Riskmodellering för kvalitetsförbättring hos kritiskt sjuka: bästa utnyttjande av rutintillgänglig data

Syfte: Att förbättra riskmodeller som används för att underbygga nationella kliniska revisioner för allmän kritisk vård för vuxna, hjärt- och thoraxvård och hjärtstillestånd på sjukhus med hjälp av datalänkning med andra rutinmässigt insamlade datakällor.

Specifika mål är:

1. Att förbättra riskmodeller för allmän intensivvård för vuxna genom att: (1a) utveckla riskmodeller för dödlighet vid bestämda tidpunkter och tid till händelseutfall (genom datalänkning mellan CMP och dödsregistrering från ONS); utveckla riskmodeller för långvariga kroniska hälsoresultat av (1b) diabetes (genom datakoppling mellan CMP och National Diabetes Audit) och (1c) njursjukdom i slutstadiet (genom datakoppling mellan CMP och UK Renal Registry); och (1d) utveckla riskmodeller för efterföljande hälsovårdsanvändning och kostnader (genom datalänkning mellan CMP och HES)
2. För att förbättra riskmodellerna för hjärt- och thoraxintensivvård genom att: (2a) förbättra riskfaktordata (genom datakoppling med National Adult Cardiac Surgery Database); (2b) utveckla riskmodeller för långsiktig dödlighet (genom datakoppling mellan CMP och dödsfallsregistreringar från ONS); och (2c) utveckla riskmodeller för efterföljande hälsovårdsanvändning och kostnader (genom datalänkning mellan CMP och HES)
3. .Att förbättra riskmodellerna för hjärtstopp på sjukhus genom att: (3a) förbättra riskfaktordata (genom datalänkning mellan NCAA och HES); (3b) utveckla riskmodeller för långsiktig dödlighet, sjukvårdsanvändning och kostnader (genom datakoppling mellan NCAA och ONS); (3c) utveckla riskmodeller för efterföljande användning av intensivvård (genom datakoppling mellan NCAA och CMP); och (3d) utveckla riskmodeller för efterföljande hälsovårdsanvändning och kostnader (genom datalänkning mellan NCAA, ONS och HES)
4. Omedelbar översättning av de förbättrade riskmodellerna i praktiken genom: (4a) Antagande till rutinrapportering av jämförande resultat för de nationella kliniska revisionerna; och (4b) kommunikation av forskningsresultat till leverantörer, chefer, kommissionärer, beslutsfattare och akademiker inom intensivvård

Datainsamling: Projektet kommer att använda kliniska data av hög kvalitet som samlats in för Case Mix Program (CMP) och National Cardiac Arrest Audit (NCAA) - de nationella kliniska revisionerna för kritisk vård för vuxna och hjärtstillestånd på sjukhus. Dessa data kommer att kopplas till data från National Diabetes Audit, UK Renal Registry och National Adult Cardiac Surgery Audit, rutinmässig administrativ data från Hospital Episod Statistics (HES) och dödsregistreringar från Office for National Statistics (ONS).

Datalänkning kommer att utföras av HSCIC Data Linkage and Extract Service (DLES) som agerar som en pålitlig tredje part. Identifierare (utan tillhörande klinisk data) kommer att laddas upp från varje nationell klinisk revision till säkra servrar hos HSCIC. DLES kommer att utföra datalänkningen och returnerar en gemensam nyckel som kan användas för att länka alla register för samma patient över datamängderna. De tre nationella kliniska revisionerna utanför ICNARC kommer att extrahera en överenskommen, pseudonymiserad datauppsättning för länkade poster och DLES kommer att extrahera data från HES och ONS och dessa datauppsättningar kommer att skickas till ICNARC. ICNARC kommer att producera pseudonymiserade dataextrakt från CMP och NCAA och dessa kommer att länkas till de datauppsättningar som tillhandahålls av de nationella kliniska revisionerna och DLES med hjälp av den gemensamma nyckeln. På detta sätt kommer endast pseudonymiserade data att länkas mellan de flera datakällorna.

Dataanalys: Följande tillvägagångssätt för modellutveckling kommer att tillämpas beroende på resultatet och målen för analysen:

• Modellering av dödlighet vid fasta tidpunkter (30 dagar, 90 dagar, 1 år) med hjälp av logistisk regression.
• Modellering av tid-till-händelseutfall med standardmetoder för överlevnadsregression som Weibull- och Cox-regression.
• För att hantera intervallcensurerade data: Cox proportionella riskmodeller, kompletterande loggloggmodeller som använder partiell sannolikhetsuppskattning (för att tillåta intervallcensurering) och riskmodeller för diskret tid.
• För att ta hänsyn till både intervallcensurering av tiden fram till debut och konkurrens med döden: Orsaksspecifika Cox proportionella riskmodeller och sjukdomsdödsmodeller kommer att övervägas.
• För mål 3, återgång av spontan cirkulation (ROSC) i mer än 20 minuter och överlevnad till sjukhusutskrivning, kommer flernivålogistisk regression med slumpmässiga effekter av sjukhus att tillämpas.
• Att modellera sjukhusets resursanvändning och kostnader för postkritisk vård: multilevel regressionsmodell och Log linjär regressionsmodell.

Riskprediktionsmodeller kommer att valideras för deras diskriminering, kalibrering och övergripande passform med hjälp av en panel av mått inklusive: c index; plotter av observerade mot förutspådd risk; Hosmer-Lemeshow goodness-of-fit-statistik; Cox's kalibreringsregression; Shapiros R, Briers poäng och motsvarande ungefärliga R2-mått; och omklassificering.