條文本

原始研究
covid -19後主動脈狹窄:等候名單和死亡率的數學模型
  1. 基督教菲利普Stickels1
  2. 拉梅什Nadarajah23.4
  3. 克裏斯·P蓋爾23.4
  4. Houyuan江5
  5. 基蘭J夏基1
  6. 本Gibbison6
  7. 尼克•霍利曼7
  8. 莎拉·隆巴多8
  9. 佬司Schewe9
  10. 馬特奧Sommacal10
  11. 露易絲陽光1112
  12. 喬納森Weir-McCall1314
  13. 凱瑟琳Cheema15
  14. 詹姆斯·路德16
  15. 媽媽媽媽17
  16. Feryal Erhun5
  1. 1數學科學係利物浦大學利物浦、英國
  2. 2利茲數據分析研究所利茲大學利茲、英國
  3. 3.利茲心血管和代謝醫學研究所利茲大學利茲、英國
  4. 4心內科NHS信托利茲教學醫院利茲、英國
  5. 5法官商學院劍橋大學劍橋、英國
  6. 6心髒麻醉和重症監護布裏斯托爾醫學院布裏斯托爾、英國
  7. 7部門信息倫敦國王學院倫敦、英國
  8. 8數學科學係拉夫堡大學拉夫堡、英國
  9. 9數學學院和麥克斯韋數學科學研究所愛丁堡大學愛丁堡、英國
  10. 10數學、物理和電氣工程係諾森比亞大學泰恩河畔紐卡斯爾、英國
  11. 11心髒麻醉科渥太華大學心髒研究所渥太華安大略、加拿大
  12. 12心血管研究項目臨床評價科學研究所多倫多安大略、加拿大
  13. 13美國放射學劍橋大學劍橋、英國
  14. 14美國放射學皇家特醫院劍橋、英國
  15. 15健康智慧英國心髒基金會倫敦、英國
  16. 16醫學係的劍橋大學劍橋、英國
  17. 17基爾心血管研究小組英國基爾大學基爾、英國
  1. 對應到Feryal Erhun博士;f.erhun在{}jbs.cam.ac.uk

摘要

目標為嚴重主動脈狹窄(AS)的不同治療途徑如何影響英國國家衛生服務(NHS)的候診名單持續時間和相關死亡率提供估計。

設計建立了超限排隊的數學模型,並得到了該模型的封閉解析解。從已公布的數據中,我們計算了幹預措施下列出的策略如何影響等待治療的積壓患者的清理時間和相關的等待名單死亡率。

設置英格蘭的國民醫療服務體係。

參與者估計英格蘭AS患者。

幹預措施(1)提高嚴重AS的治療能力,(2)將手術病例的比例轉變為經導管主動脈瓣植入術,(3)兩者結合。

結果在有能力的係統中,不可能通過恢複covid -19前的產能來清理積壓。如果轉換率達到50%,則積壓病例將在666(533-848)天內處理完畢,在此期間有1419(597-2189)人在等待期間死亡。20%的容量增加需要535(434-666)天,相關死亡率為1172(466-1859)天。如果將40%的病例轉化並將處理能力提高20%,將在一年內(343(281-410)天)清除積壓病例,其中784人(292-1324)在等待治療期間死亡。

結論需要改變對嚴重急性呼吸道綜合征的管理策略,以減少在covid -19後“恢複”期間NHS的積壓病例和等候名單上的死亡病例。然而,合理的適應仍然需要等待很長時間才能得到治療,數百人在等待期間死亡。

  • 心髒病學
  • 新型冠狀病毒肺炎
  • 心髒瓣膜病

數據可用性聲明

數據共享不適用,因為本研究沒有生成和/或分析數據集。

https://creativecommons.org/licenses/by/4.0/

這是一篇開放獲取的文章,按照創作共用署名4.0未移植(CC BY 4.0)許可發布,該許可允許其他人複製、重新發布、混合、轉換和基於此作品的任何目的,隻要原始作品被正確引用,提供許可證鏈接,並說明是否進行了更改。看到的:https://creativecommons.org/licenses/by/4.0/

