Предотвращаемые повторные госпитализации пациентов с внебольничной пневмонией (R3P)

I. Цели

Целью данного исследования является разработка модели прогнозирования риска на основе административных данных для выявления потенциально предотвратимых 30-дневных повторных госпитализаций пациентов, госпитализированных с внебольничной пневмонией (ВП). Основное внимание уделяется потенциально предотвратимым повторным госпитализациям, поскольку не на все повторные госпитализации можно повлиять с помощью вмешательств, направленных на их снижение.

Конкретными целями этого проекта являются:

1. оценить точность кодов диагноза ВП при выписке из десятого пересмотра Международной классификации болезней (МКБ-10) с использованием структурированного ретроспективного обзора карт в качестве эталонного метода.
2. оценить частоту повторных госпитализаций по всем причинам в одной и той же больнице в течение 30 дней и одного года после выписки для пациентов, госпитализированных с ВП.
3. оценить процент пациентов с ВП, которые умирают в течение 30 дней и одного года после выписки без повторной госпитализации.
4. оценить процент незапланированных повторных госпитализаций пациентов, госпитализированных с ВП, с использованием структурированного ретроспективного обзора карт.
5. описать связанные и не связанные с пневмонией причины повторной госпитализации пациентов, госпитализированных с ВП, с использованием структурированного ретроспективного обзора карт.
6. для количественной оценки вероятности того, что незапланированной реадмиссии можно избежать, используя анализ латентных классов на основе независимых классификаций четырех рецензентов.
7. исследовать распределение потенциально предотвратимых повторных госпитализаций и время, прошедшее после выписки из индексной госпитализации.
8. определить характеристики, полученные из данных административных требований, которые независимо связаны с потенциально предотвратимой реадмиссией.
9. для получения и внутренней проверки модели прогнозирования риска на основе данных административных требований для выявления потенциально предотвратимой 30-дневной повторной госпитализации пациентов с ВП.
10. определить характеристики, извлеченные из медицинской документации, которые независимо связаны с потенциально предотвратимой повторной госпитализацией.
11. для получения и внутренней проверки модели прогнозирования рисков на основе данных медицинских карт для выявления потенциально предотвратимой 30-дневной повторной госпитализации пациентов с ВП.
12. чтобы сравнить общую точность, дискриминацию и калибровку для модели прогнозирования риска, основанной на данных административных требований, и модели прогнозирования риска, основанной на данных медицинской документации, для выявления потенциально предотвратимой 30-дневной повторной госпитализации пациентов с ВП.
13. для внешней проверки опубликованных моделей прогнозирования рисков для потенциально предотвратимой 30-дневной повторной госпитализации.

II. Дизайн исследования

R3P представляет собой ретроспективное обсервационное когортное исследование последовательных взрослых пациентов, выписанных из двух больниц с кодом диагноза ВП. Источники данных включают регулярно собираемые данные о выписке из больницы и ретроспективные обзоры медицинских карт.

III. Участвующие учебные центры и условия

Исследование будет проводиться в университетской больнице и больнице общего профиля в Северных Альпах, Франция. Университетская больница Гренобля, рассчитанная на 1362 койки для неотложной помощи, обслуживает преимущественно городское население с населением 675 000 человек и в 2014 году сообщила о 135 999 пребываниях. Больница общего профиля Аннеси рассчитана на 896 коек неотложной помощи и сообщила о 70 651 госпитализации в 2014 году.

IV. Сбор данных

Два ассистента по клиническим исследованиям проведут структурированный ретроспективный обзор карт с использованием компьютеризированного инструмента для сбора данных. Следующие переменные будут записаны для индекса госпитализаций:

• идентификаторы пациентов и пребывания в больнице;
• исходные характеристики пациента, включая демографические данные, ранее существовавшее сопутствующее заболевание, класс риска индекса тяжести пневмонии (PSI), физикальное обследование и лабораторные данные при поступлении, данные рентгенографии или компьютерной томографии в течение 48 часов после поступления, первоначальное микробиологическое исследование;
• внутрибольничная антибиотикотерапия и сопутствующие методы лечения;
• индекс госпитализации (госпитализация в ОИТ, осложнения, связанные с пневмонией и не связанные с ней);
• физикальное обследование и лабораторные данные при выписке;
• план выписки и лечение;

Следующие переменные будут зарегистрированы для первой повторной госпитализации в течение одного года после выписки:

• идентификаторы пациентов и пребывания в больнице;
• физикальное обследование и лабораторные данные при повторной госпитализации, результаты рентгенографии или компьютерной томографии в течение 48 часов после повторной госпитализации;
• госпитализация в отделение интенсивной терапии;
• связанные и несвязанные с пневмонией осложнения;
• первичные и вторичные причины реадмиссии.

В рамках французской системы проспективных платежей, основанной на диагностической группе (DRG), компьютеризированные данные о выписке из больницы включают идентификаторы пациента и пребывания в больнице, даты поступления и выписки, возраст, пол, продолжительность пребывания, место выписки, первичный и вторичный ИКД. 10 диагностических кодов при выписке (до 99) как для индексной госпитализации, так и для повторной госпитализации. Кодирование по МКБ-10 соответствует национальным рекомендациям и выполняется обученными техниками или врачами, в зависимости от больницы. Кодировщики обычно извлекают диагнозы из заметок врача, хотя записи о поступлении, ежедневные записи о прогрессе, отчеты о консультациях, диагностические изображения и лечение обычно записываются в медицинскую карту. Данные о выписке проверяются внешним аудитом путем реабстрагирования случайной выборки пребывания в больнице каждый год.

