Bukspyttkjertelkirurgi - Optimal Caseload-terskler og prediktiv nøyaktighet (PaSuT)

Hovedforskningsspørsmål:

• Kan det identifiseres spesifikke intervensjonsaksnummer som egner seg som terskelverdier for årlige minimumsvolumer og er assosiert med betydelig lav sykehusdødelighet?
• Nesten alle tidligere studier på effekttallseffekter har kun vist en beskrivende sammenheng mellom antall tilfeller i et gitt år og kvaliteten på utfall samme år. Målet med denne studien er å undersøke om de beskrevne korrelasjonene kan påvises ved bruk av forrige års prosedyrevolum som prediktor. Studien søker å svare på om saksmengden i prosedyren har prediktiv verdi, nærmere bestemt antall tilfeller i ett år og sykehusdødelighet det påfølgende året.

Bakgrunn:

Tallrike studier har vist en sammenheng mellom antall tilfeller og kvaliteten på utfallene for ulike kirurgiske prosedyrer. For eksempel hadde pasienter som ble operert i høyvolumssykehus (HVH) lavere dødelighet, lengre overlevelsesrate, lavere komplikasjonsfrekvens og lavere reoperasjonsfrekvens enn pasienter som ble operert i lavvolumssykehus (LVH). For å dele inn i HVH-er og LVH-er ble enten konkrete saksnummer eller kvartil- eller kvintilgrenser med like mange operasjoner eller klinikker per gruppe brukt. Målet med studien er å objektivt bestemme disse grensene ved å bruke en spline-modellert caseload-term, og unngå vilkårlige avgjørelser.

En begrensning ved de tidligere funnene er at de kanskje ikke er generaliserbare på grunn av bruk av et begrenset antall saker og utfallskvalitet fra samme år. Det er imidlertid viktig å merke seg at volumet fra året før er avgjørende for å bestemme den prediktive betydningen av saksmengde for fremtidig resultatkvalitet. En fersk studie (i press) rapporterte at det er betydelige svingninger i kvaliteten på resultatene blant HVH-er, selv mellom ulike år. Derfor ble det antatt at bruk av antall tilfeller som en prediktor for utfall av høy kvalitet kan føre til overestimering.

Metoder:

De landsdekkende sykehusfaktureringsdataene for Tyskland (DRG-statistikk) for perioden 2010 til 2019 vil bli analysert. De risikojusterte dødelighetsratene fastsettes. Til dette formål beregnes logistiske regresjonsmodeller som justerer dødelighetsrisikoen for følgende variabler Kjønn, alder, akuttinnleggelse, reseksjonsår, diagnose (malign neoplasma vs. benign neoplasma vs. neoplasma med uklar verdighet vs. akutt pankreatitt vs. kronisk pankreatitt vs. andre pankreassykdommer), tilleggsprosedyrer (venøse reseksjoner/ multiviscerale reseksjoner/ arterielle reseksjoner/ splenektomi/ kolecystektomi/ galledrenasje/ dialyseprosedyrer) og utvalgte komorbiditeter. For å klassifisere ytterligere prosedyrer for å reflektere omfanget av kirurgi og tekniske vanskeligheter, vil en liten modifikasjon av klassifiseringssystemet som beskrevet i Mihaljevic et al, 2021 bli brukt (PMID: 33386130). Elixhauser-definisjonene brukes for komorbiditetene som beskrevet i Quan et al, 2005 (PMID: 16224307). Utvalget av komorbiditeter som skal vurderes er basert på publikasjonen av Hunger et al, 2022 (PMID: 35525416).

Saksnummereffekten er modellert ved bruk av naturlige kubiske splines. De 10., 20., 40., 60., 80. og 90. tilfelletallspersentilene brukes som nodepunkter. Den justerte sykehusdødeligheten som funksjon av antall tilfeller bestemmes ved bruk av Estimated Marginal Means. Lokale ekstremer (maksima og minima) i splines bestemmes ved bruk av 1. og 2. grafderiverte.

Ulike regresjonsmodeller beregnes ved å bruke enten antall tilfeller fra inneværende driftsår eller foregående år. Den prediktive nøyaktigheten til modellene bestemmes ved hjelp av etablerte mål fra signaldeteksjonsteori (AUC, sensitivitet, spesifisitet, positiv prediktiv verdi, negativ prediktiv verdi). Det vil bli utført undergruppeanalyser for individuelle reseksjonsprosedyrer.