Możliwych do uniknięcia ponownych przyjęć dla pacjentów hospitalizowanych z pozaszpitalnym zapaleniem płuc (R3P)

I. Cele

Celem tego badania jest opracowanie administracyjnego modelu przewidywania ryzyka opartego na danych w celu identyfikacji potencjalnie możliwych do uniknięcia 30-dniowych ponownych przyjęć pacjentów hospitalizowanych z powodu pozaszpitalnego zapalenia płuc (CAP). Nacisk kładziony jest na potencjalnie możliwe do uniknięcia readmisje, ponieważ nie na wszystkie readmisje szpitalne mogą mieć wpływ interwencje mające na celu ich zmniejszenie.

Szczegółowe cele tego projektu to:

1. w celu oceny dokładności kodów diagnostycznych PZP w Międzynarodowej Klasyfikacji Chorób, dziesiąta rewizja (ICD-10), przy użyciu ustrukturyzowanego retrospektywnego przeglądu wykresów jako metody referencyjnej.
2. oszacowanie odsetka ponownych hospitalizacji z jakiejkolwiek przyczyny w tym samym szpitalu w ciągu 30 dni i roku od wypisu dla pacjentów hospitalizowanych z powodu PZP.
3. oszacować odsetek pacjentów z PZP, którzy umierają w ciągu 30 dni i roku od wypisu bez ponownej hospitalizacji.
4. oszacowanie odsetka nieplanowanych ponownych przyjęć pacjentów hospitalizowanych z powodu PZP za pomocą ustrukturyzowanego retrospektywnego przeglądu wykresów.
5. opisanie związanych z zapaleniem płuc i niezwiązanych z nim przyczyn ponownej hospitalizacji pacjentów hospitalizowanych z powodu PZP za pomocą ustrukturyzowanego retrospektywnego przeglądu wykresów.
6. ilościowe określenie prawdopodobieństwa uniknięcia nieplanowanej readmisji przy użyciu analizy klas ukrytych opartej na niezależnych klasyfikacjach dokonanych przez czterech recenzentów.
7. zbadanie rozkładu potencjalnie możliwej do uniknięcia ponownej hospitalizacji oraz czasu od wypisu ze szpitala indeksowego.
8. w celu zidentyfikowania cech pochodzących z danych dotyczących wniosków administracyjnych, które są niezależnie powiązane z potencjalnie możliwą do uniknięcia readmisją.
9. wyprowadzić i wewnętrznie zweryfikować model przewidywania ryzyka oparty na danych roszczeń administracyjnych w celu zidentyfikowania potencjalnie możliwej do uniknięcia 30-dniowej ponownej hospitalizacji pacjentów hospitalizowanych z powodu PZP.
10. zidentyfikować cechy wyodrębnione z dokumentacji medycznej, które są niezależnie związane z potencjalnie możliwą do uniknięcia readmisją.
11. opracować i wewnętrznie zweryfikować model przewidywania ryzyka oparty na danych z dokumentacji medycznej w celu zidentyfikowania możliwej do uniknięcia 30-dniowej ponownej hospitalizacji pacjentów hospitalizowanych z powodu PZP.
12. porównanie ogólnej dokładności, dyskryminacji i kalibracji modelu prognozowania ryzyka opartego na danych roszczeń administracyjnych i opartego na danych dokumentacji medycznej w celu zidentyfikowania potencjalnie możliwej do uniknięcia 30-dniowej ponownej hospitalizacji pacjentów hospitalizowanych z powodu CAP.
13. zewnętrzna weryfikacja opublikowanych modeli przewidywania ryzyka dla możliwej do uniknięcia 30-dniowej readmisji.

II. Projekt badania

R3P to retrospektywne obserwacyjne badanie kohortowe kolejnych dorosłych pacjentów wypisywanych z dwóch szpitali z kodem rozpoznania PZP. Źródła danych obejmują rutynowo gromadzone dane dotyczące wypisów ze szpitala i retrospektywne przeglądy wykresów.

III. Uczestniczące ośrodki badawcze i otoczenie

Badanie zostanie przeprowadzone w szpitalu uniwersyteckim i szpitalu ogólnym w Alpach Północnych we Francji. Szpital uniwersytecki Grenoble, dysponujący 1362 łóżkami doraźnej opieki, obsługuje głównie miejską populację liczącą 675 000 mieszkańców i zgłosił 135 999 pobytów w 2014 roku. Szpital ogólny w Annecy ma pojemność 896 łóżek doraźnych i zgłosił 70 651 pobytów w 2014 r.