來自Altmetric.com的統計

本研究的優勢和局限性

  • 當數據收集可能導致更多的死亡時,我們的模型為緩解時間緊迫的衛生係統問題提供了良好的基礎。

  • 在理想條件下,對一些外科主動脈瓣置換術患者進行經導管主動脈瓣置換術可能被認為是次優治療,但可能會產生更好的基於目標人群的結果。

  • 假設整個NHS可以被建模為一個具有單一等候名單的單一實體,這是本研究的一個局限性。

  • 我們承認,在我們的研究中使用的等待人數隻是估計,因為我們不知道有多少AS患者死於COVID-19感染。

簡介

COVID-19大流行導致了醫療服務的重組,以限製病毒的傳播並處理感染的後遺症。這種重組對心血管服務產生了不利影響,急性心血管事件住院人數減少,除了最緊急的介入程序和手術外,所有的介入程序和手術都被推遲。1 2

主動脈狹窄是瓣膜性心髒病最常見的形式。一旦狹窄嚴重,症狀隨之而來,預後較差,症狀出現2年內死亡率為50%。3.因此,及時治療至關重要。外科主動脈瓣置換術(SAVR)曆來是默認的治療策略。然而,經導管主動脈瓣植入術(TAVI)最近已成為一種有效的、在手術風險層中越來越多使用的選擇。4 - 8

在COVID-19大流行期間,用於治療嚴重AS的TAVI和SAVR程序性活動大幅下降。9據估計,在2020年3月至11月期間,英國4989例(95% CI 4020至5959)嚴重AS患者的活動下降未接受TAVI或SAVR治療。9在我們進入“與COVID-19共存”的時代之際,必須緊急製定計劃,以最佳方式管理嚴重As治療的額外等候名單負擔。10

在這項研究中,我們使用了數學方法,以檢驗在多大程度上應該創建額外的能力來提供嚴重的AS治療,以清除積壓和減少等候名單上的人的死亡。

方法

研究人口和假設

此前提取了2017年至2020年期間英國TAVR登記處和國家心血管結果研究所國家成人心髒外科審計的數據,以估計多餘的等候名單規模(嵌入式圖像 )對截至2020年11月未得到治療的4989名嚴重AS患者(95% CI 4020至5959)進行了調查。9在沒有關於等待列表、SAVR和TAVI活動的同步數據的情況下,我們將這個數字作為建模解決方案的多餘積壓。AS的發病率近年來沒有增加。11因此,我們假設係統在COVID-19大流行前處於穩態,並在不喪失一般性的情況下將穩態等待列表定義為零。此外,我們假設在開始額外的手術時,新患者進入嚴重AS等候治療名單的正常流量(f)將保持不變。因此,我們建模的額外產能是為了清理covid -19後的多餘積壓。

我們認為嚴重AS患者出現症狀後1年死亡率(μ)為36%(95%可信區間12%至60%)。12最近的研究估計1年死亡率為51%5和55%,13但其中包括被認為不適合SAVR的人群;因此,我們認為這些估計不能代表未選定的嚴重AS人群。13嚴重急性弛緩症的常規治療能力取自大流行前時期。2018/2019年,英格蘭國家衛生服務體係(NHS)執行了7830次SAVR (嵌入式圖像 )及5197 TAVI (嵌入式圖像 )的程序,每年的總吞吐量約為13000個。14

造型

等候治療嚴重AS的患者被表示為一個動力係統(圖1).

