Prediktionsmodell för postoperativ huvudvärk efter transsfenoidal hypofyskirurgi

1. Kvalitetskontroll och kvalitetssäkring av studien

För att säkerställa äktheten, integriteten och noggrannheten i studieuppgifterna, samt för att säkerställa att studieprocessen fullständigt följer protokollet och etiska standarder, har följande kvalitetskontroll- och kvalitetssäkningsåtgärder fastställts:

1.1 Utveckling och implementering av standardiserade arbetsrutiner (SOP)

1. . Studie-specifik SOP: En specifik standardiserad arbetsrutin för klinisk forskningsdatainsamling kommer att utvecklas för denna studie. Den kommer att klart definiera definitioner, insamlingsmetoder, tidpunkter och inspelningsstandarder för varje observationsindikator (t.ex. VAS-poängsättningsinstruktioner, kriterier för gradering av nasal patency).
2. . Datainmatnings-SOP: Normer för inmatning av data i det elektroniska datainsamlingssystemet kommer att fastställas för att säkerställa att data överförs från fallrapportformulär till databasen på ett snabbt, korrekt och konsekvent sätt.

1.2 Utbildning av forskare och konsekvensbedömning

1. . Startutbildning: Innan studien börjar kommer alla involverade forskare, sjuksköterskor och datahanterare att genomgå en enhetlig utbildning för att säkerställa att de fullständigt förstår studieprotokollet, behärskar bedömningsmetoderna för olika skalor och är medvetna om kraven för datainmatning.
2. . Konsekvensbedömning: För subjektiva indikatorer såsom smärtbedömning och nasal undersökning kommer interna konsekvensbedömningar att genomföras för att säkerställa att olika utvärderare har konsekventa bedömningskriterier och för att minska mätbias.

1.3 Hantering av deltagarnas följsamhet

1. . Tydlig kommunikation: Under det informerade samtycktsprocessen kommer deltagarna att fullständigt informeras om studiens betydelse, de involverade procedurerna och vad deras samarbete innebär. Rimliga förväntningar kommer att fastställas.
2. . Bekväm uppföljning: HIT-6-skalebedömningarna vid 1 och 3 månader postoperativt kommer att integreras med deltagarnas rutinmässiga öppenvårdsuppföljningar. Påminnelser och uppföljningar kommer att genomföras genom bekväma medel som telefonsamtal och WeChat för att minska bortfallet.
3. . Underhåll av goda relationer: Forskningsgruppen kommer att upprätthålla god kommunikation med deltagarna, snabbt besvara frågor och öka deras förtroende och entusiasm för att delta i studien.

1.4 Övervakning av studieprocessen och datavalidering

1. . Intern övervakning: En studiekoordinator som inte är direkt involverad i datainmatning kommer att utses för att regelbundet (t.ex. varannan vecka) genomföra källverifiering av data. Ett slumpmässigt urval på 10-15% av fallrapportformulären kommer att kontrolleras mot källdata i sjukhusets elektroniska journaler (förloppsanteckningar, sjuksköterskeanteckningar, laboratorierapporter) för att säkerställa datanoggrannhet.
2. . Datagranskning: Datahanteraren kommer regelbundet att köra logikkontroller för att verifiera datans fullständighet, rimlighet och logiska konsekvens (t.ex. utskrivningsdatum bör inte vara tidigare än operationsdatum, VAS-poäng bör vara inom ett rimligt intervall). Eventuella avvikelser som upptäcks kommer att omedelbart efterfrågas och korrigeras av forskarna.

1.5 Etisk efterlevnadsövervakning Denna studie kommer strikt att följa principerna i Helsingforsdeklarationen och kommer att vara under full övervakning av etikprövningsnämnden vid Beijing Tiantan Hospital. Eventuella ändringar av studieprotokollet, såväl som allvarliga biverkningar som inträffar, kommer att rapporteras till etikprövningsnämnden enligt föreskrifter.

