Wspomaganie oddychania i śmiertelność z powodu COVID-19

metody statystyczne

Dane ciągłe są prezentowane jako średnia i odchylenie standardowe (SD), jeśli mają rozkład normalny oceniony za pomocą histogramów i wykresów Q-Q; w przeciwnym razie jako mediana i rozstęp międzykwartylowy (IQR). Dane kategoryczne prezentowane są w postaci liczbowej i procentowej. Brakujące dane nie będą imputowane. Pacjenci z określonej analizy zostali wykluczeni, jeśli brakuje danych dla powiązanej zmiennej.

Pierwszym celem jest zbadanie względnej skuteczności różnych NIV, w tym kaniuli nosowej o wysokim przepływie (HFNC), dwupoziomowego dodatniego ciśnienia w drogach oddechowych (BiPAP) i ciągłego dodatniego ciśnienia w drogach oddechowych (CPAP). Pacjenci zostaną podzieleni na trzy grupy w zależności od typu NIV, jaki otrzymali po raz pierwszy. Pacjenci, którzy otrzymali inwazyjną wentylację mechaniczną (IMV) przed NIV, zostaną wykluczeni. Pacjenci, którzy otrzymali dwa lub trzy różne rodzaje NIV, również zostaną wykluczeni z tej analizy. Kwalifikują się pacjenci, którzy otrzymali IMV po zastosowaniu NIV.

Drugim celem jest zbadanie wpływu IMV na śmiertelność poprzez porównanie z pacjentami, którzy otrzymywali wyłącznie NIV. Zbadana zostanie również rola wentylacji chroniącej płuca u pacjentów, którzy otrzymali IMV. Zostaną zbadane cechy ustawień respiratora, które są związane z poprawą wyniku.

Głównym wynikiem jest śmiertelność wewnątrzszpitalna, a pacjenci będą obserwowani aż do wypisu ze szpitala. Pacjentów uważa się za żywych, jeśli zostali wypisani żywcem ze szpitala lub są nadal hospitalizowani w momencie zamknięcia pobierania danych. W przypadku pierwszego celu przeanalizowana zostanie również szybkość eskalacji wspomagania oddychania od NIV do IMV (jako drugorzędna miara wyniku w tej analizie).

Pacjenci zostaną zrównoważeni za pomocą dopasowania oceny skłonności. Model oceny skłonności będzie obejmował cechy demograficzne, choroby współistniejące, fazę pandemii, ciężkość ostrej choroby (24 godziny przed ukierunkowanym wspomaganiem oddychania), wyniki badań laboratoryjnych (24 godziny przed ukierunkowanym wspomaganiem oddychania) oraz parametry życiowe (24 godziny przed docelowym wspomaganiem oddychania). wspomaganie oddychania). Równowaga między dobranymi parami zostanie oceniona przy użyciu wystandaryzowanej 10% różnicy i obliczona przy użyciu metody opisanej przez Yanga i Daltona. Do analizy dopasowanych par zostanie wykorzystany warstwowy model proporcjonalnego hazardu Coxa. Dodatkowo przeżycie zostanie oszacowane za pomocą estymatora Kaplana-Meiera iloczynu granicznego, a statystyka log-rank zostanie wykorzystana do porównania krzywych przeżycia.

Zapasowy plan analizy statystycznej jest następujący. Przeprowadzone zostaną jednowymiarowe modele proporcjonalnego hazardu Coxa w celu wykrycia potencjalnych czynników związanych z niższą śmiertelnością. Przeprowadzony zostanie wielowymiarowy model proporcjonalnego hazardu Coxa w celu oszacowania niezależnych związków między wspomaganiem oddychania a śmiertelnością. Czynniki zakłócające uwzględnione w analizie wielu zmiennych to: 1) znane czynniki ryzyka zgonu (wiek, płeć i nadciśnienie); 2) nasilenie ostrej choroby na 24 godziny przed ukierunkowanym wspomaganiem oddychania (ocena Sequential Organ Failure Assessment i ocena Glasgow Coma Scale); 3) poszczególne fazy pierwszego roku pandemii, w tym faza pierwsza (od 1 lutego 2020 r. do 31 maja 2020 r.), faza druga (od 1 czerwca 2020 r. do 31 sierpnia 2020 r.), faza trzecia (od 1 września 2020 r.) , 2020 r. do 30 listopada 2020 r.) oraz czwartej fazy (od 1 grudnia 2020 r. do ostatniej daty pobrania danych); 4) dane demograficzne i choroby współistniejące z wartością P < 0,25 w analizie jednoczynnikowej; oraz 5) wyniki badań laboratoryjnych i parametry życiowe 24 godziny przed docelowym wspomaganiem oddychania, które mają wartość P < 0,25 w analizie jednoczynnikowej. Wszystkie terapie uważane za część zarządzania COVID-19 zostaną uwzględnione w analizie wielu zmiennych w celu kontroli zakłócającej. Aby uniknąć współliniowości, tylko jedna zmienna zostanie uwzględniona, jeśli dwie zmienne mają bezwzględny współczynnik korelacji rang Pearsona lub Spearmana większy niż 0,5. Zmienne, w których brakuje więcej niż 10% danych, również zostaną wykluczone. Wielokrotne testy zostaną poprawione przy użyciu metody Bonferroniego, aby zmniejszyć prawdopodobieństwo popełnienia błędu typu I na dwustronnym poziomie alfa 0,05, biorąc pod uwagę hipotezy dotyczące wszystkich wspomagania/leczenia oddechowego związanego z COVID-19 jako rodziny. Związek między narażeniem a śmiertelnością zostanie oszacowany przy użyciu współczynników ryzyka (HR) i podany z 95% przedziałami ufności (CI). Aby uwzględnić grupowanie w szpitalach, zostaną użyte solidne estymatory kanapkowe do obliczenia błędów standardowych dla HR. Założenie proporcjonalnego hazardu zostanie ocenione przy użyciu reszt Schoenfelda.

W dwustronnym teście hipotezy poziom istotności dla każdej ogólnej hipotezy wynosi 0,05. Wszystkie analizy będą wykonywane w oprogramowaniu R (wersja 3.5.3, R Foundation dla obliczeń statystycznych).