圖1

動態係統模型的等待列表長度。SAVR,外科主動脈瓣置換術;經導管主動脈瓣植入術。

在該模型中,我們在2018/2019年的業績中引入了過剩產能,並將其稱為產能嵌入式圖像 (詳情載於在線補充材料).我們假設英格蘭國家醫療服務係統可以繼續處理的典型病例量;也就是說,我們假設該係統將首先利用其基線能力恢複到大流行前的水平。隻有通過以這種額外能力治療患者或通過患者在接受治療前死亡,才能減少大流行期間積累的積壓。我們也認為積壓的病人和新進入等候名單的病人沒有區別。因此,等候名單的規模代表了無法在任何時候立即得到治療的尋求治療的多餘人數。我們還假設候診名單之外的其他途徑(例如,尋求私人治療的患者)與不確定性估計相比是如此之小,以致於對我們分析結果的影響可以忽略不計。

這些假設被綜合在一起來給出一個估計的時間在線補充材料)以清除等候名單嵌入式圖像

嵌入式圖像 (1)

和相關死亡率(嵌入式圖像

嵌入式圖像 (2)

使用式(1)、(2),我們預測了不同容量增加百分比下的時間長度和相關死亡率。我們假設在整個建模期間,任何容量的增加都是恒定的。例如,如果我們增加5%的日產量,嵌入式圖像 在整個英格蘭國家醫療服務體係中,每天都有額外的手術。我們為1年死亡率和初始等候名單長度生成了10000個隨機值。我們假設兩個變量的不確定度均為正態分布。對於每一個嵌入式圖像 ,我們給出了清除等候名單和相關死亡率的時間的平均值和10 000個模擬的2.5%和97.5個百分位。也就是說,我們給出了95%的參考範圍。15

幹預措施和結果

我們調查了三種類型的能力提高:(1)提供SAVR和TAVI能力的普遍提高,這可以通過增加每個清單的程序數量、增加清單、優先護理途徑和治療嚴重AS的人員配備來促進;(2)通過治療一些經常患有SAVR的TAVI患者而產生的額外能力;(3)綜合提高能力和將部分病例從SAVR轉化為TAVI。在COVID-19大流行期間,對通常轉介手術的患者進行了TAVI,與曆史參考組相比,短期結果無差異。16日17

我們假設SAVR的持續時間通常在2 - 4小時之間,TAVI在1 - 2小時之間。18 19因此,我們假設在兩個SAVR操作的時間內,可以執行三個TAVI。20.一些臨床因素可能更傾向於SAVR而不是TAVI(包括合並嚴重的冠狀動脈疾病、STS評分低、二尖瓣主動脈瓣等);因此,我們假設,在短期內,不超過50%的患者可以從SAVR轉化為TAVI。21我們還假設通過其他方式(例如,額外的列表,每個列表更多的過程)可以創建的額外容量不超過50%。基於新增產能的創造,我們模擬了兩個主要結果(嵌入式圖像 ):清理積壓病例的時間(減少到零),以及在等待治療的等候名單上的多餘積壓病例中的患者的死亡率。

我們完成了關於SAVR轉換為TAVI如何影響主要結果的附加敏感性分析,包括是否每天常規完成3次SAVR手術和每天4 - 5次TAVI手術(假設在不進行全身麻醉的情況下增加極簡TAVI方法的采用,從而使手術時間更快)。22

患者和公眾的參與

患者和公眾不參與這項研究。

結果

在2019冠狀病毒病前時期,嚴重AS的常規治療能力被設定為覆蓋正常發病率。也就是說,通過恢複新冠肺炎疫情前的產能來清理積壓是不可能的。因此,在1年的額外等候名單上的死亡率估計超過1500人,這就強烈強調了改革的必要性。

總額外的能力

圖2提供了基於總新增容量的清理多餘積壓的時間和等待列表上患者死亡率的模擬,嵌入式圖像 .我們估計,在提供嚴重AS治療的能力增加5%的情況下,需要1384(1025-1994)天才能清除多餘的積壓,造成2526(1355-3516)人死亡。總運力增加20%將有利於在536天(434-666天)內清除多餘積壓,估計死亡人數為1173人(466-1859天)。隨著總運力進一步增加,在清除積壓和避免相關死亡率方麵的回報在遞減;容量增加越多,每增加一次容量,挽救的生命就越少。即使有可能將能力增加一倍,估計也需要131天(126-137天)才能清理積壓的病例,等待名單上將有313人(118-494人)死亡。