2. Detaljerad beskrivning av variabler

• ålder, år
• kön, 0=kvinna 1=man
• Primär operation/återkommande operation, 0=NEJ 1=JA
• kaffe/te-konsumtion, 0=NEJ 1=JA
• alkoholkonsumtion, 0=NEJ 1=JA
• rökning, 0=NEJ 1=JA
• diabetes, 0=NEJ 1=JA
• hypertoni, 0=NEJ 1=JA
• hjärtsjukdom, 0=NEJ 1=JA
• dyslipidemi, 0=NEJ 1=JA
• American_Society_of_Anesthesiologists_score_for_anesthesia, 0=I 1=II 2=III
• baseline_Beck_Depression_Inventory, 0-63
• baseline_Headache_Impact_Test, 36-78
• preoperative_headache_frequency; Frekvensen av månatliga huvudvärksanfall
• preoperative_headache_location
• preoperative_headache_duration, minut
• baseline_VAS_score, 0-10
• preoperative_headache_associated_symptoms, 1=äcklig 2=kväljningar 3=fotofobi och fonofobi
• preoperative_analgesics _usage, 0=NEJ 1=JA
• preoperative_analgesics_frequency
• preoperative_analgesics_effect, 1=Komplett remission 2=Partiell remission 3=ingen effekt
• preoperative_nasal_passage_patency, 1=Fullständigt patent, 2=lätt obstruerad, 3=kraftigt obstruerad
• preoperative_nasal_congestion, 1=Bilateralt patent 2=unilateralt obstruerad 3=bilateralt obstruerad
• preoperative_rhinorrhea, 0=NEJ 1=JA
• deviated_nasal_septum, 1=NEJ 2=höger 3=vänster
• hypertrophy_of_middle/inferior_turbinate, 0=NEJ 1=JA
• sinusitis, 0=NEJ 1=JA
• nasal_polyps, 0=NEJ 1=JA
• concha_bullosa, 0=NEJ 1=JA
• nasal_passage_stenosis, 0=NEJ 1=JA
• preoperative_hormone_levels, 0=normal 1=Hypofunktion 2=Hyperfunktion
• tumor_size, cm3
• knosp_scale, 0-4 nivå
• Hardy-Wilson_extension, 0-4 nivå
• Hardy-Wilson_invasion, A-E nivå
• duration_of_surgery, timmar
• blood_loss, ml
• Intraoperative_CSF_leakage, 0=NEJ 1=JA
• sellar_reconstruction, 0=NEJ 1=JA
• nasal_septal_mucosal_flap, 0=NEJ 1=JA
• fat_extraction, 0=NEJ 1=JA
• artificial_dura_mater, 0=NEJ 1=JA
• dura_suturing, 0=NEJ 1=JA
• resection_of_the_superior_turbinate, 0=NEJ 1=JA
• resection_of_the_middle_turbinate, 0=NEJ 1=JA
• nasal_packing, 0=NEJ 1=JA
• bilateral_nasal_packing, 0=NEJ 1=JA
• type_of_anesthetic_drugs
• dosage_of_anesthetic_drugs
• postoperative_intracranial_hemorrhage, 0=NEJ 1=JA
• postoperative_CSF_leakage, 0=NEJ 1=JA
• reoperation, 0=NEJ 1=JA
• extent_of_tumor_resection, 0=totalresektion 1=subtotalresektion
• tumor_pathology
• postoperative_infection, 0=NEJ 1=JA
• daily_Visual_Analogue_Scale
• daily_headache_location
• daily_headache_type, 1=paroxystisk 2=kontinuerlig 3=paroxystisk & kontinuerlig
• daily_headache_duration
• daily_headache_frequency
• daily_headache_associated_symptoms, 1=äcklig 2=kväljningar 3=fotofobi och fonofobi
• daily_nasal_passage_patency, 1=Fullständigt patent, 2=lätt obstruerad, 3=kraftigt obstruerad
• daily_nasal_congestion, 1=Bilateralt patent 2=unilateralt obstruerad 3=bilateralt
• daily_analgesics _usage, 0=NEJ 1=JA
• daily_analgesics_frequency
• daily_analgesics_effect, 1=Komplett remission 2=Partiell remission 3=ingen effekt
• daily_Na, mmol/L
• daily_K, mmol/L
• daily_urine_volume, ml
• postoperative_hormone_level, 0=normal 1=Hypofunktion 2=Hyperfunktion
• VAS_1_month, 0-10 poäng
• VAS_3_month, 0-10 poäng
• HIT_1_month, 36-78 poäng
• HIT_3_month, 36-78 poäng
• Postoperative_Olfaction_1_month, 0=NEJ 1=JA
• Postoperative_Olfaction_3_month, 0=NEJ 1=JA
• Postoperative_Massive_Epistaxis_1_month, 0=NEJ 1=JA

• Postoperative_Massive_Epistaxis_3_month, 0=NEJ 1=JA

  3. Standardiserade arbetsrutiner för klinisk forskningsdatainsamling 3.1. Introduktion Denna standardiserade arbetsrutin (SOP) är utformad för att reglera insamlings- och hanteringsprocesserna för data i prospektiva observationsstudier, för att säkerställa noggrannheten, integriteten och tillförlitligheten i studieuppgifterna. Insamlingen av kliniska studieuppgifter är ett avgörande steg i utvärderingen av resultat och måste följa SOP för att säkerställa resultatens tillförlitlighet och reproducerbarhet.

