Связь катетера легочной артерии с внутрибольничными исходами после операции на сердце в США: национальная выборка стационарных пациентов, 1999–2019 гг.

Источник данных

Вторичный анализ существующих данных Агентства исследований и качества в области здравоохранения (AHRQ) Проекта затрат и использования медицинских услуг (HCUP) NIS был проведен за период 1999–2019 гг. NIS является крупнейшей общедоступной платной базой данных по стационарному лечению местных (нефедеральных) больниц в США. 20% стратифицированная вероятностная выборка больниц (до 2012 г.) или записей о выписке из больниц (с 2012 г.) была отобрана из всех участвующих штатов HCUP, стратифицированных по размеру коек, статусу преподавания, городскому населению и региону. В базе данных НИС были предоставлены веса при выписке из больниц, которые можно использовать для получения национальных оценок за все годы вместе взятых и для изучения тенденций с течением времени с учетом изменений в структуре выборки в 2012 г. Элементы данных НИС включали демографические данные пациентов, до 15 диагнозы и 15 процедур, а также госпитальное течение и исходы. Все методы проводились в соответствии с соответствующими руководствами и правилами. Исследование было определено как исследование, в котором не участвовали люди в больнице Fort Belvoir Community Hospital. Поскольку в рамках этого исследования не проводились эксперименты на людях и / или с использованием тканей человека, общественная больница Форт-Белвуар отказалась от одобрения институционального наблюдательного совета. Из-за характера исследования Институциональный наблюдательный совет больницы Fort Belvoir Community отказал в информированном согласии. Дополнительный цифровой контент 1 содержит список всех диагностических и процедурных кодов МКБ-9-СМ/МКБ-10, применяемых для определения критериев приемлемости и представляющих интерес переменных. Следует отметить, что коды МКБ-9-КМ использовались для 1999–2014 годов и первых трех кварталов 2015 года. В отличие от них коды МКБ-10 использовались для четвертого квартала 2015 года и 2016–2019 годов. .

Критерии приемлемости

Переменные, относящиеся к характеристикам пациентов и больниц, диагностическим и процедурным кодам, а также результатам, были определены с использованием элементов данных из основных баз данных НИС и больничных баз данных после применения предварительно определенных критериев включения и исключения. Исследуемая популяция соответствовала следующим критериям включения: (1) возраст ≥ 18 лет; (2) По крайней мере, одна из первых 15 процедурных переменных (PR1-PR15) содержит код МКБ-9-СМ/МКБ-10, соответствующий кардиохирургии. Был составлен исчерпывающий список кодов процедур по МКБ-9-КМ/МКБ-10, которые соответствуют кардиохирургическим операциям, и были отобраны записи о выписке из больницы, если у пациента был хотя бы один вид кардиохирургического вмешательства. После исключения больниц с <50 кардиохирургическими операциями, выполненными в целом в период с 1999 по 2019 год, и больниц с нулевым PAC в год, пациенты были исключены, если они соответствовали хотя бы одному из следующих критериев: (1) <5 кодов процедур; (2) недостающие данные о характеристиках пациентов и больниц, описанные ниже. Мы решили исключить больничные записи с менее чем 5 кодами процедур, чтобы максимизировать общий размер выборки и свести к минимуму вероятность неправильной классификации пациентов, перенесших несколько видов операций на сердце. Как показано на рис. 1132 916 882 из 158 971 760 записей NIS за 1999–2019 годы соответствовали пациентам в возрасте ≥ 18 лет, и из этих 1 477 041 записей были связаны с операциями на сердце. После применения критериев исключения было сохранено 969 034 записи (68% мужчин, средний возраст: 65 лет) (92 159 реципиентов ПАУ и 876 875 неполучивших ПАУ), из которых 323 929 соответствовали пациентам, у которых была одна или несколько характеристик подгруппы (32 539 ПАУ). реципиенты и 291 390 нереципиентов ПАУ), а 645 105 соответствовали пациентам, у которых не было ни одной из характеристик подгруппы (59 620 реципиентов ПАУ и 585 485 неполучателей ПАУ).

