Zur univariaten Analyse wurden normalverteilte metrische Daten (Alter, BMI, Marker) mittels t-Test analysiert. Die Daten wurden als Anteile in Prozent oder Mittelwerte (± SD) dargestellt. P-Werte <0,05 galten als signifikant.
Es wurde der Chi²-Test verwendet, um STEMI- mit NSTEMI-Patienten bzw.
weitere Untergruppen von Patienten zu vergleichen und für die Identifikation von Determinanten der 1-, 7- und 28-Tage- sowie 1-Jahres-Letalität wurde ein multiples logistisches Regressionsmodell an die Daten angepasst.
Aus den erhobenen Daten (s. Dokumentationsbogen: Anhang K) wurden für die Analyse teilweise neue Variablen gebildet (s. Tabelle 16).
Tabelle 16: Kreierte Variablen Kreierte Exposure-Variablen
Body Mass Index (BMI) Gewicht in kg/ Größe in m² stetig BMI-Kategorien nach BMI, s. Tabelle 13
0 = Untergewicht 1 = Normalgewicht 2 = Präadipositas 3 = Adipositas Grad I 4 = Adipositas Grad II 5 = Adipositas Grad III
6 Kategorien
Adipositas 0 = BMI < 30, 1 = BMI 30
2 Kategorien
Alter Infarktbeginn - Geburtsdatum stetig
Altersgruppen 20-54, 55-64, 65-74, 75+ 4 Kategorien Über 75 Jahre 0 = Alter < 75,
1 = Alter 75
2 Kategorien Leitliniengerechte
Medikation
Verordnung (Klinik) von mindestens 3 der folgenden 4 Medikamente:
Lipidsenker, Betablocker,
Thrombozyten-aggregationshemmer, ACE-Hemmer
dichotom (ja=1/nein=0)
Leitliniengerechte
Behandlung (Intervention)
ja (NSTEMI) = HK-Untersuchung/
PTCA bzw. Bypass-OP
ja (STEMI) = HK-Untersuchung/
PTCA (innerhalb von 4 Stunden nach Einlieferung) bzw. Bypass-OP
dichotom (ja=1/nein=0)
Hyperlipoproteinämie s. 4.5.1.4 dichotom
(ja=1/nein=0)
Arterielle Hypertonie s. 4.5.1.3 dichotom
(ja=1/nein=0) Niereninsuffizienz Angabe im Entlassungsbrief oder dichotom
Kreierte Exposure-Variablen
Blut-Kreatininwert 2mg/dl (ja=1/nein=0)
Diabetes mellitus s. 4.5.1.2 dichotom
(ja=1/nein=0)
Viertel Einteilung nach PLZ:
1 (+2) = Nord-Ost (PLZ: 28329, 28357, 28359, 28355) 3 = Süd-Ost (PLZ: 28327, 28325,
28309, 28307)
4 = Süd (PLZ: 28197 / 28199 / 28201 / 28259 / 28277 / 28279 / 28729)
5 = West (PLZ: 28237 / 28239 / 28719)
6 = Nord (PLZ: 28179 / 28755 / 28757 / 28759 / 28717 / 28771 / 28779)
7 = Mitte (PLZ: 28195 / 28203 / 28205 / 28207 / 28209 / 28211 / 28213 / 28215 / 28217 / 28219)
6 Kategorien
Bremen Nord 1 = Nord (Viertel=6)
0 = Rest von Bremen (Viertel=1-5 und 7)
dichotom
Pain-to-call-time Door-to-balloon-time Pain-to-balloon-time
1 = '0-59 Minuten' 2 = '60-119 Minuten' 3 = '120-239 Minuten' 4 = '4-23 Stunden' 5 = '>=24 Stunden' 8 = 'nicht relevant'1 9 = 'keine Angaben'
7 Kategorien
Lange Patienten-Entscheidungszeit
Pain-to-call-time 120 Minuten dichotom (ja=1/nein=0) Nicht leitliniengerechte
door-to-balloon-time für STEMI-Patienten
Door-to-balloon-time 60 Minuten dichotom (ja=1/nein=0)
Verlängerte PHZ PHZ 4 Stunden dichotom
(ja=1/nein=0) Angina
pectoris-Symptomatik
ap=1, wenn symptom=1 oder =5 (s. Dokumentationsbogen: AnhangK)
dichotom Killip-Klasse II-IV pulm. Stauung oder Lungenödem
oder kardiale Dekompensation oder kardiogener Schock lag vor
dichotom
1 ‚nicht relevant’ trifft zu, wenn der Patient keinen Rettungsdienst alarmiert hat to-call-time) oder keiner Herzkatheter-Untersuchung bzw. Ballondilatation unterzogen wurde (pain-to-/ door-to-balloon-time).