3.2. Datainsamlingsprocess 3.2.1 Patientrekrytering och inkludering Patienter måste genomgå noggrann screening före inkludering enligt inklusions- och exklusionskriterierna. Detaljerade anteckningar om patienternas grundinformation och sjukdomsstatus bör upprätthållas för att säkerställa datans fullständighet och noggrannhet.

3.2.2 Datainsamlingsverktyg Pappersbaserade fallrapportformulär (CRF) och elektroniska datainsamlingssystem (t.ex. Excel) används för datainsamling. CRF bör vara fullständiga, korrekta och lättförståeliga för att säkerställa dataenhetlighet.

3.2.3 Datainsamlingsprocedurer

1. Innan datainmatning ska patientidentitet och studienummer verifieras för att undvika förväxling av information.
2. Data ska registreras och matas in av kvalificerade forskare för att säkerställa noggrannhet och fullständighet.
3. Datainspelning ska snabbt och korrekt återspegla förändringar i patientens status, särskilt observationsindikatorer relaterade till utfall.
4. Ändring eller radering av inspelade data är förbjuden. Om korrigeringar är nödvändiga måste de förklaras och bekräftas med underskrift.
5. Om problem eller saknade data identifieras under datainmatning ska de omedelbart verifieras och kompletteras med relevant personal för att säkerställa datans integritet och tillförlitlighet.

3.2.4 Datakällor och insamlingspunkter Datakällor och insamlingspunkter bör vara klart definierade, inklusive journaler, laboratorietester och patienters självrapporter.

Datakällor: 1. Sjukhusets elektroniska journalsystem; 2. Patienters självrapporter; 3. CRF-formulär En forskare registrerar data på pappers-CRF, och en annan forskare matar in data i databasen. Databasen inkluderar standardiserade definitioner och intervall för varje variabel.

3.2.5 Datahantering för kvalitet

1. Under datainsamling bör kontroller utföras för logisk konsekvens, rimlighet och intern och extern konsekvens för att säkerställa datakvalitet.
2. Avvikande värden och saknade data bör flaggas och verifieras, med nödvändiga kompletteringar och korrigeringar gjorda.
3. Datavalidering bör genomföras regelbundet för att säkerställa noggrannhet och fullständighet.
4. Efter att datainsamling är klar bör datarensning och granskning utföras för att korrigera eventuella problem och säkerställa tillförlitlighet.

3.3. Datahantering och lagring 3.3.1 Datahantering För att säkerställa datasäkerhet och konfidentialitet bör ett omfattande datahanteringssystem etableras, inklusive datasäkerhetskopiering, åtkomstkontroll och säker dataöverföring.

3.3.2 Datalagring Data bör lagras på SSD-enheter under en period av tre år. Säkerheten och tillförlitligheten i datalagringen måste säkerställas för att upprätthålla dataintegritet och förhindra förlust.

3.4. Dataanalys och rapportering Efter slutförd datainsamling bör dataanalys och resultatrapportering genomföras. Dataanalys bör följa statistiska principer och relevanta föreskrifter för att säkerställa resultatens noggrannhet och tolkbarhet.

3.5. Ändringar och revisioner Denna SOP kan ändras eller revideras efter behov, men sådana ändringar måste granskas och godkännas av ansvariga myndigheter och snabbt kommuniceras till studiegruppen för SOP-uppdateringar.

4. Bedömning av urvalsstorlek 4.1 Beräkningsgrund: Det primära målet med denna studie är att konstruera en prediktiv modell för korttids postoperativ huvudvärk. Urvalsstorleksberäkningen baseras på den allmänt accepterade standarden för utveckling av kliniska prediktionsmodeller - events per variable (EPV). Specifikt krävs minst 10 positiva utfallshändelser för varje prediktorvariabel som ska undersökas, för att säkerställa modellens stabilitet och tillförlitlighet.

4.2 Parameterinställningar:

• Förväntade positiva utfallshändelser: Baserat på preliminära observationer och litteratur förväntas andelen patienter som upplever måttlig till svår huvudvärk (VAS ≥ 4) postoperativt vara cirka 25%.
• Antal prediktorvariabler: Initialt kommer cirka 5-6 potentiella prediktorvariabler (inklusive allmän information, preoperativa, intraoperativa och postoperativa variabler) att inkluderas i modellen.

4.3 Uppskattning av urvalsstorlek:

• Krävda positiva händelser: 12 variabler × 10 EPV = 120 händelser.
• Total urvalsstorlek: Krävda positiva händelser / Förväntad incidens = 120 / 0,25 = 480 fall.

