电子虚弱指数+ (eFI+) 的开发和评估

正在评估的卫生技术

eFI+ 将使用原始 eFI 的组件进行开发，并辅以额外的常规初级保健 EHR 数据，以及关于在常规初级保健实践中实施简单临床措施的额外好处的指南。 eFI+ 将适用于在英国初级保健 EHR 系统中快速实施，建立在与系统供应商 (SystmOne/EMISWeb/Vision/Microtest) 的现有紧密联系的基础上。

研究人员将开发 eFI+，然后使用安全匿名信息链接 (SAIL) 数据库、ResearchOne 数据库和利兹数据模型 (LDM) 进行内部和外部验证。

此外，研究人员将分析 Community Aging Research 75+ (CARE75+) 队列研究数据（CI Clegg，n≈1,200）作为唯一一项包括 eFI 分数的全国队列研究，以研究在初级保健中可以评估的简单措施，但在常规 EHR 数据中不可用（例如 步态速度、起步计时测试；日常生活活动；孤独）可能会改善预测。

学习规划

使用常规初级保健研究数据 (ResearchOne)、链接数据集（SAIL 数据库和 LDM）和队列研究数据 (CARE75+) 的预后模型开发、内部验证和外部验证，以及集成决策分析建模，包括健康经济分析。

数据库

1. 安全匿名信息链接 (SAIL) 数据库

   来自威尔士约 500 万人的匿名记录，包括相关的初级保健、急诊就诊、住院、门诊数据、社会护理、威尔士护理之家数据集和英国国家统计局死亡率数据。 SAIL 包括 eFI 总分和各个组成部分。

2. 研究一号

   来自 TPP SystmOne 临床系统上约 600 万份英国初级保健电子健康记录的具有全国代表性的去识别化数据。 ResearchOne 包括 eFI 总分和各个组成部分。

3. 利兹数据模型 (LDM)

   来自利兹 108 家诊所的 810,000 名患者的匿名链接初级、二级、社区和社会护理数据，包括 eFI 总分和各个组成部分。

4. 社区老龄化研究 75+ (CARE75+) 队列

全国前瞻性队列研究 (n≈1,200) 收集详细的社会人口统计信息、虚弱措施（包括 eFI 分数）、适用于初级保健的简单工具（例如 步态速度、起步计时测试；日常生活活动；非正式护理；孤独感），以及 6、12、24 和 48 个月时的主要结果。 CARE75+ 是一个非常丰富的数据集，它提供了一种高效的方法来研究简单的仪器如何提高 eFI 性能。

符合条件的人群

患有中度虚弱（eFI 评分 0.24 至 0.36）或重度虚弱（eFI 评分 > 0.36）并于 2018 年 4 月 1 日注册 ResearchOne、SAIL 或 LDM 实践的≥65 岁患者。

所有患有中度虚弱（eFI 得分 0.24 至 0.36）或严重虚弱（eFI 得分 > 0.36）的 CARE75+ 参与者都符合资格。

风险预测结果（所有 12 个月）

• 新的或增加的家庭护理套餐
• 跌倒或骨折急诊就诊/住院
• 入住疗养院
• 全因死亡率

预测器

eFI 的组成部分，辅以常规初级保健 EHR 数据中可用的变量和适用于初级保健的临床评估措施。

预后模型

每个预后模型将仅在一个数据库中开发和内部验证，然后在第二个数据库中进行外部验证

预后模型开发的样本量

SAIL 和 ResearchOne 提取物将分别包括约 600,000 名 65 岁或以上的患者，其中估计有 72,000 人患有中度虚弱，24,000 人患有重度虚弱。 LDM 提取物将包括约 150,000 名 65 岁或以上的患者，其中估计有 18,000 人患有中度虚弱，6,000 人患有重度虚弱。

对于模型开发，有效样本量的一个关键指标是结果事件的数量。 之前使用 CARE75+、ResearchOne 和 SAIL 对感兴趣的结果进行的研究和可行性估计，为 12 个月内的预期事件数量提供了估计。

