Source de données
L’étude est une analyse rétrospective dont les données ont été extraites de la grande base de données publique sur les soins intensifs – Medical Information Mart for Intensive Care IV (MIMIC-IV, version 2.2). La base de données MIMIC-IV, avec quelques améliorations par rapport à MIMIC-III, notamment des mises à jour de données et une reconstruction de tableaux, collecte les données cliniques de plus de 190 000 patients admis et 450 000 hospitalisations enregistrées de 2008 à 2019 au Beth Israel Deaconess Medical Center (BIDMC, Boston , MA, États-Unis). La base de données enregistre des informations détaillées sur les données démographiques des patients, les tests de laboratoire, les médicaments, les signes vitaux, les opérations chirurgicales, le diagnostic de la maladie, la gestion des médicaments et l’état de survie du suivi. Afin d’obtenir l’accès aux données, nous avons étudié le cours de formation des National Institutes of Health (NIH) pour protéger les participants humains à l’étude et avons réussi les tests de la Collaborative Institutional Training Initiative. Une renonciation au consentement éclairé a été accordée car la base de données ne contenait pas d’informations protégées et les patients étaient anonymes.
Conception de l’étude et population
Les patients atteints de FA hospitalisés et admis en soins intensifs pour la première fois ont été inclus dans l’étude. Au total, 12 255 patients atteints de FA ont été catégorisés en utilisant les codes de la Classification internationale des maladies, neuvième révision (ICD-9) et dixième révision (ICD-10). Les codes CIM 9 et CIM 10 de la FA dans l’étude comprenant 42 731, I48, I480, I481, I482, I489, I4811, I4819, I4820, I4821, I4891. Les critères d’exclusion étaient les suivants : (1) les patients sont restés en soins intensifs moins de 24 heures ; (2) admissions multiples à l’USI pour FA, pour lesquelles seules les données de la première admission ont été extraites ; (3) données insuffisantes (telles que la glycémie sérique à jeun, les triglycérides, le poids, la taille et les données anormales) ; (4) patients atteints de maladies hépatiques graves ou légères, d’un cancer malin, d’une tumeur solide métastatique et du syndrome d’immunodéficience acquise (SIDA). Au total, 2 509 patients ont été inclus dans la cohorte finale de l’étude et répartis en quatre groupes selon les quartiles de l’indice TyG-BMI (Fig. 1).
Fig. 1
Organigramme de la sélection des patients
Extraction de données
Navicat Premium (version 16.1.15) a été utilisé pour extraire des données à l’aide du langage de requête structuré (SQL). Une grande quantité de données sur chaque patient à l’admission ont été extraites, notamment des informations démographiques (âge, sexe, race/origine ethnique, taille, poids, indice de masse corporelle). [BMI], fumer); antécédents (infarctus aigu du myocarde) [AMI]hypertension, diabète, maladie pulmonaire obstructive chronique [COPD]insuffisance cardiaque congestive [CHF]une maladie vasculaire périphérique [PVD]maladie cérébrovasculaire [CVD], démence, maladie rhumatismale) ; signe vital (tension artérielle systolique) [SBP]pression sanguine diastolique [DBP]pression artérielle moyenne [MBP]rythme cardiaque [HR]fréquence respiratoire [RR]); médicaments (aspirine, clopidogrel, bêtabloquants, inhibiteurs de l’enzyme de conversion de l’angiotensine/inhibiteurs des récepteurs de l’angiotensine) [ACEI/ARB]bloqueur des canaux calciques [CCB], digitalique, diurétiques, amiodarone, insuline, statine, dabigatran, rivaroxaban, héparine, warfarine) ; données de laboratoire (SpO2, PO2, PaCO2, pH, excès de base [BE]trou anionique, bicarbonate, glucose, urée sérique [BUN]créatinine, calcium, chlorure, sodium, potassium, temps de prothrombine [PT]temps de prothrombine partiel [PTT]hématocrite, hémoglobine, plaquettes, globules blancs [WBC]lymphocytes, neutrophiles, hémoglobine corpusculaire moyenne [MCH]concentration moyenne d’hémoglobine corpusulaire [MCHC]volume corpusculaire moyen [MCV]des globules rouges [RBC]largeur de distribution des globules rouges [RDW]HbA1c, lipoprotéine de haute densité [HDL]lipoprotéines de basse densité[LDL]cholestérol total [TC]triglycéride [TG]échelle de coma de Glasgow [GCS]score de physiologie aiguë simplifié [SAPSII]évaluation séquentielle de la défaillance d’un organe [SOFA]); événement (arrêt cardiaque, choc cardiogénique) ; durée du séjour (LOS) (LOS à l’hôpital, LOS en soins intensifs) ; résultat (mortalité à 30 jours, mortalité à 90 jours, mortalité à 180 jours, mortalité à 365 jours). Tous les indicateurs sanguins ont été mesurés pour la première fois après l’admission des patients en soins intensifs. Les variables avec plus de 20 % de valeurs manquantes ont été exclues. Les variables avec des valeurs manquantes inférieures à 20 % ont été remplies de valeurs manquantes à l’aide d’une interpolation multiple.