IV. Zbieranie danych

Dwóch asystentów badań klinicznych przeprowadzi ustrukturyzowany retrospektywny przegląd wykresów przy użyciu skomputeryzowanego narzędzia do gromadzenia danych. Następujące zmienne będą rejestrowane dla hospitalizacji indeksowych:

• identyfikatory pacjentów i pobytu w szpitalu;
• wyjściowa charakterystyka pacjenta, w tym dane demograficzne, choroby współistniejące, klasa ryzyka wskaźnika nasilenia zapalenia płuc (PSI), badanie fizykalne i wyniki badań laboratoryjnych przy przyjęciu, wyniki badania rentgenowskiego lub tomografii komputerowej w ciągu 48 godzin od przyjęcia, wstępne badania mikrobiologiczne;
• szpitalna antybiotykoterapia i związane z nią leczenie;
• indeksowy przebieg hospitalizacji (przyjęcie na OIOM, powikłania związane z zapaleniem płuc i inne);
• badanie fizykalne i wyniki badań laboratoryjnych przy wypisie;
• plan wypisu i leczenie;

Następujące zmienne zostaną zarejestrowane dla pierwszej readmisji w ciągu jednego roku od wypisu:

• identyfikatory pacjentów i pobytu w szpitalu;
• badanie fizykalne i wyniki badań laboratoryjnych podczas ponownego przyjęcia, wyniki prześwietlenia rentgenowskiego lub tomografii komputerowej w ciągu 48 godzin od ponownego przyjęcia;
• przyjęcie na OIOM;
• powikłania związane i niezwiązane z zapaleniem płuc;
• pierwotne i wtórne przyczyny readmisji.

W ramach francuskiego systemu płatności prospektywnych opartych na grupie opartej na diagnozie (DRG), skomputeryzowane dane wypisu ze szpitala obejmują identyfikatory pacjentów i pobytu w szpitalu, daty przyjęcia i wypisu, wiek, płeć, długość pobytu, miejsce wypisu, podstawowe i dodatkowe ICD- 10 kodów diagnozy wypisu (do 99) zarówno dla indeksu hospitalizacji, jak i readmisji. Kodowanie ICD-10 jest zgodne z krajowymi wytycznymi i jest wykonywane przez przeszkolonych techników lub lekarzy, w zależności od szpitala. Koderzy zwykle wyodrębniają diagnozy z notatek lekarskich, chociaż notatki dotyczące przyjęcia, notatki z codziennych postępów, raporty z konsultacji, obrazowanie diagnostyczne i leczenie są rutynowo rejestrowane w karcie medycznej. Dane dotyczące wypisów są poddawane zewnętrznym audytom poprzez reabstrahowanie losowej próby pobytów w szpitalu każdego roku.

V. Zarządzanie danymi

Aby zapewnić optymalną jakość, wszystkie dane zebrane retrospektywnie w ramach przeglądu wykresów zostaną wprowadzone elektronicznie przez asystentów ds. badań klinicznych przy użyciu osobistego kodu identyfikacyjnego i chronionego hasłem internetowego systemu gromadzenia danych. Asystenci badań klinicznych przejdą formalne szkolenie w zakresie metod abstrakcji i rejestrowania danych. Zostanie rozesłana instrukcja obsługi zawierająca definicje i akceptowalne źródła danych dla wszystkich zmiennych. Wiarygodność abstrakcji danych zostanie oceniona poprzez losowe wybranie przypadków do niezależnego zebrania przez praktykującego lekarza.

VI. Analiza statystyczna

1. Przegląd

   Zbiory danych administracyjnych wypisów ze szpitala zostaną połączone z przypadkami abstraktów dokumentacji medycznej przy użyciu identyfikatorów pacjentów i pobytów w szpitalu. Jeśli pacjent zostanie przyjęty więcej niż raz w okresie badania, tylko pierwsza hospitalizacja zostanie uwzględniona jako przyjęcie indeksowe.

2. Dokładność kodów diagnozy wypisu ICD-10 dla CAP

   Dokładność kodów diagnozy wypisu ICD-10 zostanie oceniona za pomocą trzech metod referencyjnych:

   1. Dokumentacja medyczna i/lub wypis z wypisu z diagnozy PZP.
   2. Zapis w dokumentacji medycznej ≥ 1 objawu ze strony układu oddechowego (kaszel, odkrztuszanie plwociny, duszność, przyspieszony oddech lub ból opłucnowy) i ≥ 1 objaw osłuchiwania (rzężenia lub trzeszczenia) oraz ≥ 1 objaw zakażenia (temperatura > 38°C, dreszcze lub liczba białych krwinek >10 000/µl lub <4000/µl) oraz nowy naciek w badaniu radiologicznym klatki piersiowej lub tomografii komputerowej wykonanej w ciągu 48 godzin od przyjęcia.
   3. Złożenie #a i/lub #b

   Pozytywne oszacowania punktów wartości predykcyjnej wraz z 95% przedziałami ufności (CI) zostaną zgłoszone oddzielnie dla trzech metod referencyjnych.