Tabelle 16: Kreierte Variablen Kreierte Exposure-Variablen TIMI risk score für STEMI-Patienten (0-14 Punkte)
Summe aus verschiedenen Variablen (s. Tabelle 1)
7 Kategorien
(1-3, 4, 5, 6, 7, 8, >8) TIMI risk score für
NSTEMI-Patienten (0-7 Punkte)
Summe aus verschiedenen Variablen (s. Tabelle 2)
5 Kategorien (1-2, 3, 4, 5, 6-7) kreierte Outcome-Variablen
Überlebenszeit in Tagen wenn verstorben = 1, dann Todeszeitpunkt - Infarktbeginn
stetig
1-Tages-Letalität trifft zu, wenn
Überlebenszeit = 0 oder 1
dichotom (ja=1/nein=0) 2.-7.-Tages-Letalität trifft zu, wenn Überlebenszeit = 2 bis
7
dichotom (ja=1/nein=0) 7-Tage-Letalität trifft zu, wenn Überlebenszeit = 0 bis
7
dichotom (ja=1/nein=0) 28-Tage-Letalität trifft zu, wenn Überlebenszeit = 0 bis
28
dichotom (ja=1/nein=0) 1-Jahres-Letalität trifft zu, wenn Überlebenszeit = 0 bis
365
dichotom (ja=1/nein=0)
Zunächst wurde eine Korrelationsanalyse der verschiedenen dichotomisierten Einflussfaktoren durchgeführt. Die Korrelationsanalyse macht deutlich, ob zwischen zwei Variablen Zusammenhänge bestehen.
Dabei kann jedoch nicht bewiesen werden, dass ein Zusammenhang besteht, es kann nur gezeigt werden, dass ein solcher möglich oder höchst unwahrscheinlich ist.
Für Variablen, die stark von der Normalverteilung abweichen, und auch ordinalskalierte Variablen, eignet sich der Rangkorrelationskoeffizient nach Spearman-Pearson. Hier werden die einzelnen Beobachtungen von x bzw. y der Größe nach geordnet. Jedem Wert wird seine Rangzahl zugewiesen.
Eine Korrelationsanalyse ist von besonderer Bedeutung, da innerhalb von Regressionsmodellen keine stark korrelierten Variablen berücksichtigt werden sollen.
Es ergab sich einmal eine Korrelation zwischen den Variablen der Gabe von Thrombozytenaggregationshemmern, Lipidsenker, Betablocker und ACE-Hemmer und andererseits zwischen der Durchführung einer HK-Untersuchung und einer PTCA. Aus den miteinander korrelierten Faktoren wurden zwei neue Variable kreiert, welche die leitliniengerechte Behandlung
Interventionen abbilden.
Als feste Variablen gingen das Alter, das Geschlecht (Mann: ja/nein) und der Infarkttyp (STEMI: ja/nein) in alle Modelle mit ein. Zur Adjustierung des Alters wurden verschiedene Varianten, das Alter ins Modell zu nehmen, getestet.
Ins endgültige Modell ging das Alter in 4 Altersgruppen ein, wobei die Altersgruppe als dummy-Variable fungierte, in der die meisten Patienten waren. Es wurde bei allen Alters-Adjustierungen so verfahren. Die resultierenden OR wurden jeweils mit einem 95%-Konfidenzintervall dargestellt.
Bei einer Regressionsanalyse mit vielen möglichen Einflussfaktoren (Regressoren) stellt sich die Frage, ob nicht auch eine geringere Anzahl zur Bestimmung der Kriteriumsvariablen ausreicht. Die schrittweise Regressionanalyse ist eine Methode, um die Einflusskriterien zu identifizieren, die eine Zielgröße hauptsächlich beeinflussen.
