Risiko for reoperasjon etter første MTP leddartrodese

Antall primærkirurgi i den voksne befolkningen (18 år eller eldre) vil bli samlet inn fra pasientinformasjonssystemer ved bruk av NOMESCO prosedyrekode NHG80 uavhengig av diagnose. Disse pasientene vil bli ytterligere screenet for diabetes og leddgiktsykdommer (International Classification of Diseases 10th Revision (ICD-10) diagnostiske koder E10.**-E14.** og M05.**-M14.**). Ettersom reoperasjoner vil bli vurdert kirurgi under NOMESCO prosedyrekodene NH***, QDB***, QDG***, ZZH***. Komorbiditeter ble samlet inn fra tidligere pasientjournaler etter diagnosekoder for diabetes type 1 (E10.**), annen diabetes (E11.**-14.**), seropositiv revmatoid artritt (M05.9), seronegativ revmatoid artritt (M06.0), psoriasis (M07.**), gikt (M10.**), annen leddgikt (M09.**, M11-M14).

Dataene vil deles og analyseres i to separate faser. Først vil vi samle all informasjon som vi pålitelig kan utnytte fra registeret. Dataene vil inkludere primæroperasjonen, alle reoperasjoner, erfaringsnivå til kirurgen, pasientenes alder, kjønn, og om pasienten har blitt diagnostisert med andre komorbiditeter nevnt ovenfor.

I den andre fasen vil vi samle inn matchede pasienter for pasientene som gjennomgikk reoperasjoner ved bruk av propensity score matching med forhold på 1:3 med nærmeste nabo metode. Variablene som brukes for matching vil være alder, kjønn og alle andre komorbiditeter (diabetes type 1, annen diabetes, seropositiv revmatoid artritt, seronegativ revmatoid artritt, psoriasis, gikt, annen leddgikt) Vi vil videre screene journalene til de reopererte pasientene også de samsvarende kontrollene. Fra pre- og postoperative røntgenbilder vil vi bestemme graden av artrose og hallux valgus og intermetatarsale vinkler. Operasjonsrapporter vil bli screenet for kirurgisk teknikk (dvs. metode for fjerning av brusk, fiksering og bruk av beintransport). Disse dataene vil bli brukt til å analysere sammenhengen mellom perioperative faktorer og reoperasjoner. Disse modellene vil ikke inkludere variabler som ble brukt i samsvar.

I begge fasene vil vi bruke logistisk regresjon for å analysere sammenheng mellom antatte risikofaktorer og reoperasjoner ved å bruke data fra registeret (første fase) eller fra pasientenes helsejournal og røntgenbilder (andre fase). Vi vil vurdere årsakssammenheng med rettet asykliske grafer (DAG), og utvikle logistikkmodeller separat for hver av de antatte risikofaktorene. Variablene som brukes i DAG-ene vil bli valgt basert på tidligere kunnskap og hypotese årsakssammenhenger. Resultater fra begge analysene vil tolkes med justerte oddsratioer (OR) med 95 % konfidensintervall (CI). Modelltilpasning vil bli vurdert av McFadden R2 -indeks, multikollinearitet ved å evaluere Variance Inflation Factor (VIF) og heteroskedastisitet ved å inspisere de tilpassede verdiene vs. gjenværende plott. Statistiske analyser vil bli utført med R versjon 4.0.5.