게재

국립 외상 데이터 뱅크(NTDB) 와 그 후속 기관인 미국 외과 학회 외상 품질 프로그램(TQP) 참여자 사용 파일은 현재 미국 전역의 900개 이상의 외상 센터 데이터를 활용하고 있습니다. 하지만 규모가 크다는 이유만으로 엄밀성을 간과하는 경우가 종종 있습니다. 2018년에 발표된 2015년 1월부터 2017년 3월까지 출판된 외상 등록 연구 논문 539편에 대한 체계적 검토 결과, 38.6%는 데이터의 완전성 여부를 언급하지 않았고, 16.3%는 결측 데이터를 지적했지만 처리 방법을 설명하지 않았습니다. 본 논문에서는 NTDB와 TQP 데이터가 어떤 연구를 뒷받침할 수 있는지, 연구 설계에 어떤 한계가 있는지, 그리고 손상 중증도 코딩, 생리적 결측치, 시설 클러스터링에 대한 분석적 결정이 출판 가능한 외상 등록 연구와 게재 거부되는 연구를 구분하는지 살펴봅니다.

NTDB와 TQP는 실제로 무엇일까요?

미국외과의사협회(ACS)는 1989년 참여 의료기관들이 자체적인 질 향상 프로그램을 위해 이미 보유하고 있던 외상 등록 데이터를 기반으로 국립 외상 데이터 뱅크(NTDB)를 설립했습니다. 데이터 증가는 갑작스럽기보다는 꾸준히 이루어졌습니다. 2004년까지 100만 건의 기록이 축적되었고, 2014년에는 500만 건에 이르렀습니다. 2017년 ACS는 NTDB를 보다 광범위한 외상 질 향상 프로그램(TQP) 체계에 통합했으며, 현재 TQP 하에 매년 공개되는 참여 기관 사용 파일은 원래 NTDB에서 추출한 데이터의 직접적인 후손입니다. 오늘날 "NTDB"를 인용하는 연구자들은 대개 동일한 제출 파이프라인을 기반으로 구축된 TQP 브랜드 파일을 사용하고 있으며, 바로 이러한 이유로 출판된 문헌에서 두 이름이 혼용되어 사용됩니다.

참여는 자발적이지만 집중적입니다. 미국 외과 학회(ACS) 외상 위원회에서 정한 자원 및 환자 수 기준을 충족하는 레벨 I 및 레벨 II 센터들이 대부분의 기록을 제공하며, TQIP 벤치마킹 보고서는 이러한 검증된 센터들을 기반으로 작성됩니다. 레벨 III 및 IV 센터들은 참여율이 낮고 변동성이 크기 때문에, TQIP 결과를 대형 전문 진료 센터 이외 지역의 외상 치료로 일반화하려는 사람들에게는 이러한 변동성이 매우 중요합니다.

TQP 데이터가 적절한 도구가 될 때

TQP 데이터는 단일 기관이 단독으로 달성할 수 없는 규모의 다양한 센터에 걸친 입원 결과, 손상 유형별 사망률 및 합병증 발생률, 소생술 시행 방식의 차이, 보험 가입 여부 또는 지역별 외상 치료 격차, 그리고 단일 센터에서 정밀하게 연구하기에는 너무 드문 손상 기전의 역학에 대한 질문에 답을 제공합니다. 적절한 축소를 적용한 관찰값 대 예상값 비율을 사용하여 센터의 위험 조정 사망률을 전국 참여자 집단과 비교하는 것은 이 데이터 설계의 주요 목적 중 하나입니다.

인구수를 분모로 사용하는 모든 분석은 TQP를 잘못 사용하는 것입니다. TQP는 참여를 선택한 의료기관들을 편의 표본 추출 방식으로 수집한 것이지 인구 기반 등록 시스템이 아니므로 발생률을 산출할 수 없으며, 외상 분야 종사자라면 누구나 이를 바로 알아챌 것입니다. 참여 의료기관에 도착하기 전에 사망했거나 네트워크 외부에서 치료받은 환자는 기록에서 제외되며, 참여 병원 목록은 매년 변경되므로 이러한 변화를 직접 검증하지 않으면 단순한 다년간 추세 분석이 구성 효과로 이어질 수 있습니다. 퇴원 후 추적 관찰 정보도 없습니다. 모든 것이 병원 문 앞에서 끝나기 때문에 장기적인 기능, 재입원 또는 후기 사망률에 대한 정보는 완전히 다른 데이터 소스를 통해 얻어야 합니다. 이와 유사한 편의 표본 추출 방식의 한계는 공공 상해 감시 시스템 전반에 적용되며, 우리는 NEISS 상해 통계의 신뢰성 분석에서 이 문제의 일반적인 양상을 다루었습니다.

