Оптимизация распределения ресурсов посредством прогнозирования результатов для Covid-19

Фон.

Относительно простые оценки клинического риска, основанные на легкодоступной клинической информации, могут значительно помочь в сортировке пациентов для ранней выписки или более быстрого и интенсивного вмешательства. Одним из примеров этого является кровотечение из верхних отделов желудочно-кишечного тракта, где несколько таких показателей (https://www.mdcalc.com/glasgow-blatchford-bleeding-score-gbs4 5; https://www.mdcalc.com/rockall-score-upper-gi-bleeding-complete6) разрешили безопасную раннюю выписку, тем самым снизив нагрузку на больницы. Исследователи считают, что аналогичные результаты потенциально могут быть получены на основе данных, регулярно собираемых в нашем доверительном управлении о пациентах с подтвержденным или подозреваемым Covid-19.

Цели

Исследователи пытаются ответить на следующие вопросы

1. Какая картина клинического анамнеза и симптомов, наблюдений, крови и других маркеров исследования лучше всего предсказывает, что пациент с подозрением на Covid-19 или с подтвержденным диагнозом будет нуждаться в искусственной вентиляции легких?
2. Какая картина клинического анамнеза и симптомов, наблюдений, крови и других маркеров исследования лучше всего предсказывает, что пациент с подозрением на Covid-19 или с подтвержденным диагнозом умрет во время болезни?
3. Какая картина клинического анамнеза и симптомов, наблюдений, крови и других маркеров исследования лучше всего предсказывает, что пациент с подозрением на Covid-19 или с подтвержденным диагнозом полностью выздоровеет, не нуждаясь в дополнительном кислороде?

Методы

Исследователи предлагают два основных подхода к первым двум из вышеперечисленных целей.

Стандартный подход к оценке исходных характеристик для прогнозирования неблагоприятного исхода, аналогичный другим текущим исследованиям, таким как ISARIC и PRIEST, но использующий беспристрастную выборку пациентов, поскольку не требуется собирать дополнительные образцы или данные, поэтому исследователи считают, что он будет этически приемлемым. с должным вниманием к конфиденциальности для анализа всех поступающих пациентов, а не только желающих и способных дать согласие.

Многоуровневый подход к моделированию, использующий многочисленные повторяющиеся ежедневные лабораторные и клинические измерения для прогнозирования ежедневного риска последующего ухудшения состояния.

Этот второй подход дополняет другие текущие исследования, такие как ISARIC и PRIEST, поскольку его реально реализовать только в рамках одного учреждения, такого как NUH, поскольку для этого требуются подробные лонгитюдные связанные электронные данные о здоровье. Кроме того, это эффективный и недорогой дизайн исследования, не требующий ручного сбора данных.

Исследователи будут использовать данные, хранящиеся в электронных системах больниц Ноттингемского университета (NUH) NHS Trust, для выявления всех пациентов, подозреваемых в наличии инфекции Covid-19, или у которых диагноз в конечном итоге подтвержден. Это будет выполняться ретроспективно с начала пандемии, а затем в рамках скользящей программы в перспективе, чтобы максимизировать имеющиеся данные.

Для этих пациентов исследователи будут собирать все соответствующие данные о диагнозах (сопутствующих заболеваниях), ежедневных клинических наблюдениях и ежедневных лабораторных показателях как при поступлении, так и на постоянной основе, начиная с момента смерти или выписки. Эти данные будут включать повторные измерения температуры, пульса, насыщения крови кислородом, концентрации кислорода во вдыхаемом воздухе, частоты дыхания, С-реактивного белка и количества лейкоцитов среди прочего.

Данные будут проанализированы, а результаты смоделированы в рамках сети Nottingham University Hospitals Trust для обеспечения конфиденциальности.

Анализ

Характеристики пациентов, которым проводится интубация. Исследователи будут оценивать взаимосвязь любых исходных параметров и демографических характеристик пациентов, которым требуется вентиляция легких, по сравнению с пациентами, которым она не требуется, путем сопоставления исходных параметров с вентиляцией и расчета скорректированных взаимосвязей с использованием модели логистической регрессии. Исследователи также изучат ежедневный риск интубации, используя модель случайных эффектов с повторными ежедневными измерениями. Чтобы изучить возможность легко вычисляемой оценки клинического риска, будут подготовлены логистические модели, но с сохранением непрерывных переменных как непрерывных (чтобы максимально сохранить полезные прогностические данные) и сведением их к категориальным данным (для простоты клинического расчета). Исследователи выберут предикторы для модели, используя обратное исключение с информационным критерием Акаике и альфа = 0,05. Для моделей-кандидатов исследователи рассчитывают C-индекс и рабочие кривые приемника и оценивают калибровку с использованием теста Хосмера-Лемешоу. Начальная загрузка и перекрестная проверка будут использоваться, чтобы избежать переобучения и оценить производительность модели.

