Endagsprevalensstudie om tryckskador på intensivvårdsavdelningar (DecubICUs)

Målet är att ge en aktuell, internationell "global" bild av omfattningen och mönstren av tryckskador på intensivvårdsavdelningar. Därför är planen att utföra en 1-dagars, prospektiv, multicenter punktprevalensstudie. Projektets stora skala bör möjliggöra noggranna epidemiologiska analyser. Mer exakt kommer studien att göra det möjligt att identifiera:

• stora riskfaktorer för utveckling av trycksår;
• förebyggande åtgärder som används i olika intensivvårdspopulationer och länder;
• brist på tillgång till evidensbaserade åtgärder för att förhindra trycksår;
• förebyggande av trycksårsfel i särskilda regioner eller länder;
• förekomst av trycksår ​​med/utan noggrann justering för riskprofil och vidtagna förebyggande åtgärder;
• benchmarking mellan regioner/länder; kliniska resultat associerade med trycksår ​​(stora organförändringar och dödlighet);
• ekonomiska utfall förknippade med trycksår ​​(längd på intensivvårdsvistelse) och koppla dessa utfall med lokal praxis angående förebyggande åtgärder som tillämpas/tillgängliga.
• länder och regionala skillnader i prevalens av trycksår ​​och resultat.

Trycksårsstadier kommer att graderas enligt det klassificeringssystem som gemensamt utvecklats av National Pressure ulcer Advisory Panel och European Pressure ulcer Advisory Panel.

Data som ska registreras inkluderar patientdemografi, data om svårighetsgraden av underliggande sjukdom och akut sjukdom, organsvikt, trycksår, stora riskfaktorer för trycksår ​​och åtgärder som vidtagits för att förebygga trycksår.

Statistisk plan

Effektberäkning. För att en riskfaktor med en prevalens i studiekohorten på endast 10 % (till exempel patienter med ett BMI <20) och en resultatskillnad på endast 5 % ska vara statistiskt signifikant (15 % vs. 20 % i decubitusförekomst), en urvalsstorlek på 5255 patienter krävs (478 patienter med indexriskfaktorn och 4777 utan) (alfa=0,05; Beta>0,80).

Datarensning & saknade data. Exceptionella värden kommer att spåras genom distributionsplottning. Vid oklarheter kommer de enskilda utredarna att kontaktas. Saknade data kommer att hanteras genom imputering (1, 2). Datakvalitetskontroller kommer att utföras, såsom kontroller av fullständighet, konsekvens, korrekthet och unikhet.

Beskrivande. En enda slutlig analys planeras i slutet av studien; inga interimsanalyser är planerade. Karakteristika för sociodemografiska studiekohorter kommer att beskrivas som proportioner för kategoriska variabler och för kontinuerliga variabler som medelvärde och standardavvikelse om normalfördelat eller median- och interkvartilintervall om det inte är normalfördelat (enligt Kolmogorov-Smirnov-testet för normalitet).

Andelen patienter med decubitus (procent, % och deras 95 % konfidensintervall) kommer att rapporteras övergripande och enligt geografisk region (kontinent), landsklassificering efter inkomst enligt definitionen av Världsbanken (hög-, övre-medel-, låg-medel- och låginkomstländer), procentandel av bruttonationalprodukten som spenderas på hälso- och sjukvård (erhållen från Världshälsoorganisationen), och enligt Education and Health Human Development Report från FN:s utvecklingsprogram. Därefter kan potentiella skillnader i prevalens erbjuda möjligheten att utvärdera variationer i förebyggande åtgärder i stor skala.

Modellering. Kovariater som kommer att utvärderas på deras förhållande till närvaron av decubitus omfattar olika organisatoriska aspekter av ICU (t.ex. förhållande mellan sjuksköterska och patient), förebyggande åtgärder för decubitus (t.ex. typ av madrass som används) och patientspecifika egenskaper (t.ex. ålder, underliggande tillstånd, svårighetsgraden av akut sjukdom, kroppsmorfologi, BMI, längd på intensivvårdsavdelning etc.). Kovariater kommer att övervägas för justerad analys när de har samband med tryckskador på en statistisk nivå <0,25 i ojusterad (univariat) analys eller på grund av deras kliniska relevans. Ett stegvis tillvägagångssätt kommer att användas för att eliminera termer från regressionsmodellen; p<0,15 eller p<0,10 sätts som gräns för att behålla kovariater i modellen.

Relationer med binära utfallsvariabler (t.ex. decubitus, mortalitet) kommer att bedömas med hjälp av ojusterade statistiska tester och multivariat logistisk regression. Värdet av ytterligare korrigering av benägenhetspoäng i regressionsmodellen kommer att bedömas. Multinomial logistisk regression kommer att utföras för att bedöma oberoende relationer med decubitusstadier. Likaså kommer linjär blandad effektmodellering att användas för att bedöma ojusterade och justerade samband med kontinuerliga utfallsvariabler (t.ex. längden på intensivvårdsvistelsen och längden på sjukhusvistelsen). Resultat av logistisk regression kommer att rapporteras som justerade oddskvoter med 95 % konfidensintervall.

För att utveckla en decubitus-prediktionsmodell för distinkta intensivvårdspopulationer (t.ex. trauma, kirurgiska eller medicinska patienter) kommer modeller att byggas med hjälp av maskininlärningstekniker (t.ex. Random Forest, Gradient Boosting Machine). I processen kommer olika tekniker att tillämpas för att få optimal noggrannhet. För att få insikt i sambandet mellan prediktorer och variabler kommer regressionstekniker att tillämpas som ovan.

För validering av våra modeller kommer studiekohorten att delas upp i ett tränings-, test- och valideringsset. Som sådan ger detta en rättvis tolkning av resultaten. Alternativt kan tiofaldig korsvalidering tillämpas för att förhindra övermontering.

Benchmarking för enskilda centra baserat på decubitus kommer att utföras genom att tillhandahålla direkt eller indirekt standardiserade risker baserade på fixerade centrumeffekter i en logistisk regressionsmodell (3, 4). Förutom närvaron av det binära kvalitetsresultatet (dvs. decubitus) och centerkoden, inkluderar denna modell också patientspecifika baslinjekovarianter för att justera för differentiell fallmix. Firth-korrigeringen kommer att tillämpas på den logistiska regressionsmodellen för att upprätthålla konvergens i närvaro av mycket små centra (5).

Statistisk analys kommer att utföras med SPSS och R. Huvudutredaren (SB) ansvarar för all statistisk analys. Avancerade statistiska metoder kommer att utföras av MiekeDeschepper (Strategic Policy Cell vid Ghent University Hospital).