Posted by on 23 maja 2018

Przetestowaliśmy czterech kandydatów na mediatorów: VT, ciśnienie plateau, PEEP i .P. Pierwsze trzy zmienne były wyraźnymi celami w protokołach, podczas gdy .P, która była zmienną zależną w tych badaniach, była zmienną, którą hipotetycznie założyliśmy jako kluczowy mediator. Zgodnie ze standardowymi procedurami analizy mediacji, zbadaliśmy każdego kandydata na mediatora w sekwencji czterech testów logicznych, ostatecznie oceniając, czy zmiany mediatora wyjaśniły średnią korzyść losowo przydzielonej grupy terapeutycznej, jak również ocenę wpływu dawka-odpowiedź na wyniki. Użyliśmy oprogramowania R, wersja 2.10.1, z pakietem R do analizy przyczynowej mediacji (projekt R dla komputerowych obliczeń statystycznych), 23,24, w którym oszacowano proporcję mediacji, wskazując, jak duża część zmniejszenia ryzyka w grupie wyjaśnione przez pośrednią ścieżkę, w której przypisanie grupy terapeutycznej prowadzi do zmiany mediatora, a zmiana mediatora wpływa następnie na wynik (patrz Dodatek dodatkowy). Obliczyliśmy średni efekt pośredniczenia przyczynowego 24, który wyrażał niezależne zagrożenie (ryzyko względne) związane z tą drogą pośrednią. Inne analizy przeprowadzono przy użyciu oprogramowania SPSS, wersja 20 (SPSS).
Aby uniknąć możliwych uprzedzeń spowodowanych różnicami w nasileniu dolegliwości ze strony układu oddechowego, wstępnie dopasowaliśmy wszystkie modele mediacji zgodnie z wyjściową elastycznością pływową układu oddechowego (odwrotność pływów). W przypadku badań z mniejszym VT obliczenie to nie było możliwe, ponieważ często brakowało danych wyjściowych. W związku z tym dla każdej próby wykorzystaliśmy szeregi elastyczności w każdej grupie poddanej zabiegowi (obliczonej po randomizacji), przy założeniu, że systematyczne zmiany parametrów wentylacji wynikające z przypisania grupy terapeutycznej mogą wpływać na wartości bezwzględne elastyczności, ale nie wpłyną na ranking poszczególnych wartości elastyczności w ramach odpowiednich grup badawczych. W Dodatku Uzupełniającym (Rozdział II.4, Rys. S3) przedstawiamy analizę wrażliwości dotyczącą tego założenia.
Oprócz współzmiennych modelu 1, weszliśmy do podstawowej linii oddechowej układu oddechowego we wszystkich modelach regresji używanych do analizy mediacyjnej, która to metoda wewnętrznie odfiltrowała potencjalne zakłócenia spowodowane różnicami w nasileniu podstawowej choroby płuc. W związku z tym w analizie mediacji uwzględniono wyłącznie wpływ wariacji .P związanych ze strategią – czyli zmiany w .P nałożone przez zmiany ustawień respiratora po randomizacji.
Wyniki
Budowanie i testowanie modelu predykcyjnego
W analizach jednoczynnikowych w kohorcie derywacyjnej wykryto kilka znaczących powiązań między niezależnymi zmiennymi predykcyjnymi a przeżywalnością (tabela S3 w dodatku uzupełniającym). Dwie zmienne wyjściowe (ryzyko według APACHE lub SAPS i pH tętnicze) i dwie zmienne respiratora (FiO2 i .P) były istotnie związane z przeżyciem po dostosowaniu wielowymiarowym.
Test tego wstępnego modelu w naszej pierwszej kohorcie walidacyjnej wykazał, że linia podstawowa PaO2: FiO2 może zastąpić informacje związane ze zmienną FiO2 (Tabela S7 w Dodatku Uzupełniającym), z przewagą zatwierdzania zewnętrznie26. Obserwowaliśmy również, że wiek był silny, niezależny czynnik predykcyjny przeżycia, mimo że jest on składnikiem oceny APACHE
[więcej w: kasetony świetlne, arganowy olejek, olej makadamia ]

