning eller raskere og intensivere intervensjon. Et eksempel på dette er i øvre gastrointestinal blødning hvor flere slike skårer (https://www.mdcalc.com/glasgow-blatchford-bleeding-score-gbs4) 5; https://www.mdcalc.com/rockall-score-upper-gi-bleeding-complete6) har tillatt sikker tidlig utskrivning og dermed lettet presset på sykehus. Etterforskerne mener at lignende resultater potensielt kan oppnås fra data som rutinemessig samles inn i vår tillit om pasienter med påvist eller mistenkt Covid-19.

Mål

Etterforskerne tar sikte på å svare på følgende spørsmål

1. Hvilket mønster av klinisk historie og symptomer, observasjoner, blod og andre undersøkende markører forutsier best at en pasient mistenkt for Covid-19 eller bevist å ha det, vil utvikle seg til å kreve ventilasjon?
2. Hvilket mønster av klinisk historie og symptomer, observasjoner, blod og andre etterforskningsmarkører forutsier best at en pasient mistenkt for Covid-19 eller bevist å ha det vil dø under sykdommen?
3. Hvilket mønster av klinisk historie og symptomer, observasjoner, blod og andre undersøkende markører forutsier best at en pasient mistenkt for Covid-19 eller bevist å ha det vil bli fullstendig frisk uten å kreve ekstra oksygen?

Metoder

Etterforskerne foreslår to hovedtilnærminger til de to første av målene ovenfor.

En standard tilnærming som vurderer grunnlinjekarakteristikker for å forutsi dårlig utfall, lik andre pågående studier som ISARIC og PRIEST, men drar nytte av et objektivt utvalg av pasienter ettersom ingen ytterligere prøver eller data skal samles inn, og derfor mener etterforskerne at det vil være etisk akseptabelt underlagt behørig oppmerksomhet til konfidensialitet for å analysere alle pasienter som presenterer og ikke bare de som vil og kan samtykke.

En multi-level modellering tilnærming som bruker de rike gjentatte daglige laboratorie- og kliniske målingene for å forutsi den daglige risikoen for en påfølgende forverring.

Denne andre tilnærmingen utfyller andre pågående studier som ISARIC og PRIEST, ettersom den bare kan leveres innenfor en enkelt institusjon som NUH da den krever detaljerte longitudinelle koblede elektroniske helsedata. Videre er det et effektivt, rimelig studiedesign som ikke krever manuell datainnsamling.

Etterforskerne vil bruke dataene som holdes i de elektroniske systemene til Nottingham University Hospitals (NUH) NHS Trust, for å identifisere alle pasienter som enten mistenkes for å ha Covid-19-infeksjon eller hvor diagnosen til slutt blir bekreftet. Dette vil bli utført fra starten av pandemien retrospektivt og deretter i et rullende program prospektivt for å maksimere tilgjengelige data.

For disse pasientene vil etterforskerne samle alle relevante data om diagnoser (komorbiditeter), daglige kliniske observasjoner og daglige laboratorieparametere både ved presentasjon og på rullerende basis fra det til døds- eller utskrivningspunktet. Disse dataene vil inkludere gjentatte målinger av temperatur, puls, oksygenmetning i blodet, inspirert oksygenkonsentrasjon, respirasjonsfrekvens, C-reaktivt protein og antall hvite blodlegemer.

Data vil bli analysert, og utfall modellert innenfor Nottingham University Hospitals Trust-nettverket for å sikre at konfidensialitet opprettholdes.

Analyse

Karakteristika for pasienter som går videre til intubasjon. Utforskerne vil vurdere assosiasjonen av eventuelle baseline-parametere og demografi for pasienter som trenger ventilasjon sammenlignet med de som ikke gjør det ved å krysstabellere baseline-parametere med ventilasjon, og beregne justerte assosiasjoner ved hjelp av en logistisk regresjonsmodell. Etterforskerne vil også undersøke daglig risiko for intubasjon ved å bruke en tilfeldig effektmodell med de gjentatte daglige målingene. For å undersøke potensialet for en lett kalkulerbar klinisk risikoscore, vil det utarbeides logistiske modeller, men kontinuerlige variabler beholdes som kontinuerlige (for å maksimere oppbevaringen av nyttige prediktive data) og redusere dem til kategoriske data (for å lette klinisk beregning). Etterforskerne vil velge prediktorer for modellen ved å bruke bakover eliminering med Akaike informasjonskriteriet og alfa = 0,05. For kandidatmodeller vil etterforskerne beregne C-indeksen og mottakerdriftskurvene og vurdere kalibrering ved hjelp av Hosmer-Lemeshow-testen. Bootstrapping og kryssvalidering vil bli brukt for å unngå overfitting og vurdere modellens ytelse.

