Afkapwaarde van fasehoek door bio-elektrische impedantieanalyse bij opname als prognostische factor bij patiënten met acuut hartfalen

Deze studie evalueert het prognostische nut van de fasehoek bij acuut hartfalen door een optimale afkapwaarde te identificeren en de modelprestaties te evalueren door middel van multivariabele configuratie met beperkte splines. Recente ontwikkelingen op dit gebied zijn onder meer het gebruik van bio-elektrische impedantievectoranalyse, of BIVA, voor een nauwkeurige beoordeling van de hydratatiestatus en de integriteit van het celmembraan, naast multivariabele overlevingsmodellen, opgenomen door van elektrische impedantie afgeleide biomarkers om de vroege identificatie van patiënten met een hoog risico te verbeteren.

De huidige uitdagingen zijn onder meer het waarborgen van nauwkeurige, betrouwbare BIVA-metingen tijdens ziekenhuisopname, het beheersen van verstorende factoren in diverse patiëntenpopulaties en het veiligstellen van een adequate steekproefomvang voor nauwkeurige schattingen in prognostische modellering. We pakken de kloof aan in het gebrek aan precieze afkapwaarden voor de fasehoek als prognostische marker en de behoefte aan betrouwbare en nauwkeurige statistische methoden om nauwkeurige voorspellingen te doen van mortaliteit en heropname. Dit protocol maakt gebruik van een niet-invasieve, snelle en bedside methode, waarbij Cox-regressie wordt toegepast om risicofactoren te identificeren en om de aangepaste drempel grafisch weer te geven voor nauwkeurige risicovoorspelling bij acuut hartfalen.

[Docent] Nadat u R en R Studio op de computer hebt geïnstalleerd, opent u R Studio. Klik op het tabblad Bestand, ga naar Nieuw bestand en selecteer R-script om het scriptbestand in de linkerbovenhoek boven het consoletabblad weer te geven. Installeer in het nieuwe scriptbestand de vereiste survival-, MASS- en pspline-pakketten. Laad de pakketten door de bibliotheekfuncties voor survival, MASS en pspline te typen en uit te voeren. Importeer de gegevensset door de naam en het pad van het gegevensbestand op te geven in de opdracht en wijs deze toe aan een object met de naam gegevensset.

Bepaal het Cox-regressiemodel voor proportionele risico's, gecorrigeerd voor diabetes mellitus, systolische bloeddruk, serumnatrium en fasehoek met behulp van de breslow-methode en bereken de 95%-betrouwbaarheidsintervallen voor de modelcoëfficiënten. Bereken vervolgens het Akaike-informatiecriterium, het Bayesiaanse informatiecriterium en de C-statistiek, samen met het 95%-betrouwbaarheidsinterval. Maak voor de grafische weergave het overlevingsobject met behulp van de overlevingsfunctie met overlevingsdagen en uitkomst als invoer. Pas het Cox-regressiemodel voor proportionele risico's aan met behulp van het overlevingsobject en pas aan voor diabetes mellitus, systolische bloeddruk, serumnatrium en een bestrafte spline met fasehoek met twee vrijheidsgraden. Voorspel vervolgens de waarden voor de gemonteerde spline en hun standaardfouten met behulp van het model. Zet ten slotte het aangepaste model uit op een grafiek met behulp van de voorspelde waarden om de aangepaste hazard ratio voor de fasehoek te visualiseren. Voeg de corresponderende lijnen boven en onder de aangepaste curve toe om de boven- en ondergrens van het voorspellingsinterval weer te geven. Identificeer het afkappunt waar de aangepaste hazard ratio hoger is dan één, wat aangeeft dat lagere fasehoekwaarden geassocieerd zijn met een verhoogd risico op sterfte in het ziekenhuis en heropname na 90 dagen of overlijden. Deze tabel geeft een overzicht van de prognostische waarde van verschillende klinische en bio-impedantieparameters met behulp van multivariabele Cox-regressiemodellen, met uitkomsten die bestaan uit mortaliteit in het ziekenhuis en heropname na 90 dagen of overlijden. In model één voor bijwerkingen was een lagere fasehoek onafhankelijk geassocieerd met een verhoogd risico. In model twee, dat verschillende variabelen omvatte, bleef een lagere fasehoek een significante voorspeller van nadelige uitkomsten. De C-statistiek voor model één gaf een matig voorspellend vermogen aan voor bijwerkingen. In het mortaliteitsmodel in het ziekenhuis was een lagere fasehoek een zeer significante voorspeller van overlijden. Een lagere systolische bloeddruk was ook significant geassocieerd met sterfte in het ziekenhuis. Het mortaliteitsmodel in het ziekenhuis had het hoogste onderscheidende vermogen van alle modellen.