Характеристики пациента

Характеристики на уровне пациента определялись как возраст (в «летах»), пол («мужской», «женский»), раса/этническая принадлежность («белый», «афроамериканец», «испаноязычный», «другой»), сопутствующие заболевания Чарльсона. индекс [CCI] («0», «1», «2+»), выборочный прием («Да», «Нет»), приемная четверть («1-я четверть», «2-я четверть», «3-я четверть», «4-я четверть») , статус приема в выходные дни («понедельник-пятница», «суббота-воскресенье») и основной плательщик («Medicare», «Medicaid», «Частное страхование», «Самооплата», «Без оплаты», «Другое»). Показатель CCI отражает кумулятивное увеличение вероятности однолетней смертности из-за тяжести влияния сопутствующих заболеваний. В этом исследовании CCI рассчитывался с использованием 15 диагностических кодов МКБ-9-КМ/МКБ-10 с помощью команды Stata. Чарльсон. В качестве альтернативы CCI был заменен дихотомическими («Да», «Нет») переменными, основанными на диагностических кодах МКБ-9-КМ/МКБ-10, представляющих каждое из следующих сопутствующих заболеваний, имеющих отношение к пациентам с сердечно-сосудистыми заболеваниями: застойная сердечная недостаточность, инфаркт миокарда, заболевание аортального клапана, заболевание митрального клапана, заболевание трикуспидального клапана, заболевание клапана легочной артерии, дыхательная недостаточность, хроническая обструктивная болезнь легких, легочная гипертензия, гипертензия, пневмония, атеросклеротическое заболевание, инсульт, диабет, рак и хроническое заболевание печени.

Характеристики больницы

Характеристики больничного уровня определялись как больничный регион («Северо-восток», «Средний запад», «Юг», «Запад»), госпитальное управление («Правительственное или частное», «Правительственное, нефедеральное», «Частное, не для -прибыль», «Частная, принадлежащая инвестору», «Частная»), местоположение больницы и статус обучения («Сельская», «Городская — неучебная», «Городская — учебная») и размер больничной койки («Маленькая», «Средний», «Большой»).

Выбранные подгруппы

Диагностические и процедурные коды МКБ-9-КМ/МКБ-10 использовались для определения конкретных подгрупп: «сердечная недостаточность», «легочная гипертензия», «порок митрального или трикуспидального клапана» и «комбинированная хирургия». Подгруппа «комбинированная хирургия» состоит из больничных записей, в соответствии с которыми были применены как минимум две из следующих процедур: аортокоронарное шунтирование (АКШ), хирургия аортального клапана, хирургия митрального клапана, хирургия трехстворчатого клапана, хирургия клапана легочной артерии. Кроме того, записи о выписке из больницы были определены как «любые» в сравнении с «отсутствующими» в зависимости от наличия или отсутствия хотя бы одной из этих характеристик.

Квитанция PAC

Получение PAC определялось как интересующее исследование воздействие. Полный список кодов процедур МКБ-9-КМ/МКБ-10, которые соответствуют получению PAC, был создан для соответствующих госпитализаций в базе данных NIS за 1999–2019 гг. Эти коды были получены из первичных и вторичных переменных процедуры, и, как таковые, записи о выписке из больницы были разделены на две категории: (1) реципиент PAC; (2) PAC-неполучатель. Кроме того, были рассчитаны показатели PAC на уровне больницы, которые были разделены на квартили с целью анализа чувствительности.

Клинические результаты

Были извлечены данные о множественных результатах исследования, включая внутрибольничную смертность («умершие» против «живых») и внутрибольничную продолжительность жизни (дни). Общая продолжительность жизни была определена как непрерывная переменная в контексте регрессионного моделирования и классифицирована как «≥ 7 дней» по сравнению с «< 7 дней» в контексте регрессионного и причинно-следственного моделирования.

