RESUMO
Background: Patients receiving maintenance hemodialysis frequently require ambulance transport to the emergency department (ambulance-ED transport). Identifying predictors of outcomes after ambulance-ED transport, especially the need for timely dialysis, is important to health care providers. Objective: The purpose of this study was to derive a risk-prediction model for urgent dialysis after ambulance-ED transport. Design: Observational cohort study. Setting and Patients: All ambulance-ED transports among incident and prevalent patients receiving maintenance hemodialysis affiliated with a regional dialysis program (catchment area of approximately 750 000 individuals) from 2014 to 2018. Measurements: Patients' vital signs (systolic blood pressure, oxygen saturation, respiratory rate, and heart rate) at the time of paramedic transport and time since last dialysis were utilized as predictors for the outcome of interest. The primary outcome was urgent dialysis (defined as dialysis in a monitored setting within 24 hours of ED arrival or dialysis within 24 hours with the first ED patient blood potassium level >6.5 mmol/L) for an unscheduled indication. Secondary outcomes included, hospitalization, hospital length of stay, and in-hospital mortality. Methods: A logistic regression model to predict outcomes of urgent dialysis. Discrimination and calibration were assessed using the C-statistic and Hosmer-Lemeshow test. Results: Among 878 ED visits, 63 (7.2%) required urgent dialysis. Hypoxemia (odds ratio [OR]: 4.04, 95% confidence interval [CI]: 1.75-9.33) and time from last dialysis of 24 to 48 hours (OR: 3.43, 95% CI: 1.05-11.9) and >48 hours (OR: 9.22, 95% CI: 3.37-25.23) were strongly associated with urgent dialysis. A risk-prediction model incorporating patients' vital signs and time from last dialysis had good discrimination (C-statistic 0.8217) and calibration (Hosmer-Lemeshow goodness of fit P value .8899). Urgent dialysis patients were more likely to be hospitalized (63% vs 34%), but there were no differences in inpatient mortality or length of stay. Limitations: Missing data, requires external validation. Conclusion: We derived a risk-prediction model for urgent dialysis that may better guide appropriate transport and care for patients requiring ambulance-ED transport.
Contexte: Les patients sous hémodialyse chronique doivent souvent être transportés au service des urgences par ambulance (transport ambulance-SU). Il est important pour les prestataires de soins de santé que l'on détermine les facteurs prédictifs des résultats après un transport ambulance-SU, en particulier le besoin de dialyze d'urgence. Objectifs: Cette étude visait à établir un modèle de prédiction du risque pour une dialyze d'urgence après un transport ambulance-SU. Type d'étude: Étude de cohorte observationnelle. Participants et cadre de l'étude: Tous les transports ambulance-SU de patients incidents et prévalents recevant une hémodialyse chronique affiliée à un program régional de dialyze (zone desservant environ 750 000 personnes) entre 2014 et 2018. Prédicteurs: Les signes vitaux du patient (pression artérielle systolique, saturation en oxygène, fréquence respiratoire et fréquence cardiaque) au moment du transport par ambulance et le temps écoulé depuis la dernière dialyze. Résultats: La dialyze d'urgence (définie comme une dialyze en environnement monitoré dans les 24 heures suivant l'arrivée aux urgences ou une dialyze dans les 24 heures avec une première mesure du taux de potassium sanguin aux urgences supérieure à 6,5 mmol/L) pour une indication non programmée. Résultats secondaires: hospitalization, durée du séjour à l'hôpital et mortalité à l'hôpital. Méthodologie: Un modèