Респираторная поддержка и смертность от COVID-19

Статистические методы

Непрерывные данные представлены как среднее значение и стандартное отклонение (SD), если они соответствуют нормальному распределению, оцениваемому с использованием гистограмм и графиков Q-Q; в противном случае - как медиана и межквартильный размах (IQR). Категориальные данные представлены в виде чисел и процентов. Отсутствующие данные не будут вменены. Пациенты из конкретного анализа исключались, если данные для соответствующей переменной отсутствуют.

Первая цель состоит в том, чтобы исследовать относительную эффективность различных неинвазивных инъекций, в том числе высокопоточной назальной канюли (HFNC), двухуровневого положительного давления в дыхательных путях (BiPAP) и постоянного положительного давления в дыхательных путях (CPAP). Пациенты будут разделены на три группы в зависимости от типа НИВЛ, который они впервые получили. Пациенты, получившие инвазивную механическую вентиляцию легких (ИВЛ) до НИВЛ, будут исключены. Пациенты, получившие два или три разных типа НИВЛ, также будут исключены из этого анализа. Пациенты, получившие IMV после использования NIV, имеют право на участие.

Второстепенной задачей является изучение влияния ИВЛ на смертность путем сравнения с пациентами, получавшими только НИВЛ. Роль защитной вентиляции легких у пациентов, получавших ИВЛ, также будет исследована. Будут изучены характеристики настроек вентилятора, которые связаны с улучшением исхода.

Первичным исходом является внутрибольничная смертность, и пациенты будут находиться под наблюдением до выписки из больницы. Пациенты считаются живыми, если они были выписаны живыми из стационара или все еще находятся в стационаре на момент закрытия выборки данных. Для первой цели также будет проанализирована скорость эскалации респираторной поддержки от NIV до IMV (как вторичный критерий результата в этом анализе).

Пациенты будут сбалансированы с использованием сопоставления показателей склонности. Модель оценки предрасположенности будет включать демографические характеристики, сопутствующие заболевания, фазу пандемии, тяжесть острого заболевания (за 24 часа до целевой респираторной поддержки), результаты лабораторных исследований (за 24 часа до целевой респираторной поддержки) и показатели жизнедеятельности (за 24 часа до целевой респираторной поддержки). респираторная поддержка). Баланс между подобранными парами будет оцениваться с использованием стандартизированной разницы в 10% и рассчитываться с использованием метода, описанного Янгом и Далтоном. Для анализа совпадающих пар будет использоваться стратифицированная модель пропорциональных рисков Кокса. Кроме того, выживаемость будет оцениваться с использованием предела продукта Каплана-Мейера, а логарифмическая ранговая статистика будет использоваться для сравнения кривых выживаемости.

План резервного статистического анализа выглядит следующим образом. Будут выполнены одномерные модели пропорционального риска Кокса для выявления потенциальных факторов, связанных с более низкой смертностью. Будет реализована многомерная модель пропорциональных рисков Кокса для оценки независимых ассоциаций между респираторной поддержкой и смертностью. Вмешивающиеся факторы, включенные в многопараметрический анализ, следующие: 1) известные факторы риска смертности (возраст, пол и артериальная гипертензия); 2) тяжесть острого заболевания за 24 часа до целевой респираторной поддержки (оценка последовательной органной недостаточности и шкала комы Глазго); 3) различные фазы в течение первого пандемического года, включая первую фазу (с 1 февраля 2020 г. по 31 мая 2020 г.), вторую фазу (с 1 июня 2020 г. по 31 августа 2020 г.), третью фазу (с 1 сентября , 2020 г., до 30 ноября 2020 г.) и четвертый этап (с 1 декабря 2020 г., до последней даты извлечения данных); 4) демографические и сопутствующие заболевания с P-значением <0,25 в однофакторном анализе; и 5) лабораторные результаты и показатели жизнедеятельности за 24 часа до целевой респираторной поддержки, которые имеют значение P <0,25 в однофакторном анализе. Все методы лечения, считающиеся частью лечения COVID-19, будут включены в многофакторный анализ для контроля смешивания. Чтобы избежать коллинеарности, будет включена только одна переменная, если две переменные имеют абсолютный коэффициент ранговой корреляции Пирсона или Спирмена больше 0,5. Переменные с более чем 10% отсутствующих данных также будут исключены. Множественное тестирование будет скорректировано с использованием метода Бонферрони, чтобы снизить вероятность ошибки типа I на двустороннем уровне альфа 0,05, учитывая гипотезы для всей семьи, связанной с респираторной поддержкой/лечением COVID-19. Связь между воздействием и смертностью будет оцениваться с использованием коэффициентов опасности (ОР) и сообщаться с 95% доверительными интервалами (ДИ). Чтобы учесть кластеризацию внутри больниц, будут использоваться надежные сэндвич-оценки для вычисления стандартных ошибок для HR. Допущение о пропорциональных опасностях будет оцениваться с использованием остатков Шенфельда.

При двустороннем тесте гипотез уровень значимости для каждой общей гипотезы составляет 0,05. Все анализы будут выполняться в программном обеспечении R (версия 3.5.3, R Фонд статистических вычислений).