Die schrittweise Regression wurde parallel nach den drei Methoden “forward selection”, “backward elimination” und “stepwise regression” mittels des SAS-Programmes durchgeführt. Bei der „forward selection“ wird schrittweise erst einer, dann jeweils einen Prädiktoren hinzunehmend, die beste Kombination an Prädiktoren gesucht. Ist diese gefunden, wird im nächsten Schritt die jeweils beste Kombination der gefundenen Prädiktoren mit einem neu hinzugefügten geprüft.
Die „backward elimination“ ist analog zur „forward selection“ nur mit einer umgekehrten Arbeitsrichtung. Beginnend mit allen Prädiktoren wird schrittweise immer der schlechteste Prädiktor herausgenommen. Die
“stepwise regression” ist eine Kombination dieser beiden Vorgehensweisen.
Es werden dabei schrittweise neue Prädiktoren hinzugenommen und gleichzeitig die Variablen eliminiert, die durch die Hinzunahme dieser Variablen die Kriterien nicht mehr erfüllen.
Keine der oben genannten Prozeduren stellt die optimale Methode für die Modellfindung dar, jedoch stimmten die ermittelten Modelle der drei Prozeduren überein, d.h. die gleichen Variablen wurden in das Modell aufgenommen.
In die Analysen gingen zunächst alle Variablen ein, die einen Einfluss auf das Outcome haben könnten (s. Tabelle 17).
Tabelle 17: Mögliche Einflussfaktoren auf die Letalität
• Aktueller Schlaganfall
• Arterielle Hypertonie
• Diabetes mellitus
• Früherer Infarkt
• Herzinsuffizienz
• Hyperlipoproteinämie
• Kardiogener Schock
• Koronare Herzkrankheit
• Niereninsuffizienz
• Nicht-leitliniengerechte interventionelle Versorgung
• Nicht-leitliniengerechte Medikation
• Rauchen
• Untypische Symptomatik
Als Kontrollvariablen für die 1-, 7- und 28-Tage-Letalität sowie 1-Jahres-Letalität wurden die leitliniengerechten Behandlung (Medikation und Interventionen) und der kardiogene Schock identifiziert. Das Modell für die 7-Tage-Letalität wurde noch durch die Niereninsuffizienz und das der 28-Tage-Letalität durch eine bereits bestehende KHK ergänzt. In das Modell der 1-Jahres-Letalität wurden beide Variablen mitaufgenommen.
Für die direkte Altersstandardisierung wurde die „Neue“ Europa-Standard-Bevölkerung1 verwendet.
Die Datenanalyse wurde mit SAS-Version 8.02 (SAS Institut Inc., Cary, North Carolina) durchgeführt. Die Darstellung der Daten erfolgte als Anteile (%) oder für metrische Daten als Mittelwerte (± Standardabweichung).
1Quelle: http://www.statistik-bremen.de/Gesundheitsberichterstattung/Statistische_Methoden/stat_meth.html
5 ERGEBNISSE
Im Ergebnisteil dieser Arbeit wird, nach der Berechnung der AMI-Inzidenz in der Stadt Bremen für den Untersuchungszeitraum (01.03. - 31.08.2005), zunächst das Kollektiv, der in die Untersuchung eingeschlossenen AMI-Patienten, hinsichtlich möglicher Einflussfaktoren beschrieben. Dabei wird sich hauptsächlich auf die Patienten beschränkt, die ein Krankenhaus erreichten, da sich über die prähospital verstorbenen Patienten nur sehr eingeschränkt Aussagen treffen lassen.
Danach wird auf die Hauptfragestellung eingegangen. Es wurden für unser Patientenkollektiv Determinanten für ein erhöhtes Risiko bezüglich der 1-, 7- 28-Tage- und 1-Jahres-Letalität nach einem AMI identifiziert. Dabei lag der Hauptfokus auf den Einflussgrößen: Infarkttyp (NSTEMI/STEMI), Geschlecht und leitliniengerechte Versorgung.