Base de données et extraction de données
Notre étude rétrospective a utilisé les données du Medical Information Mart for Intensive Care IV (MIMIC-IV) (https://mimic.mit.edu/iv/) base de données. La base de données MIMIC-IV comprenait tous les patients admis en unité de soins intensifs (USI) du centre médical Beth Israel Deaconess entre 2008 et 201910,11. Les informations, notamment les données démographiques, les variables de laboratoire, les résultats d’imagerie et les dossiers de traitement, ont été entièrement enregistrées dans la base de données.
Le site GitHub (https://github.com/MIT-LCP/mimic-iv) a été appliqué pour acquérir les codes d’extraction des données. L’extraction des données de MIMIC-IV a été réalisée par le logiciel PostgreSQL 9.6.
Patients et variables
Les patients septiques de MIMIC-IV ont été inclus. Le sepsis a été diagnostiqué sur la base de la définition du sepsis 3.012. Les critères d’exclusion ont été démontrés comme suit : (1) patients de moins de 18 ans ; (2) sans taux d’hémoglobine d’admission ; (3) patients avec des variables personnelles manquantes> 5% qui ont été inscrits dans notre étude.
Les variables personnelles, notamment l’âge, le sexe, les comorbidités (hypertension, diabète, maladie coronarienne (MAC) et maladie rénale) ont été extraites. Les résultats cliniques, notamment la durée du séjour (DS) en soins intensifs et à l’hôpital, et la mortalité à 30 jours ont été inclus.
Les signes vitaux et les variables de laboratoire dans les 24 heures suivant l’admission ont également été extraits comme suit : tension artérielle systolique (PAS), pression artérielle diastolique (DBP), fréquence respiratoire (RR), fréquence cardiaque (FC), hémoglobine, globules rouges (RBC). , hématocrite, globules blancs (WBC), plaquettes (PLT), créatinine, azote uréique, trou anionique (AG), alanine aminotransférase (ALT), aspartate aminotransférase (AST), bilirubine totale, calcium total, bicarbonate, temps de prothrombine (PT ), le temps de thrombine (TT), le rapport international normalisé (INR), le lactate, le chlorure et le sodium ont été extraits. Les scores de physiologie aiguë et d’évaluation de la santé chronique (APACHEII) et SOFA ont également été extraits. Seul le premier enregistrement de chaque variable dans les 24 heures suivant l’admission a été enregistré pour analyse.
analyses statistiques
L’analyse statistique a été réalisée par les progiciels statistiques R (http://www.r-project.org) et EmpowerStats (http://www.empowerstats.com). Statistiquement significatif a été considéré lorsqu’une valeur P inférieure à 0,05.
Cinq groupes basés sur les quantiles du taux d’hémoglobine à l’admission (quantile 20 %, quantile 40 %, quantile 60 %, quantile 80 % ; groupes Q0–Q4) ont été construits dans la cohorte septique : Q0 (≤ 8,4 g/dl, n = 1 189) , Q1 (8,5 à 9,6 g/dl, n = 1 304), Q2 (9,7 à 10,8 g/dl, n = 1 190), Q3 (10,9 à 12,1 g/dl, n = 1 303), Q4 (≥ 12,2 g/dl , n = 1263) (Tableau 1 et Tableau supplémentaire 1).
Tableau 1 Variables générales des patients sepsis dans la cohorte.
Dans cette recherche, des paramètres continus ont été démontrés sous forme de médianes et/ou d’intervalles interquartiles (IQR). Les paramètres catégoriels ont été démontrés sous forme de pourcentages et/ou de fréquences. Premièrement, le test du Chi carré et le test de Kruskal – Wallis ont été utilisés pour comparer les variables entre cinq groupes différents. Deuxièmement, l’étude des relations entre différentes variables et la mortalité à 30 jours a été réalisée par analyse univariée. Troisièmement, l’étude de la relation entre le taux d’hémoglobine à l’admission et la mortalité à 30 jours a été mise en œuvre par trois modèles différents, notamment le modèle brut (ajusté pour aucun), le modèle I (ajusté en fonction du sexe et de l’âge) et le modèle II (ajusté pour tous les cofondateurs potentiels). L’odds ratio (OR) des résultats et l’intervalle de confiance à 95 % (IC à 95 %) pour chaque changement en g/dL du taux d’hémoglobine ont été calculés. Quatrièmement, l’hémoglobine est passée d’une variable continue à une variable catégorielle (quantiles, Q0 – Q4), et les associations entre l’hémoglobine (quantiles) et trois modèles ont également été explorées. Les valeurs P pour la tendance du taux d’hémoglobine catégorisé dans tous les modèles ont été confirmées. Cinquièmement, une courbe d’ajustement lisse par le modèle linéaire généralisé indiquant la relation entre le taux d’hémoglobine et la mortalité à 30 jours après ajustement pour tous les cofondateurs potentiels a été réalisée. Un modèle linéaire standard et un modèle linéaire en deux parties ont été appliqués pour examiner quel modèle était le meilleur pour ajuster la relation entre le taux d’hémoglobine et la mortalité à 30 jours. Le modèle le mieux adapté a été confirmé sur la base de la valeur P du test du rapport du log de vraisemblance. Si la valeur P <0,05, le modèle linéaire en deux parties était meilleur. Si la valeur P ≥ 0,05, le modèle linéaire standard était meilleur. Sixièmement, l'analyse de Kaplan – Meier a été appliquée pour analyser et comparer le risque cumulé de mortalité à 30 jours entre cinq groupes. Enfin, nous avons effectué les analyses de sous-groupes par des modèles stratifiés pour discuter de la stabilité de nos résultats en sous-groupes.
2024-03-03 16:39:29
1709474180
#Association #entre #taux #dhémoglobine #ladmission #pronostic #chez #les #patients #atteints #sepsis #sur #base #dune #base #données #soins #intensifs
