Descargas inteligentes para melhorar os resultados de saúde pós-alta em crianças

PROPÓSITO:

Nosso objetivo é conduzir um estudo de coorte de intervenção para avaliar o impacto da abordagem Smart Discharges para cuidados de alta na mortalidade pós-alta pediátrica.

HIPÓTESE:

Nossa abordagem de descargas inteligentes melhorará a busca pela saúde pós-alta e reduzirá a mortalidade pós-alta.

JUSTIFICAÇÃO:

Com uma melhor compreensão do risco e uma capacidade de determinar o risco à beira do leito, um programa de descarga inteligente garantirá a alocação otimizada de recursos, com foco nas crianças que mais precisam de recursos limitados. Esses programas em saúde pública de precisão podem não apenas salvar vidas e recursos, mas também são muito mais propensos a serem escaláveis ​​em ambientes economicamente tensos.

OBJETIVOS:

O objetivo deste estudo é determinar se uma abordagem individualizada e baseada em risco para melhorar as altas pediátricas reduzirá a mortalidade pós-alta de 6 meses entre crianças admitidas com suspeita de sepse

O estudo tem dois objetivos, cada um correspondendo a uma fase:

1. Fase I: Um período de observação com pacientes inscritos atuando como controles. Além disso, esta coorte será usada para atualizar, refinar e validar modelos desenvolvidos anteriormente para mortalidade pós-alta a serem usados ​​durante a Fase II.
2. Fase II: Um período de intervenção para avaliar a eficácia de um programa de descarga inteligente na mortalidade e busca de saúde pós-alta.

PROJETO DE PESQUISA:

Este será um estudo de duas fases: a Fase I é um estudo de coorte observacional prospectivo em vários locais, enquanto a Fase II é um estudo de coorte intervencionista prospectivo em vários locais. Este estudo prospectivo será realizado de março de 2017 a janeiro de 2024. O estudo incluirá 5700 crianças com menos de cinco anos de idade (2700 <6 meses de idade, 3000 6-60m de idade) na Fase I (não intervencional) e um número igual (5700) de crianças durante a fase II (fase interventiva) , para um total de 11.600 crianças.

ANÁLISE ESTATÍSTICA:

Nosso trabalho anterior mostrou que a taxa de mortalidade pós-alta de 6 meses é de 5%. Nosso trabalho preliminar também sugeriu que nosso benefício de mortalidade esperado será entre 25% e 30% de redução do risco relativo. Assumindo uma redução de risco relativo de 22,5%, precisaríamos matricular 5.250 crianças por braço. Portanto, de forma conservadora, pretendemos inscrever 5.700 por braço para contabilizar as perdas no acompanhamento.

Todas as análises serão conduzidas usando R 4.2.2 (Viena, Áustria; http://www.R-project.org). A validação externa do modelo será realizada usando a coorte da Fase I no Modelo de Descarga Inteligente desenvolvido anteriormente. O Modelo de Descarga Inteligente será então atualizado para incluir dados da coorte da Fase I. Os modelos finais de previsão serão desenvolvidos separadamente para crianças <6m de idade e para crianças de 6m - 5 anos de idade, com uma área sob a análise da curva ROC usada para avaliar o desempenho geral dos modelos finais. Para o modelo final em crianças mais velhas (6m - 5a), o corte de risco será escolhido com base na sensibilidade e especificidade, garantindo uma sensibilidade de >80% (a sensibilidade inicial do modelo derivado foi de 82%). A sensibilidade e especificidade finais serão relatadas, juntamente com valores preditivos positivos e negativos (com base na taxa de mortalidade geral e nas taxas de mortalidade de cada local). Para o modelo em crianças mais novas, a mesma abordagem será usada, mas garantindo que a sensibilidade seja de pelo menos 85%, devido a uma taxa de mortalidade mais alta esperada entre as crianças mais novas. A separação de idades foi determinada como a abordagem ideal para esses modelos.

Para avaliar a eficácia da intervenção, será utilizada uma regressão cox-proporcional de riscos no tempo até a mortalidade pós-alta, incluindo o ano da alta como uma covariável para contabilizar tendências potenciais na mortalidade não relacionadas à intervenção. Variáveis ​​adicionais potencialmente confusas serão identificadas com base em uma combinação de conhecimento pré-existente e especializado e análise univariada de possíveis fatores de confusão nos resultados. Um modelo multivariável final será usado para determinar o efeito ajustado da intervenção Smart Discharge. Séries temporais interrompidas, que usam modelagem de regressão segmentada para determinar o efeito da intervenção após o controle das tendências de tempo pré e pós-intervenção, também serão usadas para contabilizar as possíveis tendências pré-intervenção na mortalidade.