부상의 심각도는 측정되는 것이 아니라 도출되는 것입니다.

외상 등록 시스템에서는 분석가에게 손상 심각도 점수를 직접 제공하지 않습니다. ISS와 NISS는 ICD 기반 진단 코드를 약식 손상 척도(AIS) 심각도에 매핑하여 계산하는데, 발표된 논문에서 발생하는 오류의 상당 부분이 바로 이 매핑 단계에서 비롯됩니다. 서로 다른 AIS 사전 버전은 동일한 진단 코드에 서로 다른 심각도 등급을 부여하므로, 동일한 입원 환자 데이터를 사용한 두 연구에서도 매핑 방식의 차이로 인해 ISS 분포가 크게 달라질 수 있습니다. 신뢰할 수 있는 외상 등록 시스템 연구는 사용한 매핑 버전을 명시하고, 연구 기간 중에 버전이 변경되는 경우 해당 선택이 결론에 영향을 미치는지 검증해야 합니다.

조기 사망 환자를 포함할지 여부가 문제를 더욱 복잡하게 만듭니다. 완전한 생리적 평가가 가능하기 전, 도착 후 몇 분 안에 사망하는 환자는 일부 분석에서는 제외되고 다른 분석에서는 포함되는데, 이러한 선택은 코호트에서 가장 위중한 환자들을 나타내는 분모를 정확히 바꿔놓습니다. 어느 선택도 그 자체로 잘못된 것은 아닙니다. 검토자는 어떤 선택을 했는지 보고하고 그것이 주요 결과에 미치는 영향을 검증하는 것을 확인하는 것입니다.

생리적 결핍이 핵심 문제입니다.

응급실 GCS, 수축기 혈압, 호흡수는 외상 위험 조정에 일상적으로 사용되는 변수 중 결측치가 가장 높은 변수이며, 그 원인은 무작위적이지 않습니다. 빅토리아 주 외상 등록소의 2,520건에 대한 분석 결과, 호흡수, GCS, 수축기 혈압과 기관삽관 여부 플래그가 TRISS 기반 분석에 필요한 변수 중 결측치가 가장 높은 비율을 차지했으며, 결측치 예측 변수에 대한 로지스틱 회귀 분석 결과, 이러한 결측치는 무작위적인 무응답이 아닌 명확한 임상적 패턴에서 비롯된 것으로 나타났습니다. 기관삽관, 진정 또는 위중한 상태로 도착한 환자는 구급대원이나 응급실 간호사가 충분히 평가할 수 없으며, 이러한 환자들은 사망률이 훨씬 높습니다. 따라서 완전한 기록만을 분석하는 것은 단순히 표본 크기를 줄이는 것 이상의 의미를 가집니다. 결과적으로 분자와 분모 모두 가장 위중한 환자들을 잃게 되며, 남은 환자들을 기준으로 계산된 사망률은 실제로 치료받은 집단보다 더 건강한 집단에 유리하게 편향됩니다.

이러한 편향의 메커니즘이나 방향은 특정 ​​레지스트리에만 국한된 것이 아닙니다. 68개 병원의 63,020명의 NTDB 환자 데이터를 기반으로 구축된 몬테카를로 시뮬레이션은 누락된 GCS 운동 구성 요소 데이터를 처리하는 데 선택한 통계적 방법이 품질 이상치로 표시되는 병원을 변경한다는 것을 보여주었습니다. 이는 다중 대치법, 완전 사례 분석, 그리고 영향을 받는 예측 변수를 완전히 제거하는 방법을 비교하고, 실제 관찰된 모든 데이터를 기준으로 평가한 결과입니다. NTDB 생리적 변수에 특화된 별도의 다중 대치 모델과, 대치된 값을 알려진 응급구조사 기록 값과 직접 비교한 ​​병원 밖 검증 연구에서도 서로 다른 레지스트리 데이터를 사용했음에도 불구하고 동일한 결론에 도달했습니다. 생리적 외상 변수에 대한 완전 사례 분석은 중립적인 기본값이 아닙니다. 이는 예측 가능하고 검증 가능한 방향으로 진행되며, 그 방향은 코호트의 실제 질병 정도를 과소평가하는 경향이 있습니다.

