Inzidenz und Prädiktion computergestützt detektierter intraoperativer kardiovaskulärer Ereignisse bei nicht-kardiochirurgischen Eingriffen

Abstract

Einleitung Ziel dieser Arbeit war, mit Hilfe eines Anästhesie-Informations-Management-Systems (AIMS) die Inzidenz intraoperativer kardiovaskulärer Ereignisse zu evaluieren, prognostische Modelle zu etablieren und deren Performance mit denen des Revised Cardiac Risk Index (RCRI) nach Lee et al. und der ASA-Klassifikation bezüglich der Diskrimination und Kalibration nach den Empfehlungen der Konsensuskonferenz für Score-Generierung in der Intensivmedizin zu vergleichen. Methodik In dem Zeitraum vom 01.01.1997 bis zum 31.12.2000 wurden ca. 80.000 Anästhesien online mit dem AIMS NarkoData dokumentiert in einer relationalen Datenbank gespeichtert. Nach dem Ausschluss aller Patienten unter 18 Jahren, aller kardiochirurgischen Eingriffe und aller manuell nacherfassten Protokolle wurden 58.458 Fälle in die Untersuchung eingeschlossen und mit einem Zufallsgenerator einem Evaluierungs- (n = 29.437) oder Validierungsdatensatz (n = 29.021) zugeteilt (Randomisierung).Es wurden folgende prognostische Modelle mit Hilfe der logistischen Regression gebildet: · Das Modell 1 enthielt 21 patientenspezifische und zwei operative Parameter.· In Modell 2 wurden die Parameter zur Erkrankungsschwere des Modell 1 durch die ASA-Klassifikation ersetzt.· Für Modell 3 wurden Subscores durch das in dieser Arbeit entwickelte Verfahren der 'Maximalen korrigierten Inzidenz' gebildet. Dabei wurde für jeden Parameter die Inzidenz berechnet. Der Parameter mit der höchsten Inzidenz erhielt diesen als Faktor, Patienten mit diesem Merkmal wurden ausgeschlossen und die (korrigierte) Inzidenz für die verbleibenden Parameter neu berechnet. Der Subscore eines Falles ist das Maximum einer solchen korrigierten Inzidenz.· Der RCRI nach Lee.· Die ASA-Klassifikation. Ergebnisse Im Evaluierungsdatensatz traten bei 17,83% der Patienten, im Validierungsdatensatz bei 17,34% der Patienten mindestens ein kardiovaskuläres Ereignis auf. Die häufigsten Ereignisse waren hypotone (Evaluierung 8,85% / Validierung 8,58%) und hypertensive (5,72% / 5,61%) Episoden, gefolgt von bradykarden (3,88% / 4,25%) und tachykarden Herzrhythmusstörungen (1,57% / 1,46%). Elektrokardiologische Maßnahmen waren in weniger als 0,1% der Fälle notwendig.Bei 32.820 Patienten (56,1 %) lagen Daten über die Krankenhaussterblichkeit vor. Die gesamte Krankenhausmortalität betrug 0,8 % (n = 261). Von den 5.277 Patienten (16,1 %) mit einem intraoperativen kardiovaskulären Ereignis verstarben 100 (1,90 %), von den 27.382 Patienten (83,4 %) ohne Komplikationen 161 Patienten (0,58 %) während des Krankenhausaufenthaltes (p < 0,001).Die Diskriminationsfähigkeit der Modelle lag bei einer Fläche unter der Kurve beim RCRI von AUC = 0,620, die ASA-Klassifikation bei AUC = 0,647, Modelle 1 AUC = 0,709, Modell 2 AUC = 0,707 und Modell 3 AUC = 0,734. Die Modelle 1 und 2 waren bezüglich ihrer Diskrimination nicht signifikant unterschiedlich. Diskussion Auf Grund der schlechten Kalibration sind die drei neu modellierten prognostischen Systeme, trotz zufriedenstellender Diskriminationsstärke, nur bedingt zur Vorhersage intraoperativer kardiovaskulärer Ereignisse geeignet. Vor allem bei Patienten mit prognostizierten größeren Wahrscheinlichkeiten für ein Ereignis bestehen signifikante Abweichungen bei den beobachteten Inzidenzen. Dies kann durch eine erhöhte Vigilanz des Anästhesisten bei Hochrisikopatienten oder die Verwendung abhängiger Variablen in der logistischen Regression bedingt sein.Daher wurde in Modell 3 ein statistisches Verfahren entwickelt, welches abhängige Variablen in Subscores zusammenfasst. Der so ermittelte Score zeigte die besten Ergebnisse bezüglich der Diskrimination. Nachteile dieser Methode sind die mangelnde Berücksichtung einer Risikosteigerung durch mehrere positive Faktoren innerhalb eines Subscores und die Abhängigkeit von der lokalen Konfiguration bzw. den Dokumentationsgepflogenheiten. Bei seltenen Parametern unterliegt das Verfahren dem Unschärfefehler der kleinen Zahl. Die Verarbeitung detaillierterer Informationen durch die Berücksichtigung einzelner Krankheitsbilder und Symptome im prognostischen Modell 1 führte zu keiner Steigerung der prognostischen Performance im Vergleich zu Modell 2. Dies unterstreicht die Rolle der ASA-Klassifikation als Instrument zur Beschreibung der Erkrankungsschwere. Durch die Anzahl der eingehenden Parameter und die komplexe Scoreberechnung sind die Scores der Modelle 1 bis 3 nur computergestützt, also mit einem AIMS oder PDMS zu erheben.