статистический анализ

Все статистические анализы проводились с использованием Stata версии 17 (StataCorp, College Station, TX) с учетом сложной структуры выборки, а также конкретных рекомендаций.¹⁶. Описательная статистика включала среднее значение (± стандартная ошибка) для непрерывных переменных и частоты с процентами для категориальных переменных. Двумерные ассоциации были исследованы с использованием нескорректированного хи-квадрата и F-критерия на основе дизайна, в зависимости от ситуации. Были построены модели линейной и бинарной логистической регрессии для оценки грубых и скорректированных бета-коэффициентов, а также отношения шансов (cOR и aOR) с их 95% доверительными интервалами (CI) для переменных воздействия в качестве предикторов выбранных исходов для здоровья. Корректировка риска и целевая оценка максимального правдоподобия (TMLE) с помощью алгоритмов Super Learner выполнялись при сравнении получателей и неполучателей PAC по показателям здоровья в целом, а также в соответствии с предварительно указанными подгруппами. Многовариантные модели были скорректированы с учетом возраста, пола, расы/этнической принадлежности, CCI, плановой госпитализации, квартала приема, статуса госпитализации в выходные дни, основного плательщика, региона больницы, контроля больницы, местоположения больницы и статуса преподавателя, а также размера больничной койки. Был проведен анализ чувствительности, при котором CCI был заменен сопутствующими заболеваниями, описанными выше как ковариаты в моделях с поправкой на общий риск. Поскольку методы регрессии часто оказываются необъективными, если модели результатов указаны неправильно, предпочтительны методы причинно-следственного вывода, включающие показатели склонности, G-формулу или TMLE.¹⁷. Хотя методы оценки склонности требуют правильного определения моделей воздействия, двойные робастные методы, такие как TMLE, требуют правильной спецификации либо модели результата, либо модели воздействия.¹⁷. TMLE — это полупараметрический оценщик, позволяющий использовать алгоритмы машинного обучения для минимизации неправильной спецификации модели.¹⁷. В отличие от TMLE, классические методы регрессии для оценки среднего эффекта лечения (ATE) или разницы рисков предполагают, что ATE постоянен на всех уровнях вмешивающихся факторов без изменения эффекта. Мы применили месить пакет в Stata, при этом используя Super Learner с десятикратной перекрестной проверкой для оценки эффективности прогнозирования потенциальных результатов и средневзвешенных значений в качестве оценки склонности для различных алгоритмов машинного обучения. Алгоритм машинного обучения Super Learner по умолчанию был применен, как определено ранее в пакете R v.1.2.0-5: (1) пошаговый выбор, (2) обобщенное линейное моделирование (GLM), (3) вариант GLM, включающий полиномы второго порядка. и попарное взаимодействие основных терминов, включенных в модель. ATE, причинно-следственный коэффициент риска (CRR) и предельное отношение шансов (MOR) оценивались с 95% CI для каждой гипотетической взаимосвязи с использованием TMLE.^{17,18,19,20,21}. Используя поправку на риск и анализ TMLE, мы провели анализ чувствительности, при котором общая взаимосвязь между использованием ПАУ и интересующими исходами оценивалась в пределах квартилей частоты ПАУ на уровне больницы. Полный предметный анализ был выполнен после изучения закономерностей отсутствия. Были проведены двусторонние статистические тесты, и P <0,05 считались статистически значимыми.

Этическое одобрение

Поскольку проект был определен как исследование, в котором не участвуют люди, общественная больница Форт-Белвуар отказалась от одобрения институционального наблюдательного совета. Из-за характера исследования Институциональный наблюдательный совет общественной больницы Форт-Белвуар отказал в информированном согласии. Проект придерживался соответствующих этических принципов/положений в соответствии с Хельсинкской декларацией.