V. Управление данными

Для обеспечения оптимального качества все данные, собранные ретроспективно путем просмотра карт, будут вводиться в электронном виде ассистентами по клиническим исследованиям с использованием личного идентификационного кода и защищенной паролем веб-системы сбора данных. Ассистенты клинических исследований пройдут формальную подготовку по методам извлечения и записи данных. Будет распространено руководство по эксплуатации, включающее определения и приемлемые источники данных для всех переменных. Надежность извлечения данных будет оцениваться путем случайного выбора случаев для независимого сбора практикующим врачом.

VI. статистический анализ

1. Обзор

   Административные наборы данных о выписке из больницы будут связаны с абстрагированными случаями из медицинской документации с использованием идентификаторов пациентов и пребывания в больнице. Если пациент госпитализируется более одного раза в течение периода исследования, только первая госпитализация будет включена в индексную госпитализацию.

2. Точность диагностических кодов МКБ-10 при выписке для ВП

   Точность диагностических кодов выписки из больницы по МКБ-10 будет оцениваться с использованием трех эталонных методов:

   1. Медицинская запись и / или выписка о диагнозе ВП.
   2. Отметка в медицинской карте ≥ 1 респираторного симптома (кашель, выделение мокроты, одышка, тахипноэ или плевритная боль) и ≥ 1 аускультативного признака (хрипы или крепитация) и ≥ 1 признака инфекции (температура > 38°C, озноб или количество лейкоцитов >10 000/мкл или <4 000/мкл) и новый инфильтрат на рентгенограмме грудной клетки или КТ, выполненном в течение 48 часов после поступления.
   3. Композит из #a и/или #b

   Оценки положительной прогностической ценности вместе с 95% доверительными интервалами (ДИ) будут сообщаться для трех эталонных методов отдельно.

3. Назначение причин реадмиссии

   Четыре врача, входящие в состав группы клинического обзора, будут независимо друг от друга проверять медицинские записи как на предмет госпитализации, так и на повторную госпитализацию. Членами комиссии являются терапевты общего профиля, специалисты по инфекционным или респираторным заболеваниям с клиническим опытом ведения пациентов с ВП. В соответствии с Jasti et al. (CID 2008; 46:550-6), каждый врач-рецензент будет использовать заранее определенные критерии для классификации причин повторной госпитализации следующим образом:

   1. связанное с пневмонией ухудшение признаков или симптомов;
   2. новое или ухудшающееся сопутствующее(ие) состояние(я), независимое от пневмонии;
   3. любое сочетание причин, связанных с пневмонией и сопутствующими заболеваниями.

   Рецензенты независимо друг от друга назначат основную причину реадмиссии, используя взаимоисключающие категории, опубликованные Halfon et al. (J Clin Epidemiol 2002;55:573-87).

   Согласие между экспертами в отношении причины повторной госпитализации будет количественно определено с использованием Каппа Коэна.

4. Выявление потенциально предотвратимых повторных госпитализаций

   В соответствии с van Walraven et al. (CMAJ 2011; 183:e1067-72), четыре врача-рецензента будут использовать 6-балльную порядковую шкалу, чтобы оценить, является ли повторная госпитализация неблагоприятным событием и можно ли избежать этого нежелательного явления. Повторный прием с рейтингом выше трех в обоих доменах будет классифицироваться этим рецензентом как потенциально предотвратимый. Вероятность того, что реадмиссии можно избежать, будет количественно определена с использованием анализа латентных классов на основе независимой классификации четырех рецензентов.

5. Разработка модели прогнозирования рисков на основе данных медицинских карт

   Мы получим многовариантную модель логистической регрессии для количественной оценки вероятности того, что 30-дневной повторной госпитализации можно избежать. Образец разработки будет включать повторные госпитализации взрослых пациентов, госпитализированных с ВП, в течение 30 дней по всем причинам. Интересующим исходом является потенциально предотвратимая повторная госпитализация в течение 30 дней после выписки. Мы будем использовать данные из медицинских карт как для индексной госпитализации, так и для повторной госпитализации. Предикторы-кандидаты будут определены путем объединения результатов систематического обзора литературы с мнениями полевых экспертов.

6. Разработка модели прогнозирования рисков административных претензий на основе данных

   В отдельном анализе мы получим модель логистической регрессии с несколькими переменными для количественной оценки вероятности того, что 30-дневной повторной госпитализации можно избежать. Образец разработки будет включать повторные госпитализации взрослых пациентов, госпитализированных с ВП, в течение 30 дней по всем причинам. Интересующим исходом является потенциально предотвратимая повторная госпитализация в течение 30 дней после выписки. Мы будем использовать только административные данные, а модель будет основана на комбинациях диагностических кодов между индексной госпитализацией и повторной госпитализацией. Кандидаты в предикторы будут определены путем рассмотрения опубликованных моделей в сочетании с мнениями полевых экспертов.

7. Внутренняя проверка моделей прогнозирования рисков

Мы будем использовать начальную загрузку для количественной оценки оптимизма в видимой эффективности моделей клинического прогнозирования. Дискриминация будет количественно оцениваться статистикой согласованности (c). Калибровка будет исследована графически и формально оценена тестом наклона калибровки.

VII. Вред и безопасность

В этом ретроспективном обсервационном исследовании тяжелые нежелательные явления будут собраны с помощью структурированного обзора диаграмм, включая внутрибольничную смертность, осложнения из-за ВП или лечения ВП, новые или ухудшающиеся сопутствующие заболевания, госпитализацию в ОИТ и внебольничную смертность.

VIII. Аудит

Мониторинг учебных процессов и документации будет проводиться персоналом, назначенным Управлением клинических исследований и инноваций (DRCI) университетской больницы Гренобля.