• 新的或增加的家庭护理包：根据中度虚弱组 12 个月的发生率为 14.9%（10,080 起）和重度虚弱组 12 个月的发生率为 24.1%（5,784 起），SAIL 中预计发生 15,864 起事件。
• 急诊就诊/因跌倒或骨折住院：根据中度虚弱组（5,328 起事件）12 个月发生率为 7.4%（5,328 起事件）和严重虚弱组（2,736 起事件）的 11.4% 发生率，SAIL 中预计发生 8,064 起事件。
• 入住疗养院：根据中度虚弱组 2.0% 的 12 个月发生率（1,440 起事件）和重度虚弱组 3.8% 的 12 个月发生率（720 起事件），ResearchOne 预计发生 2,160 起事件。
• 全因死亡率：根据中度虚弱组 12 个月的发生率为 10.6%（7,632 起）和重度虚弱组 12 个月的发生率为 19.1%（4,584 起），ResearchOne 预计发生 12,216 起事件。

因此，即使在 12 个月内对事件事件进行最低估计（对于入住疗养院），对于每个结果，研究人员预计在 ResearchOne 或 SAIL 中至少有 2,160 起事件。 这使我们能够稳健地估计每个结果的预后模型，即使有多达 108 个预测参数，对应于每个潜在预测参数 (2160/20) 的 20 个事件。 这超出了每个预测参数 10 或 15 个事件的“经验法则”建议。

此外，保守地假设新模型的 Nagelkerke R 平方为 15%，Riley 的样本量公式表明，当结果比例为 3% 时，每个预测参数至少有 7.5 个事件将确保过度拟合和乐观情绪最小化。 当将结果比例增加到 20%（家庭护理包）、9%（跌倒/骨折）或 15%（死亡率）时，每个预测参数所需的最小样本量分别为 18、11.5 和 15 个事件。 由于可用的大数据集，研究人员超越了所有这些。

外部验证的样本量

目前的建议是，预后模型外部验证至少需要 100 个事件和 100 个非事件（最好是 200 个）。 我们的估计表明远不止于此，例如 SAIL 和 ResearchOne 中最不普遍的护理院入院结果有 2160 个事件，LDM 中有 540 个事件（仅用于模型的外部验证）。

缺失数据

在随机假设缺失的情况下，使用多重插补和鲁宾规则进行处理，包括插补模型中的结果，说明实践聚类。

分析计划

i) 预后建模

研究人员将在开发数据集中建立 4 个独立的预后模型，以预测我们以中度或重度虚弱为起点的个人的 4 个关键陈述结果的风险。

对于每个结果，对于中度虚弱（eFI 得分 0.24 至 0.36）或严重虚弱（eFI 得分 > 0.36）的人，研究人员将开发并在内部验证一个预后模型，该模型仅包含 eFI（作为目前的整体），然后包含eFI 的组成部分（作为预测因素包括在内）以及其他常规初级保健 EHR 数据。 回归模型将是逻辑回归或灵活参数生存，用于二元或事件发生时间结果（当研究人员观察数据库编码和审查等时适当），以在 12 个月前产生结果风险。

由于样本量大，过度拟合预计会很小，但研究人员将通过自举估计的全局收缩因子使用惩罚来对其进行调整。 如果变量选择被认为对简约性很重要，研究人员宁愿通过弹性网使用惩罚。 内部验证将使用整个开发数据集的自举，以及为校准而生成的预测性能的乐观调整估计（例如 大规模校准、校准斜率、观察到的/预期的）、歧视（例如 C 统计量）和整体（例如 Nagelkerke R2) 预测风险的表现。 不会对连续变量进行分类，并使用样条或分数多项式检查潜在的非线性效应。 还将使用与时间的交互项来检查预测变量的非比例风险。

所有模型都将在不同的数据库中进行外部验证。 预测性能统计数据将按上述方式导出（例如 C 统计量，校准斜率），以及显示观察到的风险和预测的风险之间的一致性的校准图，在预测的风险范围内，使用黄土非参数平滑器。

另外，研究人员将使用 CARE75+ 数据集来研究从评论中确定的预后因素的临床评估措施的额外预测能力，这些措施可用于常规初级保健。

ii) 决策建模

预后模型将转化为一个框架，通过确定预测风险的相关阈值来指导临床决策，高于该阈值就需要实施我们规定的干预措施。 这将使我们能够生成一个决策分析模型 (DAM)，该模型将使用决策曲线和外部验证数据集中的净收益进行检查。

iii) 卫生经济评价

卫生经济学评价分两个阶段进行。 第一阶段的目标是对 DAM 确定的情景的成本效益进行为期 12 个月的短期比较。 对于第二阶段，研究人员将把我们的分析扩展到对这些情景的长期成本效益评估。