Tidstrendanalyse for å identifisere markører som fører til intubasjon. Etterforskerne vil undersøke dataene for trender over tid i gjentatte målinger der de er tilgjengelige og beskrive disse ved hjelp av passende sammendragsstatistikk. Hvis det er nok gjentatte målinger, vil hver kovariat bli vurdert med en JoinPoint-analyse for å vurdere om det er en åpenbar bøyning i tid for å indikere en endring i det kliniske bildet som markerer en nedgang mot ventilasjon. Denne prosessen vil inngå i det rasjonelle valget av kategorier for kategorisk representasjon av dataene.

Prediktorer ved intubasjon som tyder på død. Forskerne vil vurdere sammenhengen mellom parametere og demografi for ventilerte pasienter som dør sammenlignet med de som ikke gjør det ved å krysstabellere parametere ved ventilasjonspunktet med død, og beregne justerte assosiasjoner ved hjelp av en logistisk regresjonsmodell. Etterforskerne vil også undersøke daglig risiko for død ved å bruke en tilfeldig effektmodell med de gjentatte daglige målingene. For å undersøke potensialet for en lett kalkulerbar klinisk risikoscore, vil det utarbeides logistiske modeller, men kontinuerlige variabler beholdes som kontinuerlige (for å maksimere oppbevaringen av nyttige prediktive data) og redusere dem til kategoriske data (for å lette klinisk beregning). Etterforskerne vil velge prediktorer for modellen ved å bruke bakover eliminering med Akaike informasjonskriteriet og alfa = 0,05. For kandidatmodeller vil etterforskerne beregne c-indeksen og mottakerdriftskurvene og vurdere kalibrering ved hjelp av Hosmer-Lemeshow-testen. Bootstrapping og kryssvalidering vil bli brukt for å unngå overfitting og vurdere modellens ytelse.

Tidstrendanalyse for å identifisere markører som fører til død Vi vil undersøke dataene for trender over tid i gjentatte målinger der det er tilgjengelig og beskrive disse ved hjelp av passende sammendragsstatistikk. Hvis det er nok gjentatte målinger, vil hver kovariat bli vurdert med en JoinPoint-analyse for å vurdere om det er en åpenbar bøyning i tide for å indikere en endring i det kliniske bildet som markerer en nedgang mot død. Baseline-karakteristikker for pasienter utskrevet uten ekstra oksygen. vil vurdere assosiasjonen til eventuelle baseline-parametre og demografi til pasienter som skrives ut uten ekstra oksygen sammenlignet med de som ikke er det ved å krysstabellere baseline-parametere med ventilasjon, og beregne justerte assosiasjoner ved hjelp av en logistisk regresjonsmodell. For å undersøke potensialet for en lett kalkulerbar klinisk risikoscore, vil det utarbeides logistiske modeller, men kontinuerlige variabler beholdes som kontinuerlige (for å maksimere oppbevaringen av nyttige prediktive data) og redusere dem til kategoriske data (for å lette klinisk beregning). Etterforskerne vil velge prediktorer for modellen ved å bruke bakover eliminering med Akaike informasjonskriteriet og alfa = 0,05. For kandidatmodeller vil etterforskerne beregne c-indeksen og mottakerdriftskurvene og vurdere kalibrering ved hjelp av Hosmer-Lemeshow-testen. Hvert av disse trinnene vil bli gjentatt i 10 tilfeldig utvalgte 20 % delprøver av datasettet.

Stratifiserte supplerende analyser For å identifisere ulike pasientgrupper med risiko for dårlige utfall, vil interaksjoner med hver risikomodell bli vurdert for å identifisere om stratifisering er nødvendig etter aldersgrupper, kjønn, tidligere komorbiditeter og grunnlinjefaktorer som lymfopeni, CRP etc.

Alle analyser vil bli gjentatt for grupper av PCR-påviste Covid-19 pasienter og de som kun er mistenkt.

For analysen av utskrivning uten ekstra oksygen vil etterforskerne undersøke risikoen for reinnleggelse for de som er utskrevet, og gjenta analysen kun for de som ikke senere blir reinnlagt.

Kvalifikasjonskriterier

Inklusjonskriterier • Alle pasienter innlagt i Nottingham University Hospitals Trust enten mistenkt for å ha Covid-19-infeksjon eller som til slutt bekrefter diagnosen og som er over 18 år

Eksklusjonskriterier

• under 18 år.