Dynamic clinical predic.on models for cardiac surgery - - PowerPoint PPT Presentation

Dynamic ¡clinical ¡predic.on ¡ models ¡for ¡cardiac ¡surgery ¡

Hickey ¡GL1, ¡Grant ¡SW2, ¡Caiado ¡C3, ¡Kendall ¡S4, ¡ ¡ Dunning ¡J4, ¡Poullis ¡M5, ¡Buchan ¡I1, ¡Bridgewater ¡B1,2 ¡

¡

1Northwest ¡Ins.tute ¡of ¡Bio-­‑Health ¡Informa.cs; ¡2University ¡Hospital ¡of ¡South ¡

Manchester; ¡3University ¡of ¡Durham; ¡4The ¡James ¡Cook ¡University ¡Hospital; ¡ ¡

5Liverpool ¡Heart ¡and ¡Chest ¡Hospital ¡

This ¡research ¡was ¡generously ¡funded ¡by ¡ Heart ¡Research ¡UK ¡[Grant ¡Number ¡RG2583] ¡

History ¡of ¡clinical ¡predic.on ¡models ¡ for ¡cardiac ¡surgery ¡

1989 ¡ • Parsonnet ¡ 1999 ¡ • Addi.ve ¡EuroSCORE ¡ 2003 ¡ • Logis.c ¡EuroSCORE ¡ 2008 ¡ • STS ¡Models ¡ 2012 ¡ • EuroSCORE ¡II ¡ Future ¡ • Where ¡next? ¡

Procedure ¡specific ¡ Mul.ple ¡outcomes ¡ Dominant ¡ European ¡model ¡ for ¡~10 ¡years ¡

What’s ¡wrong ¡with ¡the ¡status ¡quo? ¡

0.02 2002 2004 2006 2008 2010 0.4 0.5 0.6 0.7 Time (annual quarter) O:E ratio O:E ratio LOESS

0.02 0.04 0.06 0.08 0.10 Mortality (proportion) Observed Expected Actual Overall average Trend 2002 2004 2006 2008 2010 Time (annual quarter)

In ¡April ¡2010, ¡predicted ¡mortality ¡was ¡2.7 ¡x ¡observed ¡mortality ¡

Consequences ¡

Logistic EuroSCORE 0% 5% 10% 15% 200 400 600 800

Number of pro Mortality rate Number ¡of ¡procedures ¡

MisrepresentaGon ¡

Op.ons ¡a ¡

Approach ¡ DescripGon ¡ Do ¡nothing ¡ Develop ¡a ¡model ¡(e.g. ¡on ¡1-­‑years ¡data) ¡and ¡leave ¡to ¡ run ¡forever ¡ Periodically ¡refit ¡model ¡ Every, ¡e.g. ¡1-­‑year, ¡independently ¡refit ¡the ¡model ¡ Rolling ¡window ¡ Fit ¡model ¡to ¡a ¡fixed ¡window ¡(e.g. ¡2-­‑years) ¡of ¡data ¡and ¡ then ¡rolling ¡the ¡window ¡incrementally ¡(e.g. ¡every ¡1-­‑ year) ¡ Dynamic ¡logisGc ¡regression ¡ Exploit ¡dynamic ¡sta.s.cal ¡models ¡that ¡can ¡update ¡in ¡ ‘real ¡.me’ ¡(1-­‑month) ¡online ¡

a ¡not ¡an ¡exhaus.ve ¡list ¡

‘Nuts ¡& ¡bolts’ ¡of ¡dynamic ¡regression ¡

• Described ¡by ¡McCormick ¡et ¡al. ¡Biometrics ¡

2012; ¡68:23-­‑30 ¡(with ¡sogware) ¡

• Assumes ¡a ¡state-­‑space ¡equa.on: ¡βt ¡= ¡βt-­‑1 ¡+ ¡δ ¡

for ¡risk ¡factors ¡(cf. ¡log ¡odds ¡ra.os) ¡

• As ¡each ¡batch ¡of ¡new ¡data ¡arrives, ¡model ¡

updates ¡es.mate ¡of ¡βt ¡and ¡its ¡standard ¡error ¡ using ¡Bayesian ¡sta.s.cs ¡