Résultats
Le résultat des patients atteints de FA dans la base de données MIMIC-IV, y compris la mortalité à 30 jours, la mortalité à 90 jours, la mortalité à 180 jours, la mortalité à 365 jours. Les principaux critères de jugement de la présente étude étaient la mortalité toutes causes confondues à 30 et 365 jours. Les critères de jugement secondaires étaient la mortalité toutes causes confondues à 90 et 180 jours.
Calcul du TyG-IMC
L’indice TyG a été calculé comme ln[fasting glucose (mg/dl)×fasting TG (mg/dl)]/2 [9]. L’IMC a été calculé en poids corporel (kg)/taille2 (m). L’indice TyG-BMI a été déterminé sur la base de la combinaison de l’indice TyG et de l’IMC. L’indice TyG-BMI a été calculé selon l’équation : indice TyG × IMC. [12].
analyses statistiques
Des tests de normalité des variables continues ont été effectués en premier, et des tests t de Student et des ANOVA unidirectionnelles ont été utilisés pour identifier les données conformes à une distribution normale, puis les données ont été exprimées en moyenne ± écart type (SD). Les données non distribuées normalement ont été testées à l’aide du test de Wilcoxon et exprimées en médiane avec intervalle interquartile (IQR). Des tests du Chi carré ou des tests exacts de Fisher ont été utilisés pour analyser les variables catégorielles exprimées en nombres absolus avec des pourcentages.
En stratifiant par indice TyG-BMI, les courbes de Kaplan-Meier (KM) ont été utilisées pour déterminer le taux d’incidence des critères de jugement majeurs et secondaires. Une analyse univariée de Cox a été réalisée pour évaluer les relations entre l’indice TyG-BMI et la mortalité à 30 jours, 90 jours, 180 jours et 365 jours. Le modèle de régression multivarié à risque proportionnel de Cox comprenait des variables cliniquement pertinentes ou ayant une relation univariée avec le résultat. Les variables incluses dans le modèle final ont été soigneusement choisies en fonction du nombre d’événements disponibles. Le modèle 1 incluait uniquement l’indice TyG-BMI, tandis que le modèle 2 était ajusté en fonction de l’âge, du sexe, de la race, de la fréquence cardiaque, de l’hypertension, du diabète, de l’insuline, des bêtabloquants, des statines, de l’amiodarone, de la digitaline, du pH, du PT, des plaquettes, du chlorure, du potassium, des globules rouges. , WBC, BUN, créatinine, SOFA. Dans les deux modèles, le quartile le plus bas de l’indice TyG-BMI a été utilisé comme référence. L’indice TyG-BMI a également été analysé en tant que variable continue à l’aide de splines cubiques restreintes (RCS) pour clarifier les corrélations dose-effet avec le risque d’événements majeurs et secondaires. Si les corrélations n’étaient pas linéaires, l’algorithme récursif était utilisé pour calculer les points d’inflexion entre l’indice TyG-BMI et la mortalité à 30, 90, 180 et 365 jours. Pour examiner plus en détail la relation entre l’indice TyG-IMC et la mortalité à 30, 90, 180 et 365 jours, le modèle de risque proportionnel de Cox à deux segments a été appliqué des deux côtés du point d’inflexion. De plus, une analyse stratifiée a été réalisée en fonction du sexe, de l’âge (< 60 ans ou ≥ 60 ans), de la race/origine ethnique, de l'hypertension et du diabète.
Toutes les analyses statistiques ont été traitées à l’aide des logiciels SPSS (version 22.0, IBM Corporation, États-Unis) et R (version 4.3.2, R Foundation for Statistical Computing, Autriche). P <0, 05 a été considéré comme statistiquement significatif.
2024-02-10 20:40:20
1707593690
#Lassociation #entre #lindice #masse #corporelle #triglycérides #glucose #mortalité #toutes #confondues #chez #les #patients #gravement #malades #atteints #fibrillation #auriculaire #une #étude #rétrospective #base #données #MIMICIV #Diabétologie #cardiovasculaire
