Resultados após AVC perioperatório após cirurgia cardíaca

HISTÓRICO O AVC perioperatório é uma complicação devastadora da cirurgia cardíaca, atualmente pouco caracterizada. O AVC perioperatório é um evento cerebrovascular que ocorre após cirurgia cardíaca, e afeta entre 1-5% dos pacientes. A literatura atual identificou que os pacientes que sofrem um AVC após a cirurgia têm uma maior taxa de mortalidade, tempo de internação e alta para uma instituição, mas, dada a raridade dessa complicação, menos se sabe sobre quais fatores predizem esses resultados entre aqueles que sofrem um AVC perioperatório.

OBJETIVOS

1. Derive e valide externamente modelos de previsão de risco para mortalidade (resultado primário), alta adversa e tempo de internação após AVC perioperatório.
2. Descrever tendências temporais na mortalidade após AVC perioperatório entre 2005 e 2020.

MÉTODOS Este estudo é uma análise retrospectiva do banco de dados do American College of Surgeons National Surgical Quality Improvement Program entre 2004 e 2020. A coorte do estudo será extraída do banco de dados do NSQIP e incluirá todos os pacientes que sofreram um AVC dentro de 30 dias após a cirurgia e que foram submetidos a um procedimento cirúrgico cardíaco.

POPULAÇÃO DO ESTUDO Serão incluídos pacientes submetidos a qualquer procedimento cirúrgico cardíaco e que sofreram AVC perioperatório no banco de dados do NSQIP entre 2005 e 2020.

RESULTADOS O desfecho primário é a mortalidade em 30 dias; os desfechos secundários são tempo de internação e alta adversa (instalação fora do domicílio ou morte).

Variáveis ​​preditoras candidatas: O resultado após AVC perioperatório está potencialmente relacionado a fatores do paciente, cirúrgicos e anestésicos, bem como às características do AVC. As variáveis ​​preditoras candidatas incluirão características do paciente (idade, sexo, comorbidades), características cirúrgicas (complexidade, tipo, estado de emergência, cirurgia aórtica), complicações pós-operatórias (parada cardíaca, isquemia miocárdica, transfusão) e características do AVC (gravidade determinada pela traqueostomia associada ou craniectomia), tempo relativo à operação, readmissão por AVC vs AVC em paciente internado). Variáveis ​​contínuas serão consideradas para transformação usando polinômios fracionários para permitir uma associação não linear contínua.

ANÁLISE Serão criados modelos multivariáveis ​​para prever mortalidade em 30 dias (desfecho primário), alta adversa e tempo de internação. Para evitar o ajuste excessivo, adotaremos uma estratégia de redução de dados e excluiremos variáveis ​​com mais de 10% de dados ausentes ou menos de 20 observações, onde > 1%, mas <10% de dados ausentes, consideraremos imputação múltipla ou média.

Variáveis ​​preditoras pré-especificadas serão usadas para construir um modelo de regressão logística usando uma análise de componentes principais. Examinaremos a priori as seguintes interações: idade*gênero, complexidade cirúrgica (tempo de operação)*idade. Dados os potenciais mecanismos diferenciais de AVC perioperatório precoce (<48h) e tardio (>48h e <30 dias), incluiremos os dias desde a cirurgia até o evento como uma variável contínua e categórica.

A discriminação do modelo será avaliada usando a área sob a curva característica de operação do receptor (c-estatística). A calibração do modelo será avaliada com um gráfico suavizado de loess de riscos observados versus riscos previstos no espectro de risco. Uma análise semelhante será usada para criar um modelo de previsão de tempo de permanência. Como a morte é um resultado competitivo para a disposição da alta, a alta adversa será modelada como um resultado ordinal (alta domiciliar, fora de casa ou morte). Após a derivação, 5.000 amostras bootstrap serão usadas para validação interna.

Tendências temporais na mortalidade serão analisadas primeiro usando um modelo de regressão de mínimos quadrados ordinário não ajustado exploratório com taxa de mortalidade anual após AVC perioperatório como variável dependente e ano como preditor para estimar a mudança anual na taxa de mortalidade ao longo do tempo. Um modelo de regressão linear multivariável será especificado, ajustando para preditores importantes.