Optimera resursallokering via förutsägelse av resultat för Covid-19

Bakgrund.

Relativt enkla kliniska riskpoäng baserade på lättillgänglig klinisk information kan i hög grad hjälpa patienter att triagera till tidig utskrivning eller snabbare och mer intensiv intervention. Ett exempel på detta är i övre gastrointestinala blödningar där flera sådana poäng (https://www.mdcalc.com/glasgow-blatchford-bleeding-score-gbs4) 5; https://www.mdcalc.com/rockall-score-upper-gi-bleeding-complete6) har tillåtit säker tidig utskrivning och därigenom minskat trycket på sjukhusen. Utredarna tror att liknande resultat potentiellt kan uppnås från data som rutinmässigt samlas in i vårt förtroende om patienter med bevisad eller misstänkt Covid-19.

Mål

Utredarna strävar efter att svara på följande frågor

1. Vilket mönster av klinisk historia och symtom, observationer, blod och andra undersökningsmarkörer förutsäger bäst att en patient som misstänks för Covid-19 eller som bevisats ha det kommer att övergå till att behöva ventilation?
2. Vilket mönster av klinisk historia och symtom, observationer, blod och andra undersökande markörer förutsäger bäst att en patient som misstänks för Covid-19 eller som bevisats ha det kommer att dö under sin sjukdom?
3. Vilket mönster av klinisk historia och symtom, observationer, blod och andra undersökande markörer förutsäger bäst att en patient som misstänks för Covid-19 eller har bevisats ha det kommer att återhämta sig fullständigt utan att behöva extra syre?

Metoder

Utredarna föreslår två huvudsakliga tillvägagångssätt för de två första av målen ovan.

En standardmetod som bedömer baslinjeegenskaper för att förutsäga dåligt resultat, liknande andra pågående studier som ISARIC och PRIEST, men drar nytta av ett opartiskt urval av patienter eftersom inga ytterligare prover eller data ska samlas in och så utredarna tror att det kommer att vara etiskt acceptabelt med förbehåll för konfidentialitet för att analysera alla patienter som presenterar och inte bara de som vill och kan samtycka.

En flernivåmodelleringsmetod som använder de rika upprepade dagliga laboratorie- och kliniska mätningarna för att förutsäga den dagliga risken för en efterföljande försämring.

Detta andra tillvägagångssätt kompletterar andra pågående studier som ISARIC och PRIEST, eftersom det bara kan levereras inom en enda institution som NUH eftersom det kräver detaljerade longitudinella länkade elektroniska hälsodata. Dessutom är det en effektiv, billig studiedesign som inte kräver manuell datainsamling.

Utredarna kommer att använda data som finns i de elektroniska systemen hos Nottingham University Hospitals (NUH) NHS Trust, för att identifiera alla patienter som antingen misstänks ha Covid-19-infektion eller hos vilka diagnosen så småningom bekräftas. Detta kommer att utföras från början av pandemin retrospektivt och sedan i ett rullande program prospektivt för att maximera tillgängliga data.

För dessa patienter kommer utredarna att samla in alla relevanta data om diagnoser (komorbiditeter), dagliga kliniska observationer och dagliga laboratorieparametrar både vid presentation och löpande fram till dödspunkten eller utskrivningen. Dessa data kommer att inkludera upprepade mätningar av temperatur, puls, syremättnad i blodet, koncentration av inspirerat syre, andningsfrekvens, C-reaktivt protein och antal vita blodkroppar bland annat.

Data kommer att analyseras och utfall modelleras inom Nottingham University Hospitals Trust-nätverket för att säkerställa att konfidentialitet upprätthålls.

Analys

Karakteristika för patienter som går vidare till intubation Utredarna kommer att bedöma sambandet mellan alla baslinjeparametrar och demografi för patienter som behöver ventilation jämfört med de som inte gör det genom att korstabulera baslinjeparametrar med ventilation och beräkna justerade associationer med hjälp av en logistisk regressionsmodell. Utredarna kommer också att undersöka den dagliga risken för intubation med hjälp av en modell för slumpmässiga effekter med de upprepade dagliga mätningarna. För att undersöka potentialen för en lätt beräknad klinisk riskpoäng kommer logistiska modeller att utarbetas, men kontinuerliga variabler behålls som kontinuerliga (för att maximera bevarandet av användbara prediktiva data) och reducera dem till kategoriska data (för att underlätta klinisk beräkning). Utredarna kommer att välja prediktorer för modellen med hjälp av bakåteliminering med Akaike-informationskriteriet och alfa = 0,05. För kandidatmodeller kommer utredarna att beräkna C-index och mottagarens funktionskurvor och bedöma kalibrering med Hosmer-Lemeshow-testet. Bootstrapping och korsvalidering kommer att användas för att undvika överanpassning och bedöma modellens prestanda.

