O desempenho preditivo da escala de coma de Glasgow em relação ao tempo

Fundo

O trauma é uma preocupação crítica de saúde pública global e o número de mortes como resultado do trauma continua a aumentar globalmente. Em 2016, mais de 4,6 milhões de mortes foram resultado de trauma, tornando-se a 8ª principal causa de morte. No estudo Global Burden and Disease (GBD), as lesões traumáticas representam quase um décimo de todas as mortes, mais do que malária, tuberculose, HIV/AIDS e condições maternas combinadas.

TCE é definido como lesão cerebral causada por trauma, sendo o trauma definido como dano infligido ao corpo como resultado direto ou indireto de uma força externa, com ou sem interrupção da continuidade estrutural. O traumatismo cranioencefálico (TCE) é uma das principais causas de morbidade e mortalidade em todo o mundo. É o maior contribuinte para mortes por trauma no mundo, tendo uma taxa de mortalidade três vezes maior do que o trauma sem TCE acompanhado. Estima-se que o TCE afete mais de 10 milhões de pessoas anualmente.

Para orientar os médicos no diagnóstico e nos regimes de ressuscitação, os modelos prognósticos que preveem a gravidade e o resultado do TCE são de grande importância. A Escala de Coma de Glasgow (GCS) é um dos modelos prognósticos mais amplamente utilizados. É uma escala neurológica desenvolvida para avaliar a resposta a estímulos em pacientes com lesões craniocerebrais por meio de três parâmetros; abertura ocular, resposta verbal e resposta motora. Tem sido usado para avaliar o nível de consciência na prática clínica e na pesquisa de neurotrauma. A pontuação da GCS, a soma dos três parâmetros usados ​​na GCS, é usada para avaliar a gravidade, variando de leve, moderada a grave.

Vários estudos pesquisaram o valor prognóstico da GCS e o valor prognóstico dos componentes individuais da GCS, mas pouco se sabe sobre como a relação de tempo entre a lesão e a primeira GCS afeta o valor preditivo da GCS. Estudos demonstraram que a GCS medida na admissão ao atendimento de trauma é mais preditiva do que a GCS medida no local do trauma, e que a mediana da GCS na admissão é maior do que a mediana da GCS no local do trauma, mas se e como o tempo afeta os escores da GCS não foi estudado .

Mirar

O objetivo deste estudo é avaliar como o tempo de medição GCS afeta seu valor preditivo após traumatismo cranioencefálico (TCE) em pacientes adultos. O primeiro objetivo é avaliar se o desempenho preditivo da GCS melhora se ajustado para o tempo desde a lesão até o momento em que foi registrado. O segundo objetivo é avaliar se o desempenho preditivo da GCS varia dependendo de quando foi registrado.

Design de estudo

Esta é uma análise retrospectiva do estudo de coorte Towards Improved Trauma Care Outcomes in India (TITCO).

Contexto

A coorte TITCO não identificada será usada. Esta coorte inclui 16.000 pacientes matriculados entre julho de 2013 e dezembro de 2015 de quatro hospitais universitários na Índia. Os oficiais do projeto, com mestrado em ciências da saúde, coletaram dados prospectivamente na admissão em cada local por observação direta da sala de emergência e preenchimento de um formulário padronizado. Os oficiais do projeto trabalharam em turnos rotativos de oito horas (manhã, tarde, noite). Os dados também foram recuperados retrospectivamente dos prontuários dos pacientes admitidos fora dos turnos observados.

Fonte e método de seleção de participantes

O oficial de projeto de um local incluiu pacientes de hospitais participantes, seja por observação prospectiva ou por recuperação retrospectiva de dados de prontuários de pacientes.

Variáveis ​​explicativas As duas variáveis ​​explicativas de interesse serão a ECGl e o tempo entre a lesão e o registro da ECGl em horas, doravante referido como tempo para a ECGl. O GCS foi extraído dos registros dos pacientes, assim como a data e hora do primeiro registro do GCS. Se a data e a hora da primeira gravação do GCS estiverem ausentes, a hora de chegada ao centro participante será usada. A data e a hora da lesão foram extraídas dos prontuários dos pacientes ou relatadas diretamente pelos participantes. Os dados e a hora do primeiro registro da GCS ou da chegada ao centro participante foram extraídos dos prontuários dos pacientes.

Covariáveis ​​As variáveis ​​idade, sexo, mecanismo da lesão, se o paciente foi transferido de outra unidade de saúde e gravidade da lesão anatômica quantificada pelo escore de gravidade da lesão (ISS) serão relatadas para caracterizar a amostra do estudo. Idade, sexo, mecanismo de lesão e status de transferência foram extraídos dos prontuários dos pacientes ou relatados pelos participantes. O ISS foi calculado por um único codificador credenciado com base nas descrições dos textos das lesões.

Viés

Para contabilizar erros humanos no registro da GCS, os observadores coletores de dados da Aal eram titulares de mestrado em ciências da saúde e foram continuamente treinados e supervisionados durante todo o período de coleta de dados.

