Identification of COVID-19 patients with high Risk of mortality at ICU admiSsion – IRIS-study

Projectomschrijving

De beslissing welke COVID-19-patiënten het meeste baat hebben bij een behandeling op de intensive care (IC) is een belangrijk maatschappelijk vraagstuk. Er worden dagelijks nieuwe COVID-19-patiënten opgenomen. De zorg voor niet-COVID-19-patiënten moet ook doorgaan. De druk op de IC-capaciteit werd zeer hoog tijdens de COVID-19-piek in het voorjaar van 2020, dit kan zich herhalen bij een volgende golf.

Onderzoek en verwachte uitkomsten

In dit onderzoek wordt gekeken naar patiëntkenmerken die duiden op een extreem lange IC-opname of een zeer hoge sterftekans voor de patiënt. Intensivisten, andere specialisten, de patiënt en naasten kunnen met deze kennis gezamenlijk een geïnformeerde afweging maken over het nut van een IC-opname. Het onderzoek maakt gebruik van drie dataregisters (stichting-NICE, CovidPredict en Vektis). Tezamen omvatten de registers alle IC-patiënten in Nederland, inclusief gedetailleerde en lange termijn uitkomstinformatie van COVID-19-patiënten.
Analyses worden gedaan door middel van statistische en machine learning technieken.