Powiązane tematy z artykułem: arganowy olejek kasetony świetlne olej makadamia

Posted by on 23 maja 2018

Przetestowaliśmy czterech kandydatów na mediatorów: VT, ciśnienie plateau, PEEP i .P. Pierwsze trzy zmienne były wyraźnymi celami w protokołach, podczas gdy .P, która była zmienną zależną w tych badaniach, była zmienną, którą hipotetycznie założyliśmy jako kluczowy mediator. Zgodnie ze standardowymi procedurami analizy mediacji, zbadaliśmy każdego kandydata na mediatora w sekwencji czterech testów logicznych, ostatecznie oceniając, czy zmiany mediatora wyjaśniły średnią korzyść losowo przydzielonej grupy terapeutycznej, jak również ocenę wpływu dawka-odpowiedź na wyniki. Użyliśmy oprogramowania R, wersja 2.10.1, z pakietem R do analizy przyczynowej mediacji (projekt R dla komputerowych obliczeń statystycznych), 23,24, w którym oszacowano proporcję mediacji, wskazując, jak duża część zmniejszenia ryzyka w grupie wyjaśnione przez pośrednią ścieżkę, w której przypisanie grupy terapeutycznej prowadzi do zmiany mediatora, a zmiana mediatora wpływa następnie na wynik (patrz Dodatek dodatkowy). Obliczyliśmy średni efekt pośredniczenia przyczynowego 24, który wyrażał niezależne zagrożenie (ryzyko względne) związane z tą drogą pośrednią. Inne analizy przeprowadzono przy użyciu oprogramowania SPSS, wersja 20 (SPSS).
Aby uniknąć możliwych uprzedzeń spowodowanych różnicami w nasileniu dolegliwości ze strony układu oddechowego, wstępnie dopasowaliśmy wszystkie modele mediacji zgodnie z wyjściową elastycznością pływową układu oddechowego (odwrotność pływów). W przypadku badań z mniejszym VT obliczenie to nie było możliwe, ponieważ często brakowało danych wyjściowych. W związku z tym dla każdej próby wykorzystaliśmy szeregi elastyczności w każdej grupie poddanej zabiegowi (obliczonej po randomizacji), przy założeniu, że systematyczne zmiany parametrów wentylacji wynikające z przypisania grupy terapeutycznej mogą wpływać na wartości bezwzględne elastyczności, ale nie wpłyną na ranking poszczególnych wartości elastyczności w ramach odpowiednich grup badawczych. W Dodatku Uzupełniającym (Rozdział II.4, Rys. S3) przedstawiamy analizę wrażliwości dotyczącą tego założenia.
Oprócz współzmiennych modelu 1, weszliśmy do podstawowej linii oddechowej układu oddechowego we wszystkich modelach regresji używanych do analizy mediacyjnej, która to metoda wewnętrznie odfiltrowała potencjalne zakłócenia spowodowane różnicami w nasileniu podstawowej choroby płuc. W związku z tym w analizie mediacji uwzględniono wyłącznie wpływ wariacji .P związanych ze strategią – czyli zmiany w .P nałożone przez zmiany ustawień respiratora po randomizacji.
Wyniki
Budowanie i testowanie modelu predykcyjnego
W analizach jednoczynnikowych w kohorcie derywacyjnej wykryto kilka znaczących powiązań między niezależnymi zmiennymi predykcyjnymi a przeżywalnością (tabela S3 w dodatku uzupełniającym). Dwie zmienne wyjściowe (ryzyko według APACHE lub SAPS i pH tętnicze) i dwie zmienne respiratora (FiO2 i .P) były istotnie związane z przeżyciem po dostosowaniu wielowymiarowym.
Test tego wstępnego modelu w naszej pierwszej kohorcie walidacyjnej wykazał, że linia podstawowa PaO2: FiO2 może zastąpić informacje związane ze zmienną FiO2 (Tabela S7 w Dodatku Uzupełniającym), z przewagą zatwierdzania zewnętrznie26. Obserwowaliśmy również, że wiek był silny, niezależny czynnik predykcyjny przeżycia, mimo że jest on składnikiem oceny APACHE
[więcej w: kasetony świetlne, arganowy olejek, olej makadamia ]

Powiązane tematy z artykułem: arganowy olejek kasetony świetlne olej makadamia