圖2

清理積壓病例的時間(左)和由此造成的死亡人數(右),相關的95%參考範圍是每日能力增長百分比的函數,死亡率和初始等候名單不確定。x軸被截斷5%,以便更直觀和清晰。

SAVR轉換為TAVI的效果

將一定比例的病例從手術轉為TAVI後,對清理等候名單上積壓病例和死亡率的估計時間有了一定的改善。在將30%的SAVR行動轉化為TAVI程序的情況下,在不增加係統容量的情況下,我們估計需要975天(741-1284天)才能清理積壓的病例,等待名單上將有1914人(923-2809人)死亡。即使將50%的SAVR行動轉為TAVI程序,估計的積壓將在666天(533-848天)內解決,造成1419人(597-2189人)死亡。對於我們考慮的最高轉換率(2:4),即50%的轉換率,我們估計積壓病例將在384(330-462)天內清除,死亡人數為871(314-1426)人。雖然這一結果有所改善,但我們認為2:4的轉化率是短期內最高的合理比率,不太可能立即在所有中心實現。同樣值得注意的是,即使實現了這一目標,仍需要一年多的時間來清理積壓的文件。

結合SAVR轉換為TAVI和額外的容量

圖3 a, B展示了創造額外能力的各種可能性。每一行都展示了一係列提供相同結果的幹預策略。例如,將平均預測死亡人數減少到1000人(紅線)圖3 b),中心可以在與大流行前相同的混合情況下增加能力,每周額外提供25%的程序,或者它們可以將50%的SAVR業務轉為TAVI,並在這種混合情況下增加8.7%的能力。圖3 c, D表示在將SAVR轉換為TAVI的同時,為提高係統內的能力而采取的幹預措施的組合將如何影響清除積壓的時間和相關的等待死亡率。等待名單上的死亡率對我們建模幹預的響應小於清除積壓的時間(深色區域)圖3 d占估計的比例比圖3 c).增加係統內的能力,同時將一定比例的SAVR病例轉化為TAVI,在清除積壓病例和避免相關死亡率方麵估計會帶來最大的好處。決策者可能會感興趣的是一年內將積壓的工作清理完的綜合辦法。隨著40%的SAVR行動轉為TAVI,並新增20%的能力,我們估計積壓的問題將在不到一年的時間內得到解決,343天(281-410天),784人(292-1324人)在治療前死亡。

圖3

清除積壓的平均時間(左)和由此導致的死亡(右)作為每日容量增長百分比的函數(y軸)和外科主動脈瓣置換(SAVR)轉換為經導管主動脈瓣植入(TAVI)的百分比(x軸)(以兩種不同的形式表示)。(A)以半年為增量從半年(藍色)到兩年(紫色)的恒定平均清場時間等斜線。(B)清理積壓500人(藍色)到2000人(紫色),以500人為增量的恒定平均死亡率等斜線。(C)轉換和每日容量增加的不同組合的熱圖,以及平均需要多長時間才能清除積壓,以天為單位。(D)轉換和日容量增加的不同組合的熱圖,以及平均會有多少人死亡。

在與SAVR同時完成的TAVI程序數量發生改變(TAVI到SAVR: 4到3、4到2、5到3)的敏感性分析支持這些發現(在線補充材料圖S1-S3).此外,敏感性分析表明,在最佳實踐(TAVI對SAVR: 4比2)下,即使是更適度的組合(35%的轉換和增加10%的產能)也可能足以在一年內清除積壓。

討論

在這項研究中,我們使用動力係統建模,對嚴重AS患者的治療途徑的改變可能如何影響清理積壓病例的時間,並將英格蘭NHS的等候名單上的死亡率降至最低。如果不為AS的介入治療提供至少20%的額外能力,我們估計在近1.5年的時間裏,將有超過1000人在等候名單上死亡。將病例從SAVR轉到TAVI將加快處理積壓病例,但即使將一半病例轉到TAVI,仍將在近兩年的時間內造成1400多人死亡。將通常計劃用於SAVR的40%病例轉化為TAVI,並增加20%的程序能力(通過增加名單等措施),將在1年內清除多餘的積壓病例,造成784人死亡。

