COVID-19 ARDS 治疗、临床轨迹和机械呼吸机解放之间的关联——对 NorthCARDS 数据集的分析 (NorthCARDS)

调查人员将利用 NorthCARDS 数据集进行此分析。 该数据集包括 1500 多名被 Northwell Health System 收治的人，他们进行了 PCR 阳性 COVID19 检测，并因 ARDS 而接受了有创机械通气。 注册表开发于 2020 年 4 月启动，并继续收集 Northwell Health 医院所有机械通气 COVID19 ARDS 患者的前瞻性数据。 数据结构和工程由每周的多学科审查提供信息，包括医学信息学中的一线临床医生、数据科学家、生物统计学家和数据工程师。 随机选择患者进行个人“手动”图表审查，以进行数据假设和记录。

使用多变量回归分析建模的两个结果将是：

1. 指数医院生存和
2. 从机械通气中解放出来的时间。

从机械通气中解放将被定义为非姑息性拔管和持续拔管超过一周。 结果将从电子健康记录查询中获得。 研究人员在 2020 年 11 月 30 日之前没有结果数据的患者将在分析中被截断，描述性统计数据将单独总结和呈现。

研究人员将使用两种假设驱动的方法进行此分析，其中已知的不良结果风险因素将包含在多变量回归模型中（模型 1 的逻辑回归和模型 2 的 Cox 比例风险）；研究人员还将为模型执行数据驱动的变量选择。 将包含在模型中的先验定义的风险因素将是：年龄、性别、BMI、基线时的功能状态（疗养院与社区住院）、合并症（冠状动脉疾病、慢性肾脏病、神经系统疾病、慢性阻塞性肺病、糖尿病、活动性癌症、高血压）；住院治疗（对于连续值将是（最大值、中值、轨迹）），包括 PEEP 水平、驱动压、FiO2、低氧血症 (Pao2:FiO2)、机械呼吸机类型（便携式与非便携式）、针对 COVID 的药物（例如阿奇霉素） , 羟氯喹, 皮质类固醇);院内终末器官损伤：肝功能障碍、肾功能障碍、凝血病（通过 SOFA 评分获取）、心功能障碍和需要血管升压药/正性肌力药物的休克。日历时间、医院类型（社区与三级医院）和医院容量（以医院病床数量和从急诊室入院到转移到住院病床的时间来衡量）也将包括在分析中，以考虑时间和结果的系统性影响。

最终模型将包括通过反向选择过程选择的变量，以及通过数据驱动方法排名靠前的变量，包括由 Lasso 惩罚正则化的逻辑回归模型和由 Lasso 惩罚正则化的 Cox 比例风险模型。 将使用 C 统计量评估模型 1（住院生存）的模型性能。

模型 2 的模型性能（机械呼吸机解放时间）将基于适用于删失数据的 C 统计量。

缺失数据管理：当模型（1）（医院生存）的结果数据缺失时，如果缺失的结果少于 5%，将使用完整的病例分析；如果缺失超过 5%，将通过假设所有缺失结果都过期或存活来执行敏感性分析，以查看结果是否与使用完整病例分析的结果相似。

当模型 (2)（从机械通气中解放出来）的结果数据缺失时，缺失的结果将被视为删失。

如果我们的队列中总体< 5% 缺少任何风险因素的数据，则仅包括所有风险因素具有完整值的患者（其他人将被丢弃）。

如果 > 5% 的队列缺失任何风险因素的数据，则缺失数据将使用多重插补法进行插补。

如果风险因素在 > 50% 的患者中缺失，则该变量将不包括在分析中。

特征工程/数据缩减：我们还将测试被视为一个协变量的协变量组合是否会提高模型性能。 这将包括 COVID-19 疾病指数（高炎症标志物的组合、插管时的 PaO2:FiO2 指数、插管时需要升压药和氧合指数）和遵守标准 ARDS 治疗方案（驱动压力，是否接受较少超过 6-8 cc/kg 预测体重和是否俯卧）。