Förutsäger en indisk version av den internationella klassificeringen av sjukdomsskadas allvarlighetsgrad dödlighet på fyra offentliga sjukhus i urbana Indien?

Introduktion

År 2013 beräknades trauma orsaka 4,8 miljoner dödsfall, vilket är mer än HIV/AIDS, tuberkulos, malaria och moderns tillstånd tillsammans (1). Nittio procent av dessa dödsfall inträffar i länder med lägre medelinkomst (LMIC) och uppskattningsvis två miljoner liv skulle kunna räddas årligen genom förbättrad vårdkvalitet (2,3). Indien anses vara ett lägre medelinkomstland med över 1 miljon årliga traumadödsfall (1). År 2020 beräknas trauma vara den tredje vanligaste dödsorsaken i landet (4). Därför behövs ansträngningar för att stärka traumavården i Indien akut.

Traumapatienter utgör en heterogen population, vilket gör traumaforskning och resultatjämförelse över tid och mellan sammanhang svår men viktig (5). Att ta hänsyn till faktorer som urvalsbias, skillnader i vård och fallmix är avgörande för korrekta slutsatser (6,7). För att möjliggöra detta har flera verktyg eller poäng utvecklats inklusive Injury Severity Score (ISS) och Trauma and Injury Severity Score (TRISS) (8,9). Användningen av dessa poäng som en del av kvalitetsförbättringsprogram har associerats med förbättrad traumavård (10).

I ISS och TRISS är svårighetsgraden för varje skada baserad på expertkonsensus. Däremot utvecklades den internationella klassificeringen av sjukdom (ICD) injury severity score (ICISS) med ett mer datadrivet tillvägagångssätt (9,11). Denna poäng är baserad på överlevnadsriskkvoter tilldelade ICD-skadekoder för att uppskatta en enskild patients sannolikhet att överleva. Enligt en nyligen genomförd systematisk översikt överträffar ICISS ISS-härledda metoder (12), men hittills kommer nästan all forskning om ICISS från höginkomstländer. Därför är vår forskningsfråga, förutsäger en indisk version av ICISS dödlighet på fyra offentliga sjukhus i urbana Indien?

Studera design

Vi kommer att genomföra en retrospektiv registerbaserad studie för att härleda och temporärt validera en ny version av ICISS.

Miljö

Vi kommer att använda data från en pågående prospektiv kohortstudie som heter Towards Improved Trauma Care Outcomes (TITCO) i Indien som startade på fyra offentliga universitetssjukhus i Indien. De fyra centra är Lokmanya Tilak Municipal General Hospital i Mumbai, King Edward Memorial Hospital i Mumbai, Jai Prakash Narayan Apex Trauma Center i Delhi, och Institute of Post-Graduate Medical Education and Research och Seth Sukhlal Karnani Memorial Hospital i Kolkata. Data som användes i denna studie samlades in mellan oktober 2013 och januari 2015.

Utbildade projektansvariga genomförde all datainsamling. Projekthandläggarna hade en hälsomästarexamen eller högre utbildning. De arbetade åtta timmar om dagen och roterade mellan dag-, kvälls- och nattpass. Det fanns en projektansvarig för varje sjukhus. Projekthandläggarna övervakades och utbildades kontinuerligt av projektledningen. Patienterna följdes upp till utskrivning, död eller 30 dagar, beroende på vad som kom först.

Källa och metod för deltagarval

Projektansvariga inkluderade alla på varandra följande patienter som uppfyllde behörighetskriterierna. Data för patienter som togs in under projekttjänstemannaskiften samlades in med en kombination av direkt observation och extraktion från patientjournaler. Data för patienter som togs in utanför sina skift samlades in retrospektivt från patientjournaler inom dagar efter patientens ankomst. Alla patienter som skrevs ut före 30 dagar ansågs vara levande efter 30 dagar.

Datakällor/mått

Data om kovariater extraherades från patientjournaler eller från patienterna eller deras medföljande släktingar. Skador extraherades också från patientjournaler, inklusive bildrapporter och operationsanteckningar och kodades sedan med ICD-10. Vi kommer att beräkna SRR för varje unik ICD-10-kod med hjälp av SRR=A/(A+B), där A anger antalet överlevande patienter med en specifik ICD-kod och B är antalet icke-överlevande patienter med samma specifika ICD-kod. Den beräknade SRR får ett värde mellan noll och ett. En representerar 100 % överlevnad och noll representerar 0 % överlevnad. Vi kommer att beräkna den slutliga ICISS-poängen för varje patient som produkten av alla individuella SRR. Därför varierar ICISS också från 0 till 1 och bör tolkas som patientens sannolikhet att överleva. Denna metod kallas vanligen för den konventionella ICISS.