3. Ustalenie przyczyn readmisji

   Czterech lekarzy, którzy są członkami panelu oceny klinicznej, niezależnie przejrzy dokumentację medyczną zarówno pod kątem hospitalizacji indeksowej, jak i readmisji. Członkami panelu są interniści ogólni, specjaliści chorób zakaźnych lub układu oddechowego z doświadczeniem klinicznym w leczeniu chorych na PZP. Zgodnie z Jasti i in. (CID 2008;46:550-6), każdy lekarz recenzent użyje predefiniowanych kryteriów, aby sklasyfikować przyczynę ponownej hospitalizacji jako:

   1. związane z zapaleniem płuc pogorszenie oznak lub objawów;
   2. nowy lub pogarszający się współistniejący stan(y) niezależny od zapalenia płuc;
   3. dowolna kombinacja przyczyn związanych z zapaleniem płuc i chorobami współistniejącymi.

   Recenzenci niezależnie określą główny powód readmisji, korzystając z wzajemnie wykluczających się kategorii opublikowanych przez Halfon i in. (J Clin Epidemiol 2002;55:573-87).

   Zgodność między oceniającymi co do powodu ponownej hospitalizacji zostanie określona ilościowo za pomocą Kappa Cohena.

4. Identyfikacja potencjalnie możliwych do uniknięcia readmisji

   Zgodnie z van Walravenem i in. (CMAJ 2011;183:e1067-72), czterech recenzentów lekarzy użyje 6-punktowej skali porządkowej, aby ocenić, czy ponowna hospitalizacja jest zdarzeniem niepożądanym i czy można było uniknąć zdarzenia niepożądanego. Ponowne przyjęcie z oceną powyżej trzech w obu domenach zostanie sklasyfikowane przez tego recenzenta jako potencjalnie możliwe do uniknięcia. Prawdopodobieństwo, że można uniknąć readmisji, zostanie określone ilościowo za pomocą analizy klas ukrytych w oparciu o niezależną klasyfikację dokonaną przez czterech recenzentów.

5. Opracowanie modelu przewidywania ryzyka na podstawie danych z dokumentacji medycznej

   Wyprowadzimy wielowymiarowy model regresji logistycznej do ilościowego określenia prawdopodobieństwa, że ​​można uniknąć 30-dniowej readmisji. Próbka rozwojowa będzie obejmowała 30-dniowe ponowne przyjęcie ze wszystkich przyczyn dla dorosłych pacjentów hospitalizowanych z powodu PZP. Wynikiem zainteresowania jest potencjalnie możliwa do uniknięcia readmisja w ciągu 30 dni od wypisu. Wykorzystamy dane z abstrakcji dokumentacji medycznej zarówno w przypadku hospitalizacji indeksowej, jak i readmisji. Kandydaci na predyktorów zostaną zidentyfikowani poprzez połączenie wyników systematycznego przeglądu literatury z opiniami ekspertów terenowych.

6. Opracowanie modelu predykcji ryzyka w oparciu o dane dotyczące roszczeń administracyjnych

   W oddzielnej analizie wyprowadzimy wielowymiarowy model regresji logistycznej do ilościowego określenia prawdopodobieństwa, że ​​można uniknąć 30-dniowej readmisji. Próbka rozwojowa będzie obejmowała 30-dniowe ponowne przyjęcie ze wszystkich przyczyn dla dorosłych pacjentów hospitalizowanych z powodu PZP. Wynikiem zainteresowania jest potencjalnie możliwa do uniknięcia readmisja w ciągu 30 dni od wypisu. Wykorzystamy tylko dane administracyjne, a model będzie oparty na kombinacjach kodów diagnostycznych między wskaźnikiem hospitalizacji a readmisją. Kandydaci na predyktorów zostaną zidentyfikowani na podstawie przeglądu opublikowanych modeli w połączeniu z opiniami ekspertów terenowych.

7. Wewnętrzna walidacja modeli przewidywania ryzyka

Wykorzystamy ładowanie wstępne do ilościowego określenia optymizmu w widocznej wydajności klinicznych modeli predykcyjnych. Dyskryminacja zostanie określona ilościowo za pomocą statystyki zgodności (c). Kalibracja zostanie zbadana graficznie i formalnie oceniona za pomocą testu nachylenia kalibracji.

VII. Szkody i bezpieczeństwo

W tym retrospektywnym badaniu obserwacyjnym ciężkie zdarzenia niepożądane zostaną zebrane za pomocą ustrukturyzowanego przeglądu wykresów, w tym śmiertelności wewnątrzszpitalnej, powikłań związanych z CAP lub leczeniem CAP, nowych lub pogarszających się chorób współistniejących, przyjęcia na OIOM i śmiertelności pozaszpitalnej.

VIII. Audyt

Monitorowanie procesów badawczych i dokumentów będzie prowadzone przez personel wyznaczony przez Direction de la Recherche Clinique et de l'Innovation (DRCI) szpitala uniwersyteckiego w Grenoble.