우리는 두 가지 통계 엔진으로 검증한 독립적인 시뮬레이션을 구축하여, 그러한 편향을 주장하는 것이 아니라 수치로 나타냈습니다. 완전 사례 분석이 외상 사망률과 전체 결과에 대한 위험 조정에 실제로 얼마나 많은 편향을 초래하는지 확인해 보세요.

시설 밀집 현상을 무시할 수 없습니다.

같은 외상 센터에서 치료받는 환자들은 통계적으로 서로 독립적이지 않습니다. 이들은 동일한 수술팀, 소생 프로토콜, 그리고 기관의 환자 구성 비율을 공유하며, 모든 환자를 독립적인 관찰값으로 취급하는 통합 로지스틱 회귀 분석은 시설 수준 비교와 관련된 불확실성을 과소평가합니다. 시설 무작위 절편을 포함하는 혼합 효과 모델이나 강건한 표준 오차를 사용하는 일반화된 추정 방정식이 이러한 불확실성을 해소하는 데 일반적으로 사용되는 방법이며, 두 접근 방식 모두에서 얻은 급내 상관계수(ICC)는 그 자체로 보고할 가치가 있습니다. 낮은 ICC는 센터 수준의 변동이 결과에 영향을 미치지 않는다는 증거이기 때문입니다. 검증 수준과 센터의 치료 건수는 클러스터링 항만큼이나 중요한 교란 변수입니다. 레벨 I, II, III 센터는 구조적으로 다른 환자 구성 비율을 다루기 때문에, 검증 상태를 고려하지 않은 비교는 애초에 동일하지 않았던 집단을 비교하는 것과 같습니다.

이체 및 이중 계산

중증 외상 환자 중 상당수는 다른 병원에서 전원되어 참여 센터에 도착하며, 이들의 TQP 기록은 제출 방식에 따라 어느 기관의 기록이든 반영될 수 있습니다. 이러한 문제를 해결하지 않으면 통합 파일 전체에서 일부 환자가 중복 계산될 뿐만 아니라, 서로 다른 두 치료 과정의 결과가 하나의 기록에 혼합됩니다. 일관되게 적용되고 대안과 비교 검증된 명확한 전원 규칙은 선택 사항이 아니라 필수적인 단계이며, 제출된 외상 등록 논문에서 심사자들이 가장 흔히 지적하는 문제점 중 하나입니다.

간단한 단어로

NTDB와 TQP는 모든 부상 환자를 대상으로 한 전국적인 조사가 아니라, 데이터를 자발적으로 제공하는 병원들로 구성된 대규모 다기관 외상 데이터베이스입니다. 따라서 여러 센터의 결과를 비교하는 데는 유용하지만, 실제 인구 비율을 파악해야 하는 경우에는 한계가 있습니다. 활력 징후가 누락된 환자를 단순히 연구에서 제외된 것처럼 처리하는 것은 피할 수 있는 오류의 가장 큰 원인입니다. 외상 등록 데이터에서 GCS나 혈압 측정값이 누락될 가능성이 가장 높은 환자는 상태가 너무 불안정하여 제대로 평가할 수 없었던 환자이며, 이러한 환자들은 사망 위험이 가장 높은 경우가 많기 때문입니다.

NTDB/TQP와 다른 주요 레지스트리 비교

제품 특장점NTDB / TQP시어나하네스
샘플 유형참여 센터의 편의 표본인구 기반 등록 시스템, 미국인의 약 절반복합 확률 조사 표본
최초 사건 발생 후 후속 조치없음, 퇴원 시 종료됨장기 생존 및 사망 원인NDI를 통한 연계 사망률만 해당
서명 누락 데이터 문제생리적 변수 중증도에 따른 정보 누락사망 단계 및 원인 미상 코딩 오류인터뷰 및 MEC 구성 요소에서 항목 무응답
전국 평균 비율을 추정할 수 있나요?아니요, 분모를 알 수 없습니다.네, 해당 등록기관 내에서 가능합니다.네, 설문조사 가중치를 적용하면 가능합니다.

