A1Check: a validação externa de um modelo de aprendizado de máquina que prevê o vazamento da anastomose colorretal (A1Check)

Procedimento do estudo O objetivo do estudo é validar externamente um modelo de aprendizado de máquina que prevê vazamento de anastomose colorretal. O modelo de previsão que será validado externamente, é desenvolvido em um banco de dados prospectivo. Este banco de dados continha dados de 2.483 pacientes com câncer colorretal submetidos a procedimento cirúrgico entre janeiro de 2016 e abril de 2021 em 14 hospitais, rurais e acadêmicos em quatro países diferentes (Holanda, Itália, Bélgica, Austrália). Cerca de 189 pacientes (7,6%) desenvolveram vazamento anastomótico colorretal. Os modelos previram o risco de vazamento da anastomose colorretal no intraoperatório, imediatamente antes da construção da anastomose, usando um total de 31 variáveis. Essas variáveis ​​contêm tanto os dados disponíveis no pré-operatório quanto as variáveis ​​referentes à condição intraoperatória do paciente. Os modelos foram validados internamente usando validação cruzada de 10 vezes e posteriormente testados em 20% dos dados não vistos do banco de dados. A área sob a curva - características operacionais do receptor (AUROC) do modelo de aprendizado de máquina com melhor desempenho no conjunto de teste foi de 0,84, com sensibilidade de 0,86, especificidade de 0,78, valor preditivo positivo de 0,24 e valor preditivo negativo de 0,99.

Durante este estudo prospectivo de simulação, não há benefícios ou riscos diretos para os pacientes participantes. Este estudo de simulação prospectivo será não intervencional, os modelos de previsão não alteram a prática diária original e, nesta fase, não se destina a ser utilizado como dispositivo de diagnóstico. No intraoperatório, imediatamente antes da construção da anastomose, o modelo de previsão preverá, usando variáveis ​​do paciente, do tumor e do intraoperatório (listadas no parágrafo Dicionário de dados), a probabilidade de vazamento da anastomose. O SAS VIYA é usado para o desenvolvimento do modelo de aprendizado de máquina. Durante o estudo de simulação prospectiva, as pontuações dessas previsões estão disponíveis apenas para os investigadores principais e da pesquisa e, portanto, desconhecidas dos hospitais participantes ou cirurgiões operacionais, a fim de evitar qualquer influência na prática diária atual nesta etapa da pesquisa. Trinta dias após a cirurgia, serão coletados dados dos pacientes quanto à ocorrência de vazamento da anastomose. AUROC, sensibilidade, especificidade e precisão serão então calculados com base no número de pacientes avaliados como verdadeiro positivo, verdadeiro negativo, falso positivo ou falso negativo. Após um mínimo de 100 eventos e 100 não eventos, a validação externa é concluída e os escores AUROC finais, sensibilidade e especificidade serão apresentados.

Plano de garantia de qualidade, verificações de dados, verificação de dados de origem Os dados serão tratados de forma confidencial e anônima. Os dados serão pseudo-anonimizados para o investigador principal e os investigadores da pesquisa. Dados pseudo-anônimos são inseridos em um banco de dados Castor. Um dicionário de dados é anexado ao conjunto de dados original com metadados para descrever os dados. Todos os hospitais participantes têm um Acordo de Compartilhamento de Dados para compartilhar com segurança os dados dos pacientes incluídos com o investigador principal e os investigadores da pesquisa. Um plano de gerenciamento de dados será criado de acordo com as políticas de nosso instituto com a ajuda de um especialista em gerenciamento de dados, juntamente com o Relatório Transparente de um modelo de previsão multivariável para as diretrizes de Prognóstico ou Diagnóstico Individual (TRIPOD). As características dos dados coletados e gerados são dados clínicos extraídos dos prontuários eletrônicos. Contém variáveis ​​contínuas, nominais e dicotômicas. Os dados não serão reutilizados ou acoplados a dados existentes. O consentimento informado dos pacientes é necessário para prever o resultado usando o modelo desenvolvido. As políticas e leis de privacidade são aplicáveis ​​a este projeto. O projeto cumprirá também todos os princípios de proteção de dados definidos no Regulamento Geral de Proteção de Dados. O conjunto de dados anônimo pode ser acessado por meio de um banco de dados Castor. Os dados de longo prazo serão salvos no repositório UMC de Amsterdã com a ajuda do departamento de gerenciamento de dados de pesquisa (RDM). Os dados serão salvos por cinco anos após o término do projeto.

Dicionário de dados

As seguintes variáveis ​​serão coletadas dos pacientes incluídos:

eu. Características do paciente e do tumor Idade; sexo; índice de massa corporal; classificação da Sociedade Americana de Anestesiologistas (ASA); intoxicações (tabagismo e/ou etilismo); histórico médico de diabetes; uso de esteroides (não nasal); hemoglobina; doença benigna ou maligna. Se houver doença maligna: estágio TNM, distância do tumor à borda anal, tratamento neoadjuvante.

ii. Características perioperatórias Procedimento cirúrgico, abordagem cirúrgica; conversão; ocorrência de evento intraoperatório (eventos hipóxicos, hipercapnia, bradicardia, hipotensão, embolia, reanimação, ressecção mais extensa do que o planejado, lesões serosas, lesões vesicais e ureterais, sangramento intraoperatório, esplenectomia) iii. Características imediatamente anteriores à criação da anastomose Temperatura do paciente; tempo de administração do antibiótico; administração de vasopressores; perda de sangue; saturação de O2; pressão arterial média; administração de fluidos; produção de urina; presença de contaminação fecal; avaliação subjetiva da perfusão local; analgesia peridural; movimentos da porta; tempo desde a incisão até a confecção da anastomose, intenção de confecção do estoma.

4. Características pós-operatórias Vazamento da anastomose colorretal em 30 dias e tempo de internação.

Procedimentos operacionais padrão Os pacientes elegíveis para inclusão são detectados na primeira reunião da equipe multidisciplinar. Se elegível, o cirurgião informará e discutirá este estudo com o paciente na consulta pré-operatória para a cirurgia. Se o paciente consentir na participação, é necessário um consentimento informado por escrito. O paciente pode retirar este consentimento a qualquer momento.

Cálculo do tamanho da amostra Nos hospitais participantes, cerca de 100 a 400 ressecções colorretais são realizadas anualmente, com uma incidência aproximada de vazamento anastomótico de 5 a 15%. Vários estudos demonstraram um mínimo de 100 eventos e 100 não eventos como um tamanho de amostra apropriado para validação externa. Com um total esperado de 1.200 pacientes incluídos anualmente e uma porcentagem de vazamento em torno de 10%, incluindo 100 eventos leva aproximadamente um a dois anos.

Lidando com dados ausentes O modelo de aprendizado de máquina fará uma previsão em pacientes com mais de 80% dos dados necessários disponíveis. Os dados ausentes são imputados usando correspondência de média preditiva com dez iterações.

Plano de análise estatística A validação externa será realizada em pelo menos 100 eventos (vazamento anastomótico) e 100 não eventos (sem vazamento anastomótico). O modelo de aprendizado de máquina com o melhor desempenho preditivo em termos de AUROC será usado como modelo de implementação. A taxa de vazamento da anastomose colorretal será comparada em um modelo de regressão logística multivariada. Todas as análises serão realizadas sob a supervisão de um epidemiologista clínico.