Producten

Titel: Can we reliably automate clinical prognostic modelling? A retrospective cohort study for ICU triage prediction of in-hospital mortality of COVID-19 patients in the Netherlands
Auteur: I Vagliano, S Brinkman, A Abu-Hanna, M S Arbous, D A Dongelmans, P W G Elbers, D W de Lange, M van der Schaar, N F de Keizer, M C Schut, Dutch COVID-19 Research Consortium
Magazine: International Journal of Medical Informatics
Titel: Comparison of outcome and characteristics between 6343 COVID-19 patients and 2256 other community-acquired viral pneumonia patients admitted to Dutch ICUs
Auteur: S Brinkman, F Termorshuizen, D A Dongelmans, F Bakhshi-Raiez, M S Arbous, D W de Lange, N F de Keizer, Dutch COVID-19 Research Consortium
Magazine: Critical Care
Titel: Comparison of outcome and characteristics between 6343 COVID-19 patients and 2256 other community-acquired viral pneumonia patients admitted to Dutch ICUs
Auteur: S Brinkman, F Termorshuizen, D A Dongelmans, F Bakhshi-Raiez, M S Arbous, D W de Lange, N F de Keizer, Dutch COVID-19 Research Consortium
Magazine: Journal of Critical Care
Titel: Comparison of outcome and characteristics between 6343 COVID-19 patients and 2256 other community-acquired viral pneumonia patients admitted to Dutch ICUs
Auteur: S Brinkman, F Termorshuizen, D A Dongelmans, F Bakhshi-Raiez, M S Arbous, D W de Lange, N F de Keizer, Dutch COVID-19 Research Consortium
Magazine: Journal of Critical Care
Titel: Assess and validate predictive performance of models for in-hospital mortality in COVID-19 patients: A retrospective cohort study in the Netherlands comparing the value of registry data with high-granular electronic health records
Auteur: Iacopo Vagliano, Martijn C Schut, Ameen Abu-Hanna, Dave A Dongelmans, Dylan W de Lange, Diederik Gommers, Olaf L Cremer, Rob J Bosman, Sander Rigter, Evert-Jan Wils, Tim Frenzel, Remko de Jong, Marco A A Peters, Marlijn J A Kamps, Dharmanand Ramnarain, Ralph Nowitzky, Fleur G C A Nooteboom, Wouter de Ruijter, Louise C Urlings-Strop, Ellen G M Smit, D Jannet Mehagnoul-Schipper, Tom Dormans, Cornelis P C de Jager, Stefaan H A Hendriks, Sefanja Achterberg, Evelien Oostdijk, Auke C Reidinga, Barbara
Magazine: International Journal of Medical Informatics
Titel: Increased mortality in ICU patients>= 70 years old with COVID-19 compared to patients with other pneumonias
Auteur: Lenneke E M Haas, Fabian Termorshuizen, Corstiaan A den Uil, Nicolette F de Keizer, Dylan W de Lange, Dutch COVID-19 Research Consortium
Magazine: Journal of the American Geriatrics Society
Titel: Comparison of patient characteristics and long-term mortality between transferred and non-transferred COVID-19 patients in Dutch intensive care units: A national cohort study
Auteur: Safira A. Wortel,Ferishta Bakhshi-Raiez,Fabian Termorshuizen,Dylan W. de Lange,Dave A. Dongelmans,Nicolette F. de Keizer,the Dutch COVID-19 Research Consortium
Magazine: Acta Anaesthesiologica Scandinavica
Titel: Age Moderates the Effect of Obesity on Mortality Risk in Critically Ill Patients With COVID-19: A Nationwide Observational Cohort Study
Auteur: Corstiaan A. den Uil, Fabian Termorshuizen, Wim J. R. Rietdijk, Roos S. G. Sablerolles, Hugo P. M. van der Kuy, Lenneke E. M. Haas, Peter H. J. van der Voort, Dylan W. de Lange, Peter Pickkers, Nicolette F. de Keizer, and the Dutch COVID-19 Research Consortium
Magazine: Critical Care Medicine
Titel: Automated identification of patient subgroups: a case-study on mortality of COVID-19 patients admitted to the ICU
Auteur: IACOPO VAGLIANO; M.Y. Kingma; D.A. Dongelmans; D.W. de Lange; N.F. de Keizer; M.C. Schut
Magazine: Computers in Biology
Titel: Clinical sepsis phenotypes in critically ill COVID-19 patients
Auteur: Niklas Bruse, Emma J Kooistra, Aron Jansen, Rombout B E van Amstel, Nicolette F de Keizer, Jason N Kennedy, Christopher Seymour, Lonneke A van Vught, Peter Pickkers, Matthijs Kox
Magazine: Critical Care
Titel: Development and evaluation of regression tree models for predicting in-hospital mortality of a national registry of COVID-19 patients over six pandemic surges
Auteur: M.C. Schut, D.A. Dongelmans, D.W. de Lange, S. Brinkman, N.F. de Keizer & A. Abu-Hanna
Magazine: BMC Medical Informatics and Decision Making
Begin- en eindpagina:
Link: https://bmcmedinformdecismak.biomedcentral.com/articles/10.1186/s12911-023-02401-2
Titel: Hulpmiddel inschatten overlevingskans COVID-19 patiënten voor IC opname
Auteur: Analyses: Martijn Schut, Ameen Abu-Hanna; Approval: Nicolette de Keizer
Titel: COVID-19 op de Nederlandse Intensive Cares; Patiëntkarakteristieken en uitkomsten vergeleken met pneumonie patiënten op de IC in 2017-2019
Auteur: Stichting NICE
Link: https://www.stichting-nice.nl/COVID_rapport.pdf