TQP 참여자 사용 파일에 접근하기

데이터 접근은 개별 연구자가 아닌 신청자의 소속 기관을 통해 이루어집니다. 미국 외과학회(American College of Surgeons)는 수령 기관을 명시하고, 해당 기관 내에서 파일을 다룰 수 있는 사람을 제한하며, 연구 결과 공유 및 발표 방법에 대한 조건을 명시한 데이터 사용 계약서에 서명할 것을 요구합니다. 외부 분석 지원, 통계 전문가, 데이터 관리 계약업체 또는 Editverse와 같은 업체가 고객이 제공한 추출 데이터를 기반으로 작업을 수행하는 것은 일반적으로 허용되지만, 소속 기관의 계약서에 명시적으로 허용된 경우에만 가능하며, 분석 시작 전에 이를 확인하는 것은 신청자의 책임이지 추정으로 간주되어서는 안 됩니다. 신청 처리 기간은 매년 그리고 초기 요청의 세부 사항에 따라 다르므로, 원고 제출 마감일이 이미 정해진 후에 부족한 부분을 발견하는 것보다 목표 제출일 전에 충분한 시간을 확보하는 것이 좋습니다.

TQP 원고 심사자가 가장 먼저 확인하는 사항

제출된 외상 등록 연구 논문은 몇 가지 반복적인 이유로 심사에서 탈락하는 경향이 있으며, 대부분의 이유는 심사자가 방법론 부분을 읽기도 전에 드러납니다. 특히 다음 네 가지 질문은 심사 과정에서 자주 제기되므로, 제출 후 검토보다는 제출 전 체크리스트로 활용하는 것이 좋습니다.

방법론 섹션에 참여자 사용 파일의 정확한 버전과 연도가 명시되어 있습니까? 버전 번호 없이 "NTDB 데이터"라고만 표기하면 심사자는 어떤 제출 주기, 코딩 표준 또는 참여 센터 집합을 통해 결과가 도출되었는지 알 수 없으며, 이는 방법론 수정 요청을 받는 가장 빠른 방법 중 하나입니다.

생리적 변수의 결측 패턴에 대한 논의가 전혀 이루어지지 않았습니까? GCS, 수축기 혈압 또는 호흡률을 공변량으로 보고하면서 결측값 처리 방식을 명시하지 않거나, 흐름도에 암묵적으로 완전 사례 제한 조건을 포함시킨 논문은 경험이 풍부한 검토자에게는 경험 부족이나 검토되지 않은 편향으로 비춰질 수 있습니다.

비교 대상 센터 또는 연도별 환자 구성이 유사한가요? 1단계, 2단계, 3단계 센터는 설계상 서로 다른 환자 집단을 치료하며, 검증 단계를 고려하지 않고 데이터를 통합하여 비교하거나, 통합의 타당성에 대한 논의 없이 비교하는 것은 명백한 반박을 불러일으킵니다.

환자 이송 규칙이 어디에 명시되어 있나요? 이 부분에 대한 언급이 없는 경우가 흔해서, 이제는 심사위원들이 원고에서 이 부분이 누락될 경우 직접 명시해달라고 요청합니다. 이송 규칙이 정의되지 않으면 환자나 결과가 두 번 계산되었는지 여부가 불분명해지기 때문입니다.

이 네 가지 질문 모두 복잡한 통계 분석을 필요로 하지 않습니다. 심사위원이 질문하기 전에 방법론 섹션에서 이 질문들에 명확하게 답하는 것이 1차 심사 통과와 대대적인 수정을 가르는 핵심 요소입니다.

일반적인 질문

NTDB 또는 TQP 데이터가 국가 외상 발생률 추정치를 뒷받침할 수 있을까요? 아닙니다. 분모가 불확실하고 변동이 심한 편의 표본으로는 그 질문에 답할 수 없으며, 이를 기반으로 한 발생률 주장은 외상 역학 전문가의 검토를 통과하지 못할 것입니다.

희귀 기전을 규명하기 위해 1년치 TQP 데이터만으로 충분할까요? 경우에 따라 다르지만, 여러 해의 데이터를 통합하면 파일에 기여하는 병원 집단이 매년 바뀌기 때문에 위에서 언급한 구성 효과 문제가 발생할 수 있습니다. 통합하기 전에 이 문제를 반드시 확인해야 하며, 이를 간과해서는 안 됩니다.

다중 대치법이 결측 생리 데이터 문제를 완전히 해결할 수 있을까요? 결과 변수를 대치 모델에 포함시키면 대부분의 편향이 사라지지만, 이는 근본적인 해결책이라기보다는 완화책에 가깝기 때문에 검토자들은 여전히 ​​완전 사례 민감도 분석을 함께 수행할 것을 요구합니다.