• Assump.ons ¡made ¡about ¡δ ¡and ¡

approxima.ons ¡in ¡calcula.ons ¡

Strategy ¡

• Focus ¡on ¡EuroSCORE ¡risk ¡factors ¡
• Train ¡all ¡3 ¡models ¡on ¡2001-­‑02 ¡clinical ¡registry ¡

data ¡for ¡all ¡adult ¡cardiac ¡surgery ¡

• ‘Update’ ¡models ¡on ¡2002-­‑11 ¡clinical ¡registry ¡

data ¡

• Monitor ¡model ¡coefficients ¡

Results ¡

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 1500 2000 2500 3000 Time (months) Number of records 17 19 21 23 25 27 29 31 33 35 37 Number of contributing hospitals Procedures Contributing hospitals

• 316,713 ¡records ¡
• 37 ¡different ¡hospital ¡
• 120 ¡months ¡of ¡clinical ¡data ¡(10 ¡years) ¡

Age (adjusted) Female Pulmonary disease Extracardiac arteriopathy Neurological dysfunction Previous cardiac surgery 0.05 0.06 0.07 0.2 0.4 0.6 0.0 0.2 0.4 0.2 0.4 0.6 0.8 −0.5 0.0 0.5 1.0 0.7 0.9 1.1 1.3 2002 2004 2006 2008 2010 2002 2004 2006 2008 2010 2002 2004 2006 2008 2010

Time Coefficient

No update Rolling 2−year window Piecewise recalibration (1−year) Piecewise recalibration (2−year) Dynamic logistic regression Estimate 95% CI

Creatinine > 2.2mg/dl Active endocarditis Critical pre−op Unstable angina LV function: moderate LV function: poor 0.50 0.75 1.00 1.25 1.50 0.0 0.4 0.8 1.2 0.3 0.6 0.9 0.0 0.4 0.8 0.2 0.4 0.6 0.75 1.00 1.25 1.50 2002 2004 2006 2008 2010 2002 2004 2006 2008 2010 2002 2004 2006 2008 2010

Time Coefficient

No update Rolling 2−year window Piecewise recalibration (1−year) Piecewise recalibration (2−year) Dynamic logistic regression Estimate 95% CI

Recent MI Pulmonary hypertension Emergency/salvage Other than isolated CABG Surgery on thoracic aorta VSD 0.0 0.2 0.4 0.6 0.8 0.00 0.25 0.50 0.75 0.50 0.75 1.00 1.25 1.50 0.6 0.8 1.0 0.50 0.75 1.00 1.25 −0.5 0.0 0.5 1.0 1.5 2002 2004 2006 2008 2010 2002 2004 2006 2008 2010 2002 2004 2006 2008 2010

Time Coefficient

No update Rolling 2−year window Piecewise recalibration (1−year) Piecewise recalibration (2−year) Dynamic logistic regression Estimate 95% CI

Intercept −6.00 −5.75 −5.50 −5.25 2002 2004 2006 2008 2010

Time Coefficient

Estimate 95% CI No update Rolling 2−year window Piecewise recalibration (1−year) Piecewise recalibration (2−year) Dynamic logistic regression

Conclusions ¡

• Doing ¡nothing ¡is ¡not ¡an ¡op.on ¡
• A ¡pa.ent ¡today ¡does ¡not ¡have ¡the ¡same ¡risk ¡as ¡

10 ¡years ¡ago ¡

• Is ¡it ¡sensible ¡to ¡wait ¡for ¡EuroSCORE ¡III? ¡
• Dynamic ¡regression ¡is ¡more ¡methodologically ¡

complex ¡and ¡would ¡require ¡concerted ¡effort ¡ to ¡implement ¡