Verslagen


Eindverslag

In dit project is gebruik gemaakt van gegevens uit de Nederlandse intensive care kwaliteitsregistratie NICE van meer dan 15.000 COVID-19 patiënten die opgenomen werden op één van de (78) Nederlandse IC’s. De sterfte in het ziekenhuis is 27%, na 180 dagen 29%. Overplaatste patiënten hadden vergelijkbare uitkomsten als niet-overgeplaatste patiënten. Patiënten opgenomen met COVID-19 hebben slechtere uitkomsten ten opzichte van IC-patiënten met andere virale pneumoniëen. Onder ouderen (>70) was de sterfte zelfs twee keer zo hoog, het is dus een zeer ernstige ziekte. Voorspellende modellen ontwikkeld met moderne machine learning technieken hadden vergelijkbare voorspellende kracht als de meer traditionele regressiemodellen. Dit beeld veranderde niet toen we naast de minder gedetailleerde gegevens uit de NICE registratie ook gedetailleerde data uit het elektronisch patiënten dossier gebruikten. Om subgroepen met sterk uiteenlopende sterftekansen te maken blijken leeftijd en comorbiditeiten de belangrijkste variabelen.
Ons project heeft twee onderdelen voor welk we bij deze de stand van zaken rapporteren. Ten eerste werken we aan de ontwikkeling van predictiemodellen: in het project zijn modellen ontwikkeld op basis van regressie analyse en machine learning. Momenteel werken we aan de vergelijking van modellen op basis van registerdata (NICE) en hoog-granulaire patientdossier data (CovidPredict). De analyses voor lange termijn uitkomsten zijn in voorbereiding waarvoor we in oktober nog een data update verwachten. In aanvulling op de machine learning modellen zullen we tevens een analyse gaan doen ten aanzien van onzekerheid van voorspellingen, omdat dit aspect naar verwachting een grote impact heeft op de klinische bruikbaarheid van de modellen. Ten tweede werken we aan de identificatie van hoge risico subgroepen voor mortaliteit, waarvoor de de data beschikbaar zijn en de machine learning methoden voor subgroup identificatie in kaart zijn gebracht.

Samenvatting van de aanvraag

[ONDERZOEKSVRAAG] Het doel van dit project is patiënten kenmerken bij IC-opname te identificeren die geassocieerd zijn met ongewenste uitkomst, t.w., extreem lange behandelduur en sterfte (IC en ziekenhuissterfte, als ook 90, 180 dagen sterfte). [URGENTIE] Ondanks dat de piek van COVID-19 patiënten op de IC achter ons ligt, worden dagelijks nog nieuwe COVID-19 patiënten opgenomen op de Nederlandse IC’s. De zorg voor niet-COVID-19 patiënten start ook weer op, waardoor de druk op de IC capaciteit hoog blijft zeker bij een volgende golf COVID-19 infecties. Het is voor triage uitermate belangrijk om patiënten te identificeren waarvoor IC opname mogelijk niet van toegevoegde waarde is omdat zij een zeer hoge sterftekans of extreem lange behandelduur hebben. Deze prognostische informatie is belangrijk bij het ‘samen beslissen’-proces waarin intensivisten en andere specialisten samen met de patiënt en naasten een afweging over IC-opname maken. Bestaande triage protocollen werden onder druk van een mogelijk tekort aan bedden aangescherpt o.b.v. expertkennis en zonder objectieve data te gebruiken m.b.t. uitkomsten van IC patiënten met en zonder COVID-19. [HYPOTHESE] Inzicht in determinanten voor ongewenste uitkomst en identificatie van hoog-risico patiënten ondersteunen en verbeteren het triage proces. [PLAN VAN AANPAK] In deze observationele studie gebruiken we drie reeds beschikbare en continue geüpdatet datasets: de NICE registratie, CovidPredict.org dataset en Vektis. Tezamen omvat dit alle IC-patiënten in Nederland, inclusief gedetailleerde en lange termijn uitkomstinformatie van COVID-19 patiënten. We passen statistische en machine learning technieken toe om prognostische modellen voor individuele patiënten te ontwikkelen en hoog-risico groepen te identificeren. Hoe deze predictiemodellen in de praktijk gebruikt kunnen worden t.b.v. ‘samen beslissen’, wordt geëvalueerd met intensivisten, andere specialisten en een panel met ex-IC patiënten met en zonder COVID-19.

Onderwerpen

COVID-19

Kenmerken

Projectnummer:
10430012010011
Looptijd: 100%
2020
2022
Onderdeel van programma:
Gerelateerde subsidieronde:
Bottom-up ronde COVID-19 aandachtsgebied 1
Projectleider en penvoerder:
Prof. dr. N.F. de Keizer
Verantwoordelijke organisatie:
Amsterdam UMC - locatie AMC