방법론 섹션에서 NTDB와 TQP의 차이점은 무엇인가요? 대부분의 경우, 차이점은 없습니다. 검토자나 복제 담당자가 필요로 하는 것은 실제로 사용한 참여자 사용 파일 버전과 연도이므로, 두 이름 중 어느 것이 기술적으로 정확한지 논쟁하는 것보다 해당 정보를 명시하는 것이 좋습니다.

외상 환자 등록 작업에 유용한 무료 도구

Professional Services

Editverse는 위에 명시된 표준에 따라 위험 조정 NTDB 및 TQP 연구를 구축하며, 정보 누락은 다중 대체 및 완전 사례 민감도 분석을 통해 처리하고, 시설 클러스터링은 무시하는 대신 모델링하며, 부상 심각도는 레지스트리 필드에서 가져오는 대신 재매핑합니다.

라우터

$450

타당성 및 프로토콜 평가. 본격적인 연구를 시작하기 전에 질문 내용, ACS 데이터 사용 계약, 목표 저널이 실제로 적합한지 확인합니다. 의뢰하시는 모든 연구에 대해 이 평가 비용이 전액 차감됩니다.

패키지 보기 →

고정 가격

$2,400

NTDB/TQP 외상 등록 연구. ICD-AIS 재매핑, 다중 대체법을 이용한 정보 결측치 처리, 시설별 위험 조정, 그리고 STROBE 체크리스트 작성 완료. 데이터 수령일로부터 15영업일 소요.

패키지 보기 →

따옴표 붙은

$ 3,500부터

확장형 및 다중 데이터베이스 등록 연구. 다른 데이터베이스와 연계된 TQP 질문, 외부 검증이 필요한 예측 모델 또는 관련 외상 관련 논문 프로그램에 적합합니다. 작업 시작 전 확정 견적을 제공합니다.

패키지 보기 →

맺음말

NTDB와 TQP 데이터는 데이터 파일 자체의 구성 방식을 결과 도출 전에 나중에 고려하는 것이 아니라 방법론 섹션의 일부로 다루는 분석가에게 유리합니다. 참여 기관은 자발적으로 참여하며, 부상 심각도 필드는 측정된 것이 아니라 도출된 것이고, 위험 조정에 가장 중요한 생리적 변수들은 환자의 내원 당시 상태와 관련된 패턴으로 누락되는 경우가 있습니다. 하지만 이러한 점들이 데이터를 사용할 수 없게 만드는 것은 아닙니다. 매핑 버전, 결측치 처리 메커니즘, 그리고 시설 클러스터링은 가정이 아닌 확인 및 명시되어야 하며, 이러한 요소들이 논문 심사를 통과하는 원고와 통과하지 못하는 원고를 구분하는 중요한 기준이 됩니다.

참고자료

  1. Shivasabesan G, Mitra B, O'Reilly GM. 외상 등록부의 누락된 데이터: 체계적 검토. 상해. 2018;49(9):1641-1647. doi: 10.1016/j.injury.2018.03.035
  2. Glance LG, Osler TM, Mukamel DB, Meredith W, Dick AW. 결측 데이터 처리를 위한 통계적 접근 방식이 외상 센터 품질에 미치는 영향. 수술 연보. 2009;249(1):143-148. doi: 10.1097/SLA.0b013e31818e544b
  3. O'Reilly GM, Cameron PA, Jolley DJ. 어떤 환자에게 데이터가 누락되었습니까? 외상 등록 시스템의 결측치 분석. 상해. 2013;43(11):1917-1923. doi: 10.1016/j.injury.2012.07.185
  4. Moore L, Hanley JA, Turgeon AF, Lavoie A, Emond M. 국가 외상 데이터 뱅크에서 누락된 생리적 데이터를 대체하기 위한 다중 대체 모델. 미국 외과 대학 학회지. 2009;209(5):572-579. doi: 10.1016/j.jamcollsurg.2009.07.004
  5. Newgard CD. 주립 외상 등록부에서 누락된 병원 밖 데이터에 대한 다중 대체법 사용의 타당성. 학술응급의학. 2006;13(3):314-324. doi: 10.1197/j.aem.2005.09.011
  6. O'Reilly GM, Jolley DJ, Cameron PA, Gabbe B. 실종: 외상 시스템 벤치마킹에 누락된 데이터를 처리하는 방법 적용 사례 연구. 학술응급의학. 2011;17(10):1122-1129. doi: 10.1111 / j.1553-2712.2010.00887.x