4.4 Slutlig bestämning av urvalsstorlek: Med hänsyn till den 1-åriga studieperioden (december 2025 - december 2026) och den enkelcentrerade karaktären av denna studie, baserat på vårt centrums årliga operationsvolym (över 1 100 fall) och genomförbarhet, samtidigt som statistisk styrka säkerställs, sätts målurvalsstorleken till 500 fall. Med denna urvalsstorlek, även om incidensen av positiva händelser är något lägre än förväntat (t.ex. 20%), skulle det fortfarande generera 100 positiva händelser, vilket uppfyller det grundläggande kravet på EPV ≥ 10 och säkerställer noggrannheten i modellkonstruktionen.

5. Plan för saknade data. För att hantera saknade data och variabelurval kommer följande metoder att användas: 5.1 Multipel imputering: Saknade värden för sekundära variabler kommer att imputeras för att fullt ut utnyttja all tillgänglig datainformation.

5.2 Exklusionskriterier Patienter som uppfyller något av följande kriterier efter inkludering kommer att ha sina data exkluderade och inte inkluderas i den slutliga analysen

1. Den postoperativa patologin bekräftar att tumören inte är av hypofysursprung.
2. Patienten överförs till IVA för allvarliga komplikationer (såsom intrakraniell blödning eller intrakraniell infektion), vilket resulterar i oförmåga att genomföra standardiserade dagliga smärtbedömningar i mer än 48 timmar.
3. Det finns en allvarlig förlust av postoperativa kliniska data, med en andel saknade nyckelvariabler (såsom primärt utfallsmått, VAS-poäng) som överstiger 20%.
4. Patienten eller deras familj frivilligt begär att dra sig ur studien under uppföljningsperioden.

6. Statistisk analys 6.1 Statistisk programvara: All statistisk analys kommer att genomföras med R (version 4.3.0 eller högre) eller IBM SPSS Statistics (version 26.0 eller högre). En tvåsidig test kommer att tillämpas, med P < 0,05 anses statistiskt signifikant.

6.2 Analysdatauppsättningar:

• Full analysuppsättning: Denna uppsättning inkluderar alla deltagare som gav informerat samtycke och slutförde minst en postoperativ VAS-bedömning. Den kommer främst att användas för deskriptiv statistik och analys av mönster för saknade data.
• Komplett falluppsättning: Denna dataset, använd för prediktiv modellkonstruktion och primära analyser, inkluderar fall utan saknade värden för nyckelvariabler. För sekundära variabler kommer saknade värden att hanteras med multipel imputering.

6.3 Statistiska analysmetoder: 6.3.1 Deskriptiv statistik:

• Kontinuerlig data: Normalfördelad data kommer att beskrivas med medelvärde ± standardavvikelse och analyseras med t-test eller variansanalys (ANOVA). Icke-normalfördelad data kommer att beskrivas med median (interkvartilavstånd) och analyseras med Mann-Whitney U-test eller Kruskal-Wallis H-test.
• Kategorisk data: Data kommer att presenteras som antal (procent) och analyseras med chi-två (χ²)-test eller Fishers exakta test.

6.3.2 Prediktiv modellkonstruktion och validering (för det primära målet):

• Variabelurval: Univariat analys kommer att utföras först, med variabler som har P < 0,1 inkluderade i multivariat analys. För att hantera överanpassning och multikollinearitet kommer LASSO-regression (Least Absolute Shrinkage and Selection Operator) att användas för variabelurval.
• Modellkonstruktion: Variabler valda av LASSO kommer att inkluderas i en multivariat logistisk regressionsmodell, med förekomsten av måttlig till svår postoperativ huvudvärk (VAS ≥ 4) som beroende variabel. Oddsförhållanden och deras 95% konfidensintervall för varje oberoende variabel kommer att beräknas.
• Modellprestandabedömning:
• Diskriminering: Receiver operating characteristic (ROC)-kurvor kommer att ritas, och area under the curve (AUC) kommer att beräknas för att bedöma diskriminering.
• Kalibrering: Kalibreringskurvor kommer att ritas, och Hosmer-Lemeshow goodness-of-fit-test kommer att användas för att utvärdera överensstämmelsen mellan förutsagda sannolikheter och faktiskt observerade sannolikheter.
• Intern validering: Bootstrap-återprovtagning (1000 gånger) kommer att användas för intern validering av modellen, med beräkning av optimism-korrigerad AUC för att bedöma modellens generaliserbarhet.

6.3.3 Korrelationsanalys (för sekundära mål):

• Spearmans rangkorrelationsanalys kommer att användas för att undersöka korrelationen mellan högsta postoperativa VAS-poäng och HIT-6-poäng vid 1 och 3 månader postoperativt.