Zależności między leczeniem COVID-19 ARDS, trajektoriami klinicznymi i uwolnieniem od respiratora mechanicznego — analiza zbioru danych NorthCARDS (NorthCARDS)

Badacze wykorzystają do tej analizy zestaw danych NorthCARDS. Ten zbiór danych obejmuje ponad 1500 osób przyjętych do systemu opieki zdrowotnej Northwell, które miały dodatni wynik testu PCR na COVID19 i były wentylowane inwazyjnie mechanicznie z powodu ARDS. Rozwój rejestru rozpoczęto w kwietniu 2020 r. i kontynuuje się prospektywne gromadzenie danych dla wszystkich wentylowanych mechanicznie pacjentów z ARDS z COVID19 w szpitalach Northwell Health. Strukturyzacja i inżynieria danych są oparte na cotygodniowych interdyscyplinarnych przeglądach, w których biorą udział klinicyści pierwszej linii, naukowcy zajmujący się danymi, biostatyści i inżynierowie danych w informatyce medycznej. Losowa selekcja pacjentów do indywidualnego „ręcznego” przeglądu wykresów następuje w celu przyjęcia danych i zapisu.

Dwa wyniki, które mają być modelowane za pomocą analiz regresji wielowymiarowej, będą następujące:

1. Indeks przeżycia szpitalnego i
2. Czas do wyzwolenia z wentylacji mechanicznej.

Uwolnienie od wentylacji mechanicznej będzie definiowane jako niepaliatywna ekstubacja i trwała ekstubacja przez ponad tydzień. Wyniki zostaną uzyskane z kwerend elektronicznej dokumentacji medycznej. Pacjenci, u których badacze nie będą mieli danych dotyczących wyników do 30 listopada 2020 r., zostaną ocenzurowani w analizach, a statystyki opisowe zostaną podsumowane i przedstawione oddzielnie.

Badacze podejdą do tej analizy przy użyciu obu metod opartych na hipotezach, w których znane czynniki ryzyka słabych wyników zostaną uwzględnione w wielowymiarowych modelach regresji (regresja logistyczna dla Modelu 1 i proporcjonalne hazardy Coxa dla Modelu 2); a badacze przeprowadzą również selekcję zmiennych w modelach na podstawie danych. Zdefiniowane a priori czynniki ryzyka, które zostaną uwzględnione w modelach, to: Wiek, Płeć, BMI, stan funkcjonalny na początku badania (dom opieki a przyjęcie pozaszpitalne), Choroby współistniejące (choroba wieńcowa, przewlekła choroba nerek, zaburzenia neurologiczne, POChP, cukrzyca, Aktywny rak, Nadciśnienie); Leczenie szpitalne (dla wartości ciągłych będzie (maks., mediana, trajektoria)), w tym poziomy PEEP, ciśnienie jazdy, FiO2, hipoksemia (Pao2:Fio2), rodzaj respiratora mechanicznego (przenośny lub nie), leki ukierunkowane na COVID (np. azytromycyna) , hydroksychlorochina, kortykosteroidy); oraz uszkodzenia narządów końcowych w szpitalu: dysfunkcja wątroby, dysfunkcja nerek, koagulopatia (wychwytywana za pomocą wyników SOFA), dysfunkcja serca i wstrząs wymagający wazopresora/inotropu. Czas kalendarzowy, typ szpitala (szpital środowiskowy czy trzeciorzędowy) oraz pojemność szpitala (mierzona jako liczba zapełnionych łóżek szpitalnych i czas od zlecenia przyjęcia na ostrym dyżurze do przeniesienia do łóżka szpitalnego) zostaną również uwzględnione w analizach w celu uwzględnienia czasowych i systemowe wpływy wyników.

Ostateczne modele będą zawierać zmienne wybrane w procesie selekcji wstecznej, wraz ze zmiennymi o wysokiej randze za pomocą metod opartych na danych, w tym modelu regresji logistycznej uregulowanej karą Lasso i modelu proporcjonalnych hazardów Coxa uregulowanej karą Lasso. Wydajność modelu zostanie oceniona dla Modelu 1 (przeżycie w szpitalu) przy użyciu statystyki C.

Wydajność modelu dla Modelu 2 (czas do wyzwolenia respiratora mechanicznego) będzie oparta na statystyce C dostosowanej do ocenzurowanych danych.

Zarządzanie brakującymi danymi: W przypadku braku danych wynikowych dla Modelu (1) (przeżycie w szpitalu), jeśli brakuje mniej niż 5% wyników, zostanie zastosowana pełna analiza przypadku; jeśli brakuje więcej niż 5%, zostanie przeprowadzona analiza wrażliwości przy założeniu, że wszystkie brakujące wyniki są albo przedawnione, albo żywe, aby sprawdzić, czy wyniki są podobne do tych uzyskanych przy użyciu pełnej analizy przypadku.

Gdy brakuje danych wynikowych dla Modelu (2) (uwolnienie od wentylacji mechanicznej), brakujący wynik zostanie uznany za ocenzurowany.

Jeśli ogółem < 5% naszej kohorty ma brakujące dane dla jakichkolwiek czynników ryzyka, uwzględnieni zostaną tylko pacjenci z pełnymi wartościami dla wszystkich czynników ryzyka (inni zostaną odrzuceni).

Jeśli dla > 5% kohorty brakuje danych dla jakiegokolwiek czynnika ryzyka, brakujące dane zostaną przypisane przy użyciu imputacji wielokrotnej.

Jeśli czynnik ryzyka nie występuje u > 50% pacjentów, zmienna nie zostanie uwzględniona w analizie.

Inżynieria cech/redukcja danych: Przetestujemy również, czy kombinacje współzmiennych traktowane jako jedna zmienna towarzysząca zwiększają wydajność modelu. Będzie to obejmować wskaźnik zachorowalności na COVID-19 (połączenie markerów hiperzapalnych, wskaźnik PaO2:FiO2 w momencie intubacji, wymagający podania leków wazopresyjnych w czasie intubacji oraz wskaźnik natlenienia) oraz przestrzeganie standardowych protokołów leczenia ARDS (ciśnienie prowadzące, niezależnie od tego, czy otrzymuje się mniej niż 6-8 cm3/kg przewidywanej masy ciała i niezależnie od tego, czy leży na brzuchu, czy nie).