心脏手术后围手术期卒中后的结果

背景技术围手术期中风是心脏手术的一种破坏性并发症，目前其特征尚不明确。 围手术期卒中是心脏手术后发生的脑血管事件，影响 1-5% 的患者。 目前的文献已经确定，手术后发生中风的患者死亡率、住院时间和出院时间都更高，但鉴于这种并发症的罕见性，对于哪些因素可以预测中风患者的这些结果知之甚少围手术期中风

目标

1. 推导和外部验证死亡率（主要结果）、不良出院和围手术期卒中后住院时间的风险预测模型。
2. 描述 2005 年至 2020 年围手术期卒中后死亡率的时间趋势。

方法 本研究是对 2004 年至 2020 年间前瞻性收集的美国外科医师学会国家外科质量改进计划数据库的回顾性分析。 研究队列将从 NSQIP 数据库中提取，包括所有在手术后 30 天内发生中风和接受心脏手术的患者。

研究人群 将包括 2005 年至 2020 年间在 NSQIP 数据库中接受过任何心脏外科手术并经历过围手术期卒中的患者。

结果 主要结果是 30 天死亡率；次要结果是住院时间和不良出院（非家庭设施或死亡）。

候选预测变量：围手术期卒中后的结果可能与患者、手术和麻醉因素以及卒中的特征有关。 候选预测变量将包括患者特征（年龄、性别、合并症）、手术特征（复杂性、类型、紧急状态、主动脉手术）、术后并发症（心脏骤停、心肌缺血、输血）和中风特征（由相关气管切开术确定的严重程度）或去骨瓣），相对于手术的时间，中风再入院与住院中风）。 将考虑使用分数多项式进行连续变量的转换，以允许连续的非线性关联。

分析 将创建预测 30 天死亡率（主要结果）、不良出院和住院时间的多变量模型。 为避免过度拟合，我们将采用数据缩减策略并排除缺失数据大于 10% 或少于 20 个观察值的变量，其中 >1% 但 <10% 的数据缺失，我们将考虑多重或均值插补。

预先指定的预测变量将用于使用主成分分析构建逻辑回归模型。 我们将先验地检查以下相互作用：年龄*性别、手术复杂性（手术时间）*年龄。 鉴于早期（<48 小时）和晚期（>48 小时和 <30 天）围手术期卒中的潜在差异机制，我们将从手术到事件的天数作为连续变量和分类变量。

将使用接受者操作特征曲线（c 统计量）下的面积来评估模型辨别力。 将使用风险范围内观察到的风险与预测的风险的黄土平滑图来评估模型校准。 将使用类似的分析来创建停留时间的预测模型。 由于死亡是出院处置的竞争结果，因此不良出院将被建模为有序结果（家庭、非家庭出院或死亡）。 推导后，将使用 5,000 个自举样本进行内部验证。

死亡率的时间趋势将首先使用探索性未调整普通最小二乘回归模型进行分析，该模型将围手术期卒中后的年死亡率作为因变量，年份作为预测因子，以估计死亡率随时间的年度变化。 将指定多变量线性回归模型，针对重要的预测因素进行调整。