close

Anmelden

Neues Passwort anfordern?

Anmeldung mit OpenID

269: Ereignisse vor dem Tod bei Dialysepatienten

EinbettenHerunterladen
Trends von klinischen Parametern vor
dem Tod bei Dialysepatienten
Mathias Schaller1 , Claudia Barth2
and Gero von Gersdorff1,
1 Nephrology
and General Internal Medicine,
University of Cologne Medical Center
2 KfH Curatorium for Dialysis and
Kidney Transplantation, Neu-Isenburg
Was ist QiN ?
• Entwickelt aus einer freiwilligen Qualitätsinitiative, inzwischen
als Qualitätssicherungssystem im gesamten KfH fest
etabliert.
• Patienten geben eine Einverständnis zur Analyse durch die
UK-Köln
• Automatisierte Datensammlung aus der elektronischen
Patientenakte Routinedokumentation
• Routinedokumentation der Behandlung
• Datenqualität wird elektronisch geprüft (Plausibilität) und durch
regelmäßige Zentrumsbesuche von Regionalmonitoren
• Jährliche Erhebung von Demographie/ Komorbiditäten,
Raucherstatus, Karnofsky-Skala, Lebensqualität, Teilnahme am
Sportprogram etc.
1
1
Hintergrund:
•Es existiert eine hohe Mortalität unter Dialysepatienten.
•Stetige Überwachung der Ernährung, Anämie, Blutdruck
•Patienten erleben vor dem Tod oft eine deutliche
Verschlechterung ihres Zustandes.
•Diese Verschlechterung soll erfasst und dargestellt werden.
•Ein Eingreifen des Arztes soll ermöglicht werden.
Daten:
•Daten von verstorbenen Patienten werden analysiert.
•Laborwerte aus den Monaten/Quartalen vor Tod werden
analysiert.
•Alle Todesursache werden betrachtet.
•Einschränkung auf Patienten mit Hämodialyse, wenig/keine
Restausscheidung , verstorben im Jahr 2009
1
2
Hämoglobin verstorbener Patienten in den Monaten vor Tod
Hämoglobin vor Tod – Modellierung
•Trends auch bei anderen Laborparametern
•Verstärkter Abfall 3 Monate vor Tod (Beobachtung, Literatur)
•Linear Mixed Model
•Erfassung des Trends durch lineare Splines
•Knoten an Anfang, Ende und 3 Monate vor Tod
•Patientenindividueller Intercept
1
3
Hämoglobin vor Tod – Modellierung
Ergebnisse Trend:
•Abfall des Hämoglobins in den Monaten vor Tod statistisch
signifikant
•Verstärkter Abfall in den letzten 3 Monaten vor Tod
ca. 0,09 g/dl vs. 0,007 g/dl
•Abfall insgesamt gering
•Betrifft andere Parameter (Albumin, Blutdruck, Phosphat, Gewicht)
•Auffällig über viele Parameter
1
4
Joint Modells
•Kombination des Linear Mixed Models mit einem Cox Modell
•Kann Trend in Laborparameter das Ereignis Tod vorhersagen?
•Erst Cox Modell erstellen, dann Linear Mixed Model
•diese mit Joint Model aus R Package JM kombinieren
Joint Model
1
Schätzer
Std.Err
z-value
p-value
Intercept
-13,5288
0,2187
-61,8541
0,0000
Alter
0,0568
0,0018
30,9346
0,0000
Geschl = W
0,3628
0,0384
9,4607
0,0000
DM
-0,1479
0,0386
-3,8279
0,0001
AssocT
0,0141
0,0053
2,6502
0,0080
Log(scale)
0,1556
0,0288
5,4026
0,0000
5
Joint Model
Schätzer
Std.Err
z-value
p-value
Intercept
-13,5288
0,2187
-61,8541
0,0000
Alter
0,0568
0,0018
30,9346
0,0000
Geschl = W
0,3628
0,0384
9,4607
0,0000
DM
-0,1479
0,0386
-3,8279
0,0001
AssocT
0,0141
0,0053
2,6502
0,0080
Log(scale)
0,1556
0,0288
5,4026
0,0000
Ergebnisse Joint Model:
•Joint Model kombiniert erfolgreichTrendanalyse mit dem Cox
Model
•Trend des Hämoglobin ist ein signifikanter Einflussfaktor für die
Mortalität
•Viele kleine Effekte als Warnzeichen
•Erfassbar mit Software
1
6
Zusammenfassung:
•Vor Tod sind Trends in Laborparametern zu beobachten
•Trends eventuell klein um aufzufallen
•Trends sind geeignet die Mortalität vorherzusagen
•In Modellen erfassbar
•Eingriff des Arztes ermöglichen
Freistehendes Logo
1
7
Document
Kategorie
Gesundheitswesen
Seitenansichten
3
Dateigröße
98 KB
Tags
1/--Seiten
melden