Tidstrendanalys för att identifiera markörer som leder till intubation. Utredarna kommer att undersöka data för trender över tid i upprepade mätningar där sådana finns och beskriva dessa med hjälp av lämplig sammanfattande statistik. Om det finns tillräckligt många upprepade mätningar, kommer varje kovariat att bedömas med en JoinPoint-analys för att bedöma om det finns en uppenbar böjning i tid för att indikera en förändring i den kliniska bilden som markerar en nedgång mot ventilation. Denna process kommer att ingå i det rationella valet av kategorier för kategorisk representation av data.

Prediktorer vid intubation som tyder på död Utredarna kommer att bedöma sambandet mellan parametrar och demografi för ventilerade patienter som dör jämfört med de som inte gör det genom att korstabulera parametrar vid punkten för ventilation med döden, och beräkna justerade associationer med hjälp av en logistisk regressionsmodell. Utredarna kommer också att undersöka daglig risk för död med hjälp av en modell för slumpmässiga effekter med de upprepade dagliga mätningarna. För att undersöka potentialen för en lätt beräknad klinisk riskpoäng kommer logistiska modeller att utarbetas, men kontinuerliga variabler behålls som kontinuerliga (för att maximera bevarandet av användbara prediktiva data) och reducera dem till kategoriska data (för att underlätta klinisk beräkning). Utredarna kommer att välja prediktorer för modellen med hjälp av bakåteliminering med Akaike-informationskriteriet och alfa = 0,05. För kandidatmodeller kommer utredarna att beräkna c-indexet och mottagarens driftkurvor och bedöma kalibreringen med Hosmer-Lemeshow-testet. Bootstrapping och korsvalidering kommer att användas för att undvika överanpassning och bedöma modellens prestanda.

Tidstrendanalys för att identifiera markörer som leder till döden. Vi kommer att undersöka data för trender över tid i upprepade mätningar där sådana finns och beskriva dessa med hjälp av lämplig sammanfattande statistik. Om det finns tillräckligt många upprepade mätningar, kommer varje kovariat att bedömas med en JoinPoint-analys för att bedöma om det finns en uppenbar böjning i tid för att indikera en förändring i den kliniska bilden som markerar en nedgång mot döden. Baslinjekarakteristika för patienter som skrivits ut utan extra syre. kommer att bedöma sambandet mellan baslinjeparametrar och demografi för patienter som skrivs ut utan extra syre jämfört med de som inte gör det genom att korstabulera baslinjeparametrar med ventilation och beräkna justerade associationer med hjälp av en logistisk regressionsmodell. För att undersöka potentialen för en lätt beräknad klinisk riskpoäng kommer logistiska modeller att utarbetas, men kontinuerliga variabler behålls som kontinuerliga (för att maximera bevarandet av användbara prediktiva data) och reducera dem till kategoriska data (för att underlätta klinisk beräkning). Utredarna kommer att välja prediktorer för modellen med hjälp av bakåteliminering med Akaike-informationskriteriet och alfa = 0,05. För kandidatmodeller kommer utredarna att beräkna c-indexet och mottagarens driftkurvor och bedöma kalibreringen med Hosmer-Lemeshow-testet. Vart och ett av dessa steg kommer att upprepas i 10 slumpmässigt utvalda 20 % delprov av datamängden.

Stratifierade kompletterande analyser För att identifiera olika patientgrupper som riskerar att få dåliga resultat kommer interaktioner med varje riskmodell att bedömas för att identifiera om stratifiering behövs efter åldersband, kön, tidigare samsjukligheter och baslinjefaktorer såsom lymfopeni, CRP etc.

Alla analyser kommer att upprepas för grupper av PCR-beprövade Covid-19-patienter och de som endast misstänks.

För analys av utskrivning utan tillskott av syrgas kommer utredarna att undersöka risken för återintagning för dem som utskrivits på detta sätt och upprepa analysen endast för dem som inte senare återintagits.

Urvalskriterier

Inklusionskriterier • Alla patienter som tagits in på Nottingham University Hospitals Trust antingen misstänkta för att ha Covid-19-infektion eller hos vilka diagnosen så småningom bekräftas och som är över 18 år

Exklusions kriterier

• Är under 18 år.