Связь между лечением ОРДС COVID-19, клиническими траекториями и освобождением от искусственной вентиляции легких — анализ набора данных NorthCARDS (NorthCARDS)

Исследователи будут использовать набор данных NorthCARDS для этого анализа. Этот набор данных включает более 1500 человек, поступивших в систему здравоохранения Northwell Health System, у которых был положительный результат ПЦР-тестирования на COVID-19 и которые были переведены на инвазивную механическую вентиляцию легких по поводу ОРДС. Разработка реестра была начата в апреле 2020 года и продолжается проспективным сбором данных обо всех пациентах с ОРДС COVID19, находящихся на искусственной вентиляции легких, в больницах Northwell Health. Структурирование и инженерия данных основываются на еженедельном междисциплинарном обзоре, в котором участвуют передовые клиницисты, специалисты по данным, специалисты по биостатистике и инженеры данных в области медицинской информатики. Случайный отбор пациентов для индивидуального «ручного» просмотра карт происходит для предположений и записи данных.

Два результата, которые необходимо смоделировать с помощью многомерного регрессионного анализа, будут следующими:

1. Индекс госпитальной выживаемости и
2. Время до освобождения от ИВЛ.

Освобождение от ИВЛ будет определяться как не паллиативная экстубация и постоянная экстубация в течение более одной недели. Результаты будут получены из запросов к электронным медицинским картам. Пациенты, у которых у исследователей нет данных об исходах к 30 ноября 2020 г., будут подвергнуты цензуре при анализе, а описательная статистика будет обобщена и представлена ​​отдельно.

Исследователи подойдут к этому анализу, используя оба метода, основанные на гипотезах, в которых известные факторы риска неблагоприятных исходов будут включены в модели многомерной регрессии (логистическая регрессия для модели 1 и пропорциональные риски Кокса для модели 2); и исследователи также будут выполнять выбор переменных для моделей на основе данных. Априорно определенные факторы риска, которые будут включены в модели, будут следующими: возраст, пол, ИМТ, функциональное состояние на исходном уровне (дом престарелых по сравнению с госпитализацией), сопутствующие заболевания (ишемическая болезнь сердца, хроническая болезнь почек, неврологические расстройства, ХОБЛ, диабет, Активный рак, гипертония); Стационарное лечение (для непрерывных значений будет (макс., медиана, траектория)) включая уровни ПДКВ, управляющее давление, FiO2, гипоксемию (PaO2:Fio2), тип аппарата ИВЛ (портативный или нет), лекарства, направленные против COVID (например, азитромицин , гидроксихлорохин, кортикостероиды); и повреждение органов-мишеней в больнице: дисфункция печени, дисфункция почек, коагулопатия (зафиксировано с помощью баллов SOFA), сердечная дисфункция и шок, требующий вазопрессоров/инотропов. Календарное время, тип больницы (общинная больница или больница третичного уровня) и вместимость больницы (измеряемая как количество заполненных больничных коек и время от поступления в отделение неотложной помощи до перевода на стационарную койку) также будут включены в анализ для учета временных и системное влияние результатов.

Окончательные модели будут включать переменные, выбранные в процессе обратного отбора, а также переменные, получившие высокие оценки с помощью методов, основанных на данных, включая модель логистической регрессии, упорядоченную с помощью штрафа Лассо, и модель пропорциональных рисков Кокса, упорядоченную с помощью штрафа Лассо. Эффективность модели будет оцениваться для модели 1 (выживаемость в больнице) с использованием C-статистики.

Показатели модели для модели 2 (время до отключения аппарата искусственной вентиляции легких) будут основываться на C-статистике, адаптированной для цензурированных данных.

Управление отсутствующими данными: когда данные об исходах отсутствуют для модели (1) (выживаемость в больнице), если отсутствует менее 5% исходов, будет использоваться полный анализ случая; если пропущено более 5%, будет проведен анализ чувствительности, предполагая, что все отсутствующие результаты либо просрочены, либо действительны, чтобы увидеть, аналогичны ли результаты результатам, полученным при использовании полного анализа случаев.

Когда данные об исходе отсутствуют для модели (2) (освобождение от искусственной вентиляции легких), отсутствующий исход будет считаться подвергнутым цензуре.

Если в целом < 5% нашей когорты не имеют данных по каким-либо факторам риска, будут включены только пациенты с полными значениями всех факторов риска (остальные будут исключены).

Если > 5% когорты не имеют данных по какому-либо фактору риска, недостающие данные будут импутированы с использованием множественного импутирования.

Если фактор риска отсутствует у > 50% пациентов, переменная не будет включена в анализ.

Разработка функций / сокращение данных: мы также проверим, повышают ли производительность модели комбинации копеременных, рассматриваемые как одна копеременная. Это будет включать индекс заболевания COVID-19 (комбинация гипервоспалительных маркеров, индекс PaO2:FiO2 во время интубации, потребность в вазопрессорах во время интубации и индекс оксигенации) и соблюдение стандартных протоколов лечения ОРДС (давление при вождении, независимо от того, получают ли они меньше чем 6-8 см3/кг ожидаемой массы тела, независимо от того, лежите ли вы на животе или нет).