Partiskhet

Personen som samlade in uppgifterna var observatörer och deltog inte i själva vården. Under konverteringen från skador i fritext till ICD-10-koder kommer kodarna att bli blinda för patienternas demografi och utfall. ICD-10-kodning kommer att göras efter att ha genomfört Världshälsoorganisationens (WHO) ICD-10 online-utbildningsmodul och efter att ha uppnått över 80 % överensstämmelse i flera prover av 50 skador jämfört med en extern kodare.

Studiestorlek

Vi kommer att använda all tillgänglig data från TITCO och skapa ett temporalt delat urval, med hjälp av tidigare data för härledning och de senaste data för validering. Dessa två sampel kallas hädanefter som härledningsprovet respektive valideringsprovet. Vi kommer först att uppskatta den nödvändiga urvalsstorleken för valideringsurvalet för att inkludera de senaste 200 på varandra följande händelserna, dvs patienter som dog inom 24 timmar, och alla icke-händelser som registrerats under samma tidsperiod.

Vi använder dödlighet inom 24 timmar för vår beräkning av urvalsstorlek eftersom vi vill att studien också ska drivas för sekundära resultat. Denna effektiva provstorlek gör att vi kan upptäcka en signifikant skillnad i diskriminering och kalibrering av ICISS mellan härlednings- och kalibreringsprover vid 80 % effekt och en signifikansnivå på 5 %. Vi kommer att inkludera alla återstående patienter i härledningsprovet.

Kvantitativa variabler

Vi kommer att analysera alla kvantitativa variabler som kontinuerliga.

Statistiska metoder och analyser

Härledning och validering av ICISS kommer att utföras i två separata steg, som beskrivs nedan. Vi kommer att använda R för alla statistiska analyser. Vi kommer att bedöma prediktiv prestanda i termer av diskriminering och kalibrering. Diskriminering kommer att bedömas genom att beräkna arean under mottagarens operationskarakteristikkurva (AUROCC) och kalibrering kommer att bedömas genom att jämföra observerade och förutspådda resultat visuellt i ett kalibreringsdiagram och statistiskt genom att beräkna kalibreringslutningen. Konfidensintervall för prediktiva prestationsmått kommer att uppskattas med hjälp av en bootstrap-metod.

Vi tolkar överlappande konfidensintervall som bevis på brist på signifikant skillnad. Parametriska och icke-parametriska exakta test kommer att användas efter behov, med 95 % konfidensintervall och en signifikansnivå på 5 %. Vår huvudanalys kommer att vara en komplett fallanalys, där vi utesluter observationer med saknade värden i någon av följande variabler: ålder, kön, skademekanism, överföringsstatus och utfall. Observationer utan rapporterade skador kommer att tilldelas en ICISS på 1 och för varje observation kommer den slutliga ICISS att beräknas endast baserat på SRR för ICD-koder som inträffade i minst 10 observationer i härledningsprovet.

Härledning

Vi kommer att härleda SRR i härledningsprovet för vart och ett av resultaten och använde dem för att beräkna ICISS för varje patient. Med andra ord kommer vi att beräkna en uppsättning av SRR för dödlighet inom 30 dagar, hädanefter kallad SRR-30D, och en uppsättning av SRR för mortalitet inom 24 timmar, hädanefter kallad SRR-24H. Vi kommer sedan att beräkna två ICISS för varje patient. Vi kommer att använda liknande beteckning för att referera till dessa ICISS, dvs. ICISS-30D och ICISS-24H. Slutligen kommer vi att bedöma prestandan för ICISS-30D för att förutsäga dödlighet inom 30 dagar och inom 24 timmar, och upprepade denna analys för ICISS-24H.

Godkännande

Vi kommer att använda SRR-30D och SRR-24H som vi härleder i härledningsprovet för att beräkna ICISS-30D och ICISS-24H i valideringsprovet. Vi kommer sedan att bedöma prestandan för ICISS-30D för att förutsäga dödlighet inom 30 dagar och inom 24 timmar, och prestandan för ICISS-24H för att förutsäga dödlighet inom 30 dagar och inom 24 timmar. Slutligen kommer prestandan för varje modell i valideringsprovet att jämföras med samma modells prestanda i härledningsurvalet.

Känslighetsanalyser

Vi kommer att göra fyra känslighetsanalyser. I den första känslighetsanalysen kommer vi att inkludera observationer med saknade värden i kovariater men med fullständiga utfallsdata. I den andra känslighetsanalysen utesluter vi observationer utan rapporterad skada. I den tredje känslighetsanalysen kommer vi att beräkna ICISS baserat på alla tillgängliga SRR, oavsett hur ofta motsvarande ICD-10-koder förekommer i datasetet. Slutligen kommer vi att beräkna ICISS för varje patient enbart baserat på unika ICD-10-koder, med andra ord kommer varje ICD-10-kod bara att tillåtas bidra med en SRR till ICISS även om det inträffar mer än en gång hos samma patient.

