呼吸支持和 COVID-19 死亡率

统计方法

如果连续数据遵循使用直方图和 Q-Q 图评估的正态分布，则以均值和标准差 (SD) 表示；否则，作为中位数和四分位数范围 (IQR)。 分类数据以数字和百分比表示。 缺失的数据将不会被估算。 如果相关变量的数据缺失，则排除来自特定分析的患者。

第一个目标是研究不同 NIV 的相对有效性，包括高流量鼻插管 (HFNC)、双水平气道正压通气 (BiPAP) 和持续气道正压通气 (CPAP)。 患者将根据他们首次接受的 NIV 类型分为三组。 在 NIV 之前接受有创机械通气 (IMV) 的患者将被排除在外。 接受两种或三种不同类型 NIV 的患者也将被排除在该分析之外。 在使用 NIV 后接受 IMV 的患者符合条件。

次要目标是通过与仅接受 NIV 的患者进行比较来研究 IMV 对死亡率的影响。 还将研究肺保护性通气在接受 IMV 治疗的患者中的作用。 将探讨与改善结果相关的呼吸机设置的特征。

主要结果是院内死亡率，患者将被随访直至出院。 如果患者活着出院或在数据提取结束时仍在住院，则认为患者还活着。 对于第一个目标，还将分析从 NIV 到 IMV 的呼吸支持升级率（作为该分析中的次要结果测量）。

将使用倾向得分匹配来平衡患者。 倾向评分模型将包括人口特征、合并症、大流行阶段、急性疾病的严重程度（目标呼吸支持前 24 小时）、实验室结果（目标呼吸支持前 24 小时）和生命体征（目标呼吸支持前 24 小时）呼吸支持）。 匹配对之间的平衡将使用标准化的 10% 差异进行评估，并使用 Yang 和 Dalton 描述的方法进行计算。 分层 Cox 比例风险模型将用于分析配对。 此外，将使用产品限制 Kaplan-Meier 估计器来估计生存率，并将使用对数秩统计来比较生存曲线。

备份统计分析方案如下。 将执行单变量 Cox 比例风险模型以筛选与较低死亡率相关的潜在因素。 将执行多变量 Cox 比例风险模型来估计呼吸支持与死亡率之间的独立关联。 多变量分析中包含的混杂因素如下： 1) 已知的死亡风险因素（年龄、性别和高血压）； 2) 有针对性的呼吸支持前 24 小时急性疾病的严重程度（序贯器官衰竭评估评分和格拉斯哥昏迷量表评分）； 3）第一个大流行年的各个阶段，包括第一阶段（2020年2月1日至2020年5月31日）、第二阶段（2020年6月1日至2020年8月31日）、第三阶段（9月1日） , 2020年至2020年11月30日），第四阶段（2020年12月1日至最后提取数据日期）； 4) 单变量分析中 P 值 < 0.25 的人口统计学和合并症；和 5) 在单变量分析中 P 值 < 0.25 的目标呼吸支持前 24 小时的实验室结果和生命体征。 所有被视为 COVID-19 管理一部分的治疗都将包含在混杂控制的多变量分析中。 为避免共线性，如果两个变量的绝对 Pearson 或 Spearman 等级相关系数大于 0.5，则仅包含一个变量。 缺失数据超过 10% 的变量也将被排除。 考虑到所有与 COVID-19 相关的呼吸支持/治疗的假设，将使用 Bonferroni 方法纠正多项测试，以减少在双边 0.05 α 水平上出现 I 型错误的可能性。 暴露与死亡率之间的关联将使用风险比 (HR) 进行估算，并以 95% 置信区间 (CI) 进行报告。 为了解释医院内的聚类，将使用稳健的三明治估计器来计算 HR 的标准误差。 将使用 Schoenfeld 残差评估比例风险假设。

对于双尾假设检验，每个一般假设的显着性水平为 0.05。 所有分析都将在 R 软件（版本 3.5.3， R 统计计算基金会）。