Инфекция COVID-19 у пациентов, получающих анти-CD20-терапию

Это ретроспективное когортное исследование, в котором сравнивают пациентов с недавно диагностированной инфекцией COVID-19, ранее получавших анти-CD20-препараты для лечения заболеваний, включая васкулит или гематологические злокачественные новообразования, которым вводят реконвалесцентную плазму с высоким титром, с аналогичными пациентами, получающими обычную помощь, не включающую выздоравливающих. плазма.

Цели:

1. Описать естественное течение COVID-19 у пациентов, ранее получавших анти-CD20-препараты для лечения таких заболеваний, как васкулит и гематологические злокачественные новообразования. Гипотеза исследователей состоит в том, что у пациентов, заразившихся COVID-19, которым предшествовала недавняя анти-CD20-терапия, развивается длительное течение инфекции COVID-19, которое не улучшается только ремдесивиром и иммуномодуляторами.
2. Количественно оценить риск каждого исхода среди пациентов с COVID-19 в зависимости от времени, когда они получали анти-CD20-терапию. Гипотеза состоит в том, что пациенты с COVID-19 могут быть менее чувствительны к направленной терапии COVID-19, если анти-CD20 вводили совсем недавно (например, менее чем за 6 месяцев) до заражения COVID-19.
3. Сравнить результаты лечения пациентов с COVID-19, получавших анти-CD20-препараты и получавших или не получавших лечение реконвалесцентной плазмой с высоким титром, достаточным для достижения пассивной сероконверсии. Гипотеза заключается в том, что у пациентов, которые получали анти-CD20-препараты в течение предыдущих 6 месяцев после постановки диагноза COVID-19, меньше шансов на полное выздоровление без предварительного достижения пассивной сероконверсии SARS-CoV2.

Данные будут извлекаться из реестра данных, встроенного в среду электронной медицинской карты (EHR), автоматически регистрируя субъектов на основе данных в электронной медицинской карте и извлекая соответствующие метрики данных. Это помещается в витрину данных каждую ночь с помощью процесса извлечения, преобразования и загрузки, используемого как часть рутинных операций и проверяемого в рамках планового обслуживания. Определения метрик в системе реестра включают проверку данных как находящихся в определенных пределах на основе ввода значений EHR, чтобы предотвратить выбросы, несовместимые с разумными данными. Реестр встроен в систему медицинской документации и проверяется на непротиворечивость в рамках архитектуры и обслуживания ЭУЗ. Все данные извлекаются из электронной медицинской карты Epic. Диагнозы и процедуры кодируются с использованием МКБ-10-КМ и SNOMED-CT, а лабораторные данные идентифицируются с использованием соответствующих кодов LOINC. Метрики, основанные на правилах, рассчитывают демографическую информацию и оценки рисков, такие как индекс сопутствующих заболеваний Чарлсона, как указано в прилагаемом словаре данных.

Анализ результатов будет подвергаться корректировке показателя склонности (PS) для учета неслучайного выбора лечения. Во-первых, исследователи будут оценивать PS с помощью многопараметрической логистической регрессии, в которой предикторы получения CP (в течение первых 30 дней) определяются как функция исходных характеристик пациента. Модель предрасположенности будет включать возраст, пол, расу, балл по шкале APACHE-3 и дополнительные базовые ковариаты, выбранные априори на основе клинической значимости. Наконец, сравнение результатов лечения CP и лечения без CP будет скорректировано с учетом исходных различий путем включения PS (в виде ограниченного кубического сплайна в логит-PS для учета нелинейных эффектов) в модели регрессии результатов с переменной лечения CP. В качестве дополнительного метода PS пациенты, получавшие лечение без CP, будут сопоставлены с пациентами, получавшими CP, на основе группы заболевания (васкулит или гематологическое злокачественное новообразование) и оценки склонности в пределах допуска 0,2 стандартных отклонения логит-PS. Во избежание систематической ошибки, связанной с выживаемостью, в процессе сопоставления будут учитываться только подходящие контроли, за которыми наблюдали так долго или дольше, чем время до первого переливания в случае ХП.

Отдельные модели логистической регрессии с пропорциональными шансами будут приспособлены для одномерной порядковой оценки исхода ВОЗ через 30 дней и для многомерной оценки исхода через 30, 60 и 90 дней (как анализ повторных измерений) с указанием статуса КП пациентов, времени, исходного уровня. ВОЗ оценка и PS включены как независимые переменные. Дни без ОРИТ, определяемые как количество дней жизни и отсутствия ОРИТ между началом исследования и 30-м или 90-м днем, будут рассчитаны и сравнены между группами с ХП и без ХП с использованием регрессии Пуассона. Для этого анализа исследователи первоначально запустят анализ у всех пациентов во время положительной ПЦР в группе без СР. Когда пациенты получают свое первое переливание, их последующее наблюдение, не связанное с CP, будет сокращено, и их последующее наблюдение будет возобновлено с нулевого времени в группе CP. Исследователи будут использовать смещение в модели, чтобы учесть разницу в днях наблюдения между двумя группами. Наконец, гетерогенность лечения будет изучаться для заранее определенных исходных характеристик (например, время после анти-CD20, пол, раса) путем тестирования взаимодействий между лечением и ковариантами в моделях результатов. Время, прошедшее после анти-CD20, будет анализироваться как непрерывная переменная с использованием расширенной когорты для рассмотрения более широкого диапазона времени (в течение 3 лет). Исследователи также изучат связь между временем, прошедшим после использования анти-CD20, и результатами исследования, независимо от лечения плазмой. Опять же, время будет рассматриваться в континууме и гибко моделироваться с использованием сплайнов регрессии, чтобы учесть нелинейные отношения с результатом.

Анализы чувствительности:

Стратификация по категориям заболеваний (васкулиты и гемобластозы) и стратификация по титру антител, достигнутой сероконверсии, времени (от исходного положительного результата ПЦР) введения плазмы.