印度创伤患者的围手术期死亡率

介绍

创伤可以定义为由于外力和身体的相关反应而对身体造成的伤害。 它是全世界死亡的主要原因之一，每年造成近 500 万人死亡，占全球死亡人数的近 9%。 其中，仅道路交通伤害一项就导致 130 万人死亡，成为第九大死因，预计到 2030 年将升至第七大死因。 然而，总体而言，过去 30 年世界的预期寿命有所增加，婴儿和孕产妇死亡率有所下降。 有证据表明，外科手术每年导致至少 100 万人死亡，是孕产妇死亡人数的两倍，因此已经确定需要新的健康指标来评估卫生系统的绩效。

世卫组织安全手术拯救生命倡议提出了两个指标：手术当天死亡率和术后 30 天住院死亡率。 随后引入的围手术期死亡率（POMR）包括这两者。 迄今为止，手术日测量没有标准的时间跨度——为方便起见，建议在手术当天测量，而一些机构在 24 小时测量，而其他机构在手术后 48 小时测量。 计算 POMR（死亡和手术次数）所需的结果很容易定义。 此外，还有一个选项可以选择在出院时结束随访，这使得该指标适用于资源匮乏的环境，那里很少有 30 天的随访。 这些品质使POMR成为世界范围内追踪手术质量和安全性的首选指标。

对手术患者数据库的分析确定了一些与围手术期死亡率 (POM) 比其他因素更密切相关的因素。 特别是在创伤方面，高度强调彻底的风险调整，以便能够在医院和患者层面进行比较。 然而，数据产出调整模型主要来自高收入国家，考虑到并非所有与高资源环境中 POM 相关的风险因素都适用于低资源环境，这一点很重要。 这归因于资源匮乏地区（尤其是印度）外科手术项目数据的匮乏。 随着该国面临越来越多的机动化，以及与 POM 相关的因素知之甚少的创伤患者的增加，弥合这一知识差距非常重要。

因此，本研究将估计 POMR 并评估印度城市环境中成人创伤患者的急性手术干预类型与 POM 之间的关联。

目标/宗旨

估计 POMR 并评估资源匮乏环境中成人创伤患者的急性手术类型与 POM 之间的关联。 基于主题知识和临床经验，本文作者假设急性手术的多项变量类型的分布在幸存者和非幸存者之间存在显着差异，并且这种差异在风险调整后仍然显着。

学习规划

这是对印度改善创伤护理结果队列研究 (TITCO) 的回顾性分析。

环境

所使用的数据可在 TITCO 数据库中获得，该数据库包括 2013 年 7 月至 2015 年 12 月期间从四家公立大学医院前瞻性登记的总共 16,047 名创伤患者。 这些单位都位于特大城市（加尔各答、孟买和德里），并被归类为免费向公众开放。 数据是通过一名经过现场培训和监督的观察员收集的，该观察员通过在急诊室的直接观察和从医疗记录中提取，系统地记录了到达时的常规数据。 观察员轮流工作 8 小时轮班，涵盖早、日、夜。 回顾性地从患者记录中提取在观察员轮班之外入院的患者的数据。 随访患者直至出院，或随访 30 天，或直至死亡。

参与者选择的来源和方法

现场观察员包括通过直接观察或从记录中提取的回顾性数据到参与中心就诊的患者。

解释变量

主要解释变量将是急性手术的类型，使用北欧医疗保健分类中心 (NOMESCO) 外科手术分类 (NCSP) 进行分类，该分类基于功能解剖身体系统组。

其他协变量

急性手术类型和 POM 之间的关联将根据损伤机制、患者年龄、性别、收缩压、心率、转移状态和到达时的格拉斯哥昏迷量表进行调整。 将包含一个健康中心标识符，以说明数据中的中心级别嵌套。

数据源/测量

对于在到达后 24 小时内接受急性手术干预的成年创伤患者，将计算 POMR，方法是将到达后 48 小时内死亡的手术患者人数与到达后 30 天内死亡的患者人数相除，总计接受手术的患者人数。 由于数据库格式，48 小时的手术日死亡率测量时间跨度被认为是最准确的，其中说明患者是否在 24 小时内被送往手术室 (OR)。 只有在局部麻醉或全身麻醉下在手术室中进行的手术才有资格。 生成的 POMR 将以百分比形式报告。

偏见

收集数据的观察员拥有健康科学硕士学位，并接受过项目管理培训。 项目管理人员还对它们进行了两次交叉检查，每次都将随机选择的登记患者记录与医院存档的记录进行比较。 在这些质量控制会议期间没有发现重大差异。

按照美国外科医师学会 (ACS) 的预测外伤死亡率的建议，将损伤严重程度评分 (ISS) 纳入风险调整模型，但由于 ISS 在预测资源匮乏的早期死亡率方面表现不佳，因此本研究将不会进行设置。 然而，包括收缩压、心率和 GCS 评分形式的生理损伤评分，以根据生理损伤的严重程度进行调整。 ASA 身体评分和使用呼吸机的需要将不包括在内，因为数据库中没有此信息。

数据库的局限性不允许考虑患者是否在 30 天内的前 24 小时之外进行过任何二次亚急性手术。 因此，最初 24 小时后进行的亚急性手术干预不计算在内，因此不包括在 POMR 的分母中。 实际上，不是像建议的那样将分母定义为手术总数，而是将其重新定义为患者总数。 作者承认这并不理想，因为在接受额外手术的患者围手术期死亡的情况下，它意味着高估 POMR 的潜在风险。

研究规模

逻辑回归模型的模拟研究表明需要十个事件，即具有结果的患者，模型中使用的每个参数。 对于本研究中的逻辑回归模型，急性手术的类型将占14个参数，即待估计的系数。 损伤机制将考虑四个参数。 四个不同的中心将占三个。 因为年龄、心率和收缩压将使用具有四个自由度的样条曲线建模，所以这些变量将分别考虑三个参数。 性、格拉斯哥昏迷量表和转移状态分别为一，共计 33 个参数。 因此，该分析将需要至少 330 名非幸存者才能对 POMR48H 和 POMR30D 进行逻辑回归分析。 假设 POMR48H 为 10%，研究规模（在 24 小时内接受手术的成人人数）至少需要达到 n = 3300。 TITCO 数据库中所有在抵达后 24 小时内接受手术干预的成年患者都将被纳入，预计将提供足够大的研究规模。

定量变量

所有定量变量，即年龄、收缩压、心率和格拉斯哥昏迷量表将作为连续分析。 假设年龄、收缩压和心率与死亡率呈非线性关联，因此将使用具有四个自由度的样条平滑项对这些进行建模，从而为每个要估计的三个基函数的系数。 假定格拉斯哥昏迷量表与死亡率呈线性关联。

统计方法和分析

R 是一种用于统计计算的语言和环境，将用于所有统计分析。 主要分析将是一个完整的案例分析，其中将排除在任何协变量中具有缺失值的观察值。 如果缺失数据过于广泛而无法进行分析，将应用使用链式方程的多重插补。 将使用第 25 个和第 75 个百分位数的中位数和值以及定量变量的最小值和最大值以及定性变量的比例来报告样本特征。 手术类型和 POMR 之间的关联将使用多级广义加性模型分两步进行评估。 首先，将使用不包括其他协变量的模型来估计手术类型和 POM 之间的粗略关联。 其次，将使用包含上述协变量的模型评估调整后的关联。 将使用 95% 的置信区间和 5% 的显着性水平。

敏感性分析

将通过使用广义加性模型进行一项敏感性分析，而不考虑中心级嵌套。