我們的研究有幾個優勢。首先,在具有許多未知因素的時間緊迫的臨床情況下,我們使用新穎的數學模型提供了合理的估計,為衛生服務規劃提供了基礎,並提供了一個可用於大流行後其他情況下的服務提供的範例。鑒於這一人群的高發病率,等待收集更多的當代數據可能無法提供足夠的時間來進行係統改革,以防止死亡。其次,我們還提供了具體的估計,以了解病例從手術轉為TAVI可能如何影響候診名單和相關死亡率,這可以為當地多學科團隊(MDT)的討論提供信息。第三,我們的模型可以作為臨床和成本效益分析的基礎,以評估提高能力的不同方式,並確定每個中心的最佳策略。對於每個中心來說,可以形成將SAVR轉化為TAVI和提供或優先處理嚴重AS的最有效組合。

我們認識到模擬一個複雜的情況所固有的局限性。首先,我們將英國國民保健製度作為一個單一的實體來代表。因此,我們含蓄地假設,人口和能力按治療中心的能力均勻地分布在全國各地。如果候診名單病人的分布與按能力加權的治療中心的分布有很大偏差,則清理候診名單所需的時間就會更長,因此死亡率就會更高。其次,我們沒有試圖計算有多少AS患者可能死於COVID-19大流行,這可能會減少等候名單上的死亡人數和等候名單的持續時間,因為模型低估了“放棄”。第三,我們假設的死亡率可能會在中心水平上有所不同,因為在等待名單上優先考慮臨床更脆弱的患者。第四,中心一級的分析可以說明每個治療中心的不同做法,並確定對每個中心最有效的戰略。第五,我們對從SAVR到TAVI的病例轉換的估計不包括程序後因素,如需要重症監護能力、住院時間和進一步的程序,因為這些依賴於多個中心特定的因素。最後,事實證明,TAVI需求的快速增長可能會超過目前的能力,23這可能會導致等待時間延長和患者在等待名單上的後續不良結果。因此,一個捕捉到TAVI和SAVR需求變化的需求模型將是一個有幫助的未來分析方向。

先前的一項研究使用數學模型來量化兩個中心的心髒手術積壓(包括冠狀動脈搭橋手術、瓣膜置換術和經導管主動脈瓣和二尖瓣置換術),該研究基於美國預計的大流行持續時間。24作者使用簡單的數學模型來預測根據增加的運營能力來清理積壓的時間。然而,作者沒有考慮死亡率,我們有死亡率,因為它對患者和計劃服務是至關重要的。

我們的研究結果強調了在COVID-19“恢複期”對嚴重AS的非緊急治療的推遲。嚴重的AS是一種進展性疾病,瓣膜置換術是改善預後的唯一有效治療方法。25在地方、區域和全國範圍內,衛生保健係統將需要審查能力,確定優先事項,並規劃足夠的能力,以管理積壓的嚴重AS患者。由於之前因大流行而耗盡人力資源,以及與其他專業競爭,這些專業也將有積壓工作,應對工作將變得複雜。26

盡管如此,製定計劃時應該優先考慮推遲治療的風險最高的患者。據報道,等待治療的AS患者死亡率高達14%。27此外,研究發現,等待因大流行而推遲的結構性手術的患者死亡率明顯高於那些患有穩定冠狀動脈疾病的患者。28優先處理嚴重AS患者的能力可能意味著減少其他程序的能力。為TAVI和SAVR提供20%的額外能力可能隻需要每個中心每周額外進行一到兩次程序,而其他程序的費用為代價,因為許多中心每周隻進行2到3天TAVI程序。22這種互動需要地方層麵的合作決策,要承認這是一個困難的、不完美的時代。我們還表明,將通常由SAVR管理的一部分病例轉換為TAVI有助於加快治療和減少候診名單上的死亡率。在大流行期間,通常轉介手術的患者接受了TAVI程序,短期結果無明顯差異;16日17關於TAVI在手術風險層的長期療效和安全性的數據不斷出現。29 30最近的歐洲指南表明,與SAVR相比,TAVI是75歲以上患者更好的選擇。21

為了幫助規劃,我們提供了一個應用程序(https://github.com/Christian-P-Stickels/AS_Waitinglist_data)在地方、區域和國家層麵探討能力和治療途徑的改變對與嚴重AS相關的等候名單和死亡率的影響(在線補充材料).