1. Global, regional och nationell ålders-könsspecifik dödlighet av alla orsaker och orsaker för 240 dödsorsaker, 1990-2013: en systematisk analys för Global Burden of Disease Study 2013. Lancet [Internet]. 2014 Dec 17 [citerad 2014 Dec 19];385(9963):117-71. Tillgänglig från: http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=4340604&tool=pmcentrez&rendertype=abstract
2. Chandran A, Hyder AA, Peek-Asa C. Den globala bördan av oavsiktliga skador och en agenda för framsteg. Epidemiol Rev [Internet]. 2010 Jan [citerad 2015 dec 6];32:110-20. Tillgänglig från: http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=2912603&tool=pmcentrez&rendertype=abstract
3. Mock C, Joshipura M, Arreola-Risa C, Quansah R. En uppskattning av antalet liv som skulle kunna räddas genom förbättringar av traumavård globalt. World J Surg. 2012;36(5):959-63.
4. Joshipura MK. Traumavård i Indien: aktuellt scenario. World J Surg [Internet]. 2008 aug [citerad 2016 jan 19];32(8):1613-7. Tillgänglig från: http://www.ncbi.nlm.nih.gov/pubmed/18553048
5. Rutledge R. Målen, utvecklingen och användningen av traumaregister och traumadatakällor vid beslutsfattande vid skada. Surg Clin North Am [Internet]. 1995 apr [citerad 2016 feb 22];75(2):305-26. Tillgänglig från: http://www.ncbi.nlm.nih.gov/pubmed/7900000
6. Newgard CD, Fildes JJ, Wu L, Hemmila MR, Burd RS, Neal M, et al. Metodik och analytisk logik för American College of Surgeons Trauma Quality Improvement Program. J Am Coll Surg [Internet]. 2013 Jan [citerad 2016 feb 22];216(1):147-57. Tillgänglig från: http://www.ncbi.nlm.nih.gov/pubmed/23062519
7. Krumholz HM. Matematiska modeller och bedömning av prestation inom kardiologi. Upplaga [Internet]. 1999 27 apr [citerad 2016 22 feb];99(16):2067-9. Tillgänglig från: http://www.ncbi.nlm.nih.gov/pubmed/10217642
8. Baker SP, O'Neill B, Haddon W, Long WB. Skadans svårighetsgrad: en metod för att beskriva patienter med flera skador och utvärdera akutvård. J Trauma [Internet]. 1974 Mar [citerad 2015 apr 16];14(3):187-96. Tillgänglig från: http://www.ncbi.nlm.nih.gov/pubmed/4814394
9. Rutledge R, Osler T, Emery S, Kromhout-Schiro S. Slutet på Injury Severity Score (ISS) och Trauma and Injury Severity Score (TRISS): ICISS, an International Classification of Diseases, nionde revisionsbaserat prognosverktyg, överträffar både ISS och TRISS som prediktorer för traumapatienters överlevnad. J Trauma [Internet]. 1998 Jan [citerad 2016 feb 15];44(1):41-9. Tillgänglig från: http://www.ncbi.nlm.nih.gov/pubmed/9464748
10. Blick LG, Osler T. Bortom den stora traumautfallsstudien: benchmarking av prestanda med hjälp av ett nationellt samtida, befolkningsbaserat traumaregister. J Trauma [Internet]. 2001 okt [citerad 2016 feb 22];51(4):725-7. Tillgänglig från: http://www.ncbi.nlm.nih.gov/pubmed/11586166
11. Meredith JW, Evans G, Kilgo PD, MacKenzie E, Osler T, McGwin G, et al. En jämförelse av förmågan hos nio poängalgoritmer för att förutsäga dödlighet. J Trauma [Internet]. 2002 okt [citerad 2016 feb 22];53(4):621-8; diskussion 628-9. Tillgänglig från: http://www.ncbi.nlm.nih.gov/pubmed/12394857
12. Gagné M, Moore L, Beaudoin C, Batomen Kuimi BL, Sirois M-J. Utförande av ICD-baserade mått på skadans svårighetsgrad som används för att förutsäga dödlighet på sjukhus: en systematisk översikt och metaanalys. J Trauma Acute Care Surg [Internet]. 2015 26 dec [citerad 2016 4 februari]; Tillgänglig från: http://www.ncbi.nlm.nih.gov/pubmed/26713976