Variáveis ​​quantitativas

O GCS será tratado tanto como um termo linear quanto como uma variável ordinal com 12 níveis. Os níveis não testáveis ​​dos componentes verbais e oculares serão tratados como 1. O tempo entre a lesão e o GCS registrado será tratado como uma variável contínua e uma variável categórica. Quando tratado como tempo contínuo entre a lesão e o GCS, será permitido ter uma associação não linear com a mortalidade, modelando-a usando splines cúbicos restritos com três nós colocados em percentis igualmente espaçados. Quando tratado como categórico será dividido em blocos de duas horas.

Métodos estatísticos

Todas as análises serão conduzidas na linguagem estatística e no ambiente de programação R. A amostra será primeiro dividida temporariamente em amostras de treinamento e validação, conforme descrito na seção de tamanho do estudo abaixo. Cada amostra será então caracterizada usando medianas e intervalos interquartis (IQR) para apresentar variáveis ​​quantitativas e contagens e porcentagens para apresentar variáveis ​​qualitativas.

Na amostra de treinamento, quatro modelos de predição simples serão ajustados usando regressão logística com mortalidade como resultado. O primeiro modelo incluirá apenas GCS como um termo linear, o segundo GCS como um termo linear e tempo para GCS modelado usando splines cúbicos restritos, o terceiro apenas GCS como uma variável ordinal e o quarto modelo GCS como uma variável ordinal e tempo para GCS modelado usando splines cúbicos restritos. Para evitar o overfitting, um fator de encolhimento será estimado usando um procedimento de bootstrap que será então aplicado aos coeficientes do modelo.

Os quatro modelos serão então aplicados na amostra de validação e seu desempenho preditivo estimado e comparado. O desempenho preditivo de cada modelo será avaliado usando a área sob a curva de características operacionais do receptor (AUROCC), valores preditivos positivos e negativos. Diferenças no desempenho preditivo entre modelos e intervalos de confiança de 95% associados serão estimados usando bootstrap.

Cada uma das amostras de treinamento e validação será então dividida em subamostras com base no tempo para GCS, de modo que a primeira subamostra inclua pacientes com tempo para GCS < 2 horas e a segunda subamostra inclua pacientes com tempo para GCS entre duas e quatro horas e assim em blocos de duas horas. Em cada uma das subamostras de treinamento será ajustado um modelo logístico simples incluindo GCS como um termo linear como única variável independente. O coeficiente de GCS em cada modelo será reduzido.

O modelo desenvolvido na primeira subamostra de treinamento será então aplicado na primeira subamostra de validação e assim sucessivamente. O desempenho do modelo em cada subamostra de validação será avaliado usando AUROCC e erro quadrático médio. A tendência nessas medidas nas subamostras de validação será então quantificada usando um modelo linear generalizado simples com dados de medida de desempenho como variável de resultado e uma transformação não linear do número de índice de bloco usando splines cúbicos restritos com três nós como a única variável independente.

Estratégia para lidar com dados perdidos

Se o tamanho de amostra necessário for alcançado e apenas pacientes com dados completos sobre o resultado, variável explicativa e covariáveis ​​forem incluídos, uma análise de caso completa será realizada. Caso contrário, os dados ausentes serão tratados com imputação múltipla usando equações encadeadas. O número de conjuntos de dados imputados será igual à porcentagem de observações incompletas. A análise será realizada separadamente em cada conjunto de dados imputados e os principais resultados apresentados como medianas com IQR entre imputações. Para intervalos de confiança, os valores mais extremos dos limites superior e inferior agrupados serão relatados.

tamanho do estudo

A análise mais intensiva de dados provavelmente será o ajuste do modelo com GCS como uma variável ordinal e tempo para GCS como splines cúbicos restritos e, portanto, o tamanho do estudo é estimado para acomodar esta análise. Os estudos de simulação indicam que os modelos de regressão logística precisam de pelo menos dez eventos, ou observações com o resultado, por parâmetro incluído para gerar estimativas de coeficiente confiáveis. A modelagem do GCS como uma variável ordinal envolverá estimar coeficientes para onze parâmetros e incluir o tempo para o GCS adicionar dois parâmetros adicionais. O número total de parâmetros é então 13, indicando a necessidade de pelo menos 130 eventos. Assumindo uma prevalência de resultado de 20% com base em pesquisas anteriores, a amostra de treinamento precisa incluir pelo menos 650 observações. Se esse número for menor que a metade da amostra completa, as amostras de treinamento e validação serão geradas dividindo a amostra completa em duas partes de tamanho igual. Se a amostra completa incluir menos de 1300 observações, as primeiras 650 observações serão incluídas na amostra de treinamento e as observações restantes serão incluídas na amostra de validação. Independentemente disso, as amostras serão criadas de forma que a contribuição relativa de cada centro seja aproximadamente a mesma em ambas as amostras.