結論

在這項研究中,我們發現,如果不同時提高嚴重AS患者的治療能力和擴大TAVI的使用,就會在covid -19後恢複期出現許多可能可以避免的死亡。我們的研究結果和伴隨的應用程序可能有助於心髒服務的規劃。

數據可用性聲明

數據共享不適用,因為本研究沒有生成和/或分析數據集。

倫理語句

病人同意發表

致謝

我們要感謝2021年2月2日至4日舉行的V-KEMS“COVID-19對心血管等候名單影響的建模解決方案”研究小組的所有參與者,他們進行了發人深省的討論。我們特別感謝Clare Merritt(牛頓數學門),他的幫助超出了研討會的範圍,在完成這項工作中起了至關重要的作用,我們還要感謝Alan Champneys,是他首先將小組聚集在一起。BG得到了布裏斯托大學布裏斯托生物醫學研究中心以及布裏斯托大學醫院和韋斯頓NHS基金會信托基金的支持。JHFR得到了英國國立衛生研究院劍橋生物醫學研究中心、英國心髒基金會、HEFCE、EPSRC劍橋醫療信息數學中心和維康信托基金的部分支持。

參考文獻

補充材料

  • 補充數據

    這個網絡僅文件已由BMJ出版集團從作者提供的電子文件生產(s),並沒有編輯的內容。

腳注

  • 推特@Dr_R_Nadarajah, @sunlouise1, @jhfrudd, @mmamas1973, @FeryalErhun

  • 貢獻者MM提出了最初的工作坊並設計了研究問題。MM, CPG, RN, BG和JHFR都作為臨床專家幫助運行該研討會。除KC和FE外,所有成員都參與了最初講習班的概念化工作。CPS、HJ、KJS和FE在MM、CPG、RN、BG和JHFR的臨床指導下設計模型。CPS進行數據分析。CPS, RN和FE起草了最初的手稿。MM, CPG, BG, JHFR, NH, SL, LaSc, MS, LoSu, JW-M, KC對手稿進行了批判性的解讀和修訂。所有作者都認可了最終稿。FE是整體內容的擔保人。

  • 資金本研究部分由EPSRC劍橋醫療保健信息數學中心資助,資助號為EP/T017961/1。研究經費來源對論文的設計、數據分析、寫作或發表的決定都沒有影響。

  • 相互競爭的利益BG承認來自David Telling慈善信托基金和生物技術和生物科學研究委員會的與該項目無關的資助,他還宣布擔任麻醉雜誌的副主編,並擔任COPIA試驗的dmm主席。所有其他作者都確認他們沒有需要聲明的競爭利益。

  • 患者和公眾的參與患者和/或公眾未參與本研究的設計、實施、報告或傳播計劃。

  • 來源和同行評審不是委托;外部同行評議。

  • 補充材料本內容由作者提供。它沒有經過BMJ出版集團有限公司(BMJ)的審查,也可能沒有經過同行評審。討論的任何意見或建議僅僅是那些作者(s)和不被BMJ認可。BMJ放棄從放在內容上的任何依賴產生的所有責任和責任。如果內容包含任何翻譯材料,BMJ不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南、術語、藥品名稱和藥物劑量),並且不對翻譯和改編或其他原因引起的任何錯誤和/或遺漏負責。

請求的權限

如果您希望重用這篇文章的任何部分或全部,請使用下麵的鏈接,它將帶您訪問版權清除中心的RightsLink服務。您將能夠快速獲得價格和以多種不同方式重用內容的即時許可。