Skip to main content
Log in

Risikostratifizierung diabetischer Koronarpatienten—

Statistische Methoden zur Adjustierung der Patienten-Charakteristika im Vergleich

Risk stratification of patients with diabetes mellitus undergoing coronary artery bypass grafting—a comparison of statistical methods

  • Published:
Clinical Research in Cardiology Aims and scope Submit manuscript

Summary

Among the coronary bypass patients from our Datamart database, we found a prevalence of 29.6% of diagnosed diabetics. 5.2% of the patients without a diagnosis of diabetes mellitus and a fasting plasma glucose level >125 mg/dl were defined as undiagnosed diabetics.

The objective of this paper was to compare univariate methods and techniques for risk stratification to determine, whether undiagnosed diabetes is per se a risk factor for increased ventilation time and length of ICU stay, and for increased prevalence of resuscitation, reintubation and 30-d mortality for diabetics in heart surgery.

Univariate comparisons reveals that undiagnosed diabetics needed resuscitation significantly more often and had an increased ventilation time, while the length of ICU stay was significantly reduced. The significantly different distribution between the diabetics groups of 11 from 32 attributes examined, demands the use of methods for risk stratification.

Both risk adjusted methods regression and matching confirm that undiagnosed diabetics had an increased ventilation time and an increased prevalence of resuscitation, while the length of ICU stay was not significantly reduced.

A homogeneous distribution of the patient characteristics in the two diabetics groups could be achieved through a statistical matching method using the propensity score. In contrast to the regression analysis, a significantly increased prevalence of reintubation in undiagnosed diabetics was found.

Based on an example of undiagnosed diabetics in heart surgery, the presented study reveals the necessity and the possibilities of techniques for risk stratification in retrospective analysis and shows how the potential of data collection from daily clinical practice can be used in an effective way.

Zusammenfassung

Innerhalb der herzchirurgischen Patienten unseres Datamart-Datenbestandes, die sich einer geplanten, isolierten Bypassoperation unterzogen, fanden wir einen Anteil von 29,6% Diabetikern. 5,2% der Fälle mit keiner Diabetes Diagnose und einem Nüchternblutzuckerspiegel von >125 mg/dl wurden als nicht diagnostizierte Diabetiker definiert.

In einem Vergleich zwischen univariaten Methoden und Verfahren zur Risikostratifizierung wurde untersucht, ob nicht diagnostizierter Diabetes mellitus per se ein Risikofaktor für erhöhte Intubationsdauer, verlängerten Intensivaufenthalt und eine erhöhte Rate an Reanimation, Reintubation und 30-Tage-Mortalität für herzchirurgische Diabetiker darstellt.

Im univariaten Vergleich der postoperativen Ereignisse haben nicht diagnostizierte Diabetiker eine signifikant erhöhte Reanimationsrate und Intubationsdauer, während der Verbleib auf der Intensivstation signifikant verringert ist. Die univariaten Vergleiche der präoperativen Charakteristika zeigen, dass 11 der 32 untersuchten Attribute in den beiden Diabetesgruppen signifikant verschieden verteilt sind, und erfordern eine Adjustierung der Patientencharakteristika.

Die beiden Verfahren zur Risikoadjustierung Regression und Matching bestätigen, dass nicht diagnostizierte Diabetiker eine erhöhte Intubationsdauer und Reanimationsrate aufweisen, während keine Evidenz für einen signifikant verringerten Verbleib auf der Intensivstation gefunden werden kann.

Das Matching mittels Propensity Score führte zu einer homogenen Verteilung der Patienten-Charakteristika in beiden Diabetesgruppen und lieferte im Gegensatz zur Regression auch eine signifikant erhöhte Reintubationsrate bei nicht diagnostizierten Diabetikern.

Die vorliegende Studie verdeutlicht am Beispiel der nicht diagnostizierten Diabetiker in der Herzchirurgie die Notwendigkeit und die Möglichkeiten risikoadjustierender Verfahren in retrospektiven Analysen und zeigt auf, wie das Potenzial der im klinischen Alltag routinemäßig erhobenen Daten effektiv genutzt werden kann.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Similar content being viewed by others

References

  1. Arnrich B, Albert A, Walter J (2005) PRISMA: Improving Risk Estimation with Parallel Logistic Regression Trees. Proceedings of 29th Annual Conference of the German Classification Society, p 117

  2. Arnrich B, Walter J, Albert A, Ennker J (2004) Herausforderung und Nutzen eines Datamart-Systems in der Herzchirurgie. Z Herz Thorax Gefäßchir 18:13–19

    Google Scholar 

  3. Blackstone EH (2002) Comparing apples and oranges. J Thorac Cardiovasc Surg 123:8–15

    Article  PubMed  Google Scholar 

  4. Rosenbaum PR, Rubin DB (1983) The Central Role of the Propensity Score in Observational Studies for Causal Effects. Biometrika 70:41–55

    Google Scholar 

  5. Thourani VH, Weintraub WS, Stein B, Gebhart SSP, Craver JM, Jones EL, Guyton RA (1999) Influence of diabetes mellitus on early and late outcome after coronary artery bypass grafting. Ann Thorac Surg 67:1045–1052

    CAS  PubMed  Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Rights and permissions

Reprints and permissions

About this article

Cite this article

Arnrich, B., Albert, A. & Walter, J. Risikostratifizierung diabetischer Koronarpatienten—. Clin Res Cardiol 95 (Suppl 1), i14–i17 (2006). https://doi.org/10.1007/s00392-006-1107-y

Download citation

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00392-006-1107-y

Key words

Schlüsselwörter

Navigation