救急部門の高度な心血管リスク予測：臨床予測モデルの更新 - 大規模なデータベース研究プロトコル

背景：胸痛を呈する患者は、救急部門への出席率の大部分を表しています。これらの患者では、臨床医はしばしば急性心筋梗塞（AMI）の診断を検討し、そのタイムリーな認識と治療は臨床的に重要です。臨床予測モデル（CPM）は、AMIの早期診断を強化するために使用されています。トロポニンのみのマンチェスター急性冠症候群（T-MACS）意思決定支援は、現在、大マンチェスターで臨床で使用されています。CPMは、キャリブレーションドリフトを通じて時間とともに劣化することが示されています。T-MACSで潜在的なキャリブレーションドリフトを評価し、モデルを更新する方法を比較することを目指しています。 方法：2つの大型NHS病院でTMACを使用して治療された患者から日常的に収集された電子データを使用します。これには、2016年6月から2020年10月までの約14,000の患者エピソードが含まれると推定されています。急性心筋梗塞の主な結果は、NHSデジタルの入院患者ケアデータセットから供給されます。既存のモデルのキャリブレーションドリフトと、モデルの再調整、モデルの拡張、動的更新によるCPMを更新する利点を評価します。これらのモデルは、ブートストラップと一歩先を行くことで検証されます。キャリブレーションプロットとC統計を使用して、予測パフォーマンスを評価します。また、更新されたTMACSモデルで予測される確率の再分類を調べます。 議論：CPMは現代医学で広く使用されていますが、時間の経過とともにキャリブレーションの悪化に対して脆弱です。日常的に収集された電子データを使用した継続的な改良は、新しいモデルを導き出して検証するよりも必然的に効率的になります。この分析では、時間と労力の初期投資を保護するために、CPMを更新する方法を例示しようとします。成功した場合、更新方法を使用して、TMAC内で使用されるアルゴリズムを継続的に改良し、時間の経過とともに予測パフォーマンスを維持または改善することさえできます。 試用登録：ISRCTN番号：ISRCTN41008456。

BACKGROUND: Patients presenting with chest pain represent a large proportion of attendances to emergency departments. In these patients clinicians often consider the diagnosis of acute myocardial infarction (AMI), the timely recognition and treatment of which is clinically important. Clinical prediction models (CPMs) have been used to enhance early diagnosis of AMI. The Troponin-only Manchester Acute Coronary Syndromes (T-MACS) decision aid is currently in clinical use across Greater Manchester. CPMs have been shown to deteriorate over time through calibration drift. We aim to assess potential calibration drift with T-MACS and compare methods for updating the model. METHODS: We will use routinely collected electronic data from patients who were treated using TMACS at two large NHS hospitals. This is estimated to include approximately 14,000 patient episodes spanning June 2016 to October 2020. The primary outcome of acute myocardial infarction will be sourced from NHS Digital's admitted patient care dataset. We will assess the calibration drift of the existing model and the benefit of updating the CPM by model recalibration, model extension and dynamic updating. These models will be validated by bootstrapping and one step ahead prequential testing. We will evaluate predictive performance using calibrations plots and c-statistics. We will also examine the reclassification of predicted probability with the updated TMACS model. DISCUSSION: CPMs are widely used in modern medicine, but are vulnerable to deteriorating calibration over time. Ongoing refinement using routinely collected electronic data will inevitably be more efficient than deriving and validating new models. In this analysis we will seek to exemplify methods for updating CPMs to protect the initial investment of time and effort. If successful, the updating methods could be used to continually refine the algorithm used within TMACS, maintaining or even improving predictive performance over time. TRIAL REGISTRATION: ISRCTN number: ISRCTN41008456.