Анализ тенденций во времени для выявления маркеров, ведущих к интубации. Исследователи изучат данные на предмет тенденций во времени в повторных измерениях, где это возможно, и опишут их, используя соответствующую сводную статистику. Если имеется достаточное количество повторных измерений, то каждая ковариата будет оцениваться с помощью анализа JoinPoint, чтобы определить, есть ли очевидный перегиб во времени, указывающий на изменение клинической картины, которое отмечает снижение в сторону вентиляции. Этот процесс будет способствовать рациональному выбору категорий для категориального представления данных.

Предикторы при интубации, предполагающие смерть. Исследователи будут оценивать связь любых параметров и демографических характеристик умерших пациентов, находящихся на ИВЛ, по сравнению с теми, кто не умирает, путем сопоставления параметров в момент вентиляции со смертью и расчета скорректированных ассоциаций с использованием модели логистической регрессии. Исследователи также изучат ежедневный риск смерти, используя модель случайных эффектов с повторными ежедневными измерениями. Чтобы изучить возможность легко вычисляемой оценки клинического риска, будут подготовлены логистические модели, но с сохранением непрерывных переменных как непрерывных (чтобы максимально сохранить полезные прогностические данные) и сведением их к категориальным данным (для простоты клинического расчета). Исследователи выберут предикторы для модели, используя обратное исключение с информационным критерием Акаике и альфа = 0,05. Для моделей-кандидатов исследователи рассчитывают индекс c и рабочие кривые приемника и оценивают калибровку с использованием теста Хосмера-Лемешоу. Начальная загрузка и перекрестная проверка будут использоваться, чтобы избежать переобучения и оценить производительность модели.

Анализ тенденций во времени для выявления маркеров, ведущих к смерти. Мы изучим данные на предмет тенденций во времени в повторных измерениях, где это возможно, и опишем их, используя соответствующие сводные статистические данные. Если имеется достаточное количество повторных измерений, то каждая ковариата будет оцениваться с помощью анализа JoinPoint, чтобы определить, есть ли явный перегиб во времени, указывающий на изменение клинической картины, которое знаменует снижение в сторону смерти. Исходные характеристики пациентов, выписанных без дополнительного кислорода. оценит связь любых исходных параметров и демографических данных пациентов, выписанных без дополнительного кислорода, по сравнению с теми, у кого нет, путем сопоставления исходных параметров с вентиляцией и расчета скорректированных ассоциаций с использованием модели логистической регрессии. Чтобы изучить возможность легко вычисляемой оценки клинического риска, будут подготовлены логистические модели, но с сохранением непрерывных переменных как непрерывных (чтобы максимально сохранить полезные прогностические данные) и сведением их к категориальным данным (для простоты клинического расчета). Исследователи выберут предикторы для модели, используя обратное исключение с информационным критерием Акаике и альфа = 0,05. Для моделей-кандидатов исследователи рассчитывают индекс c и рабочие кривые приемника и оценивают калибровку с использованием теста Хосмера-Лемешоу. Каждый из этих шагов будет повторяться в 10 случайно выбранных 20% подвыборках набора данных.

Дополнительные стратифицированные анализы Для выявления различных групп пациентов с риском неблагоприятных исходов будет оцениваться взаимодействие с каждой моделью риска, чтобы определить, требуется ли стратификация по возрастным группам, полу, предшествующим сопутствующим заболеваниям и исходным факторам, таким как лимфопения, СРБ и т. д.

Все анализы будут повторены для групп пациентов с подтвержденным ПЦР Covid-19 и только подозреваемых.

Для анализа выписки без дополнительного кислорода исследователи изучат риск повторной госпитализации для выписанных таким образом и повторят анализ только для тех, кто впоследствии не был повторно госпитализирован.

Критерии приемлемости

Критерии включения • Все пациенты, госпитализированные в Nottingham University Hospitals Trust, либо с подозрением на инфекцию Covid-19, либо у которых диагноз в конечном итоге подтвержден, и которые старше 18 лет.

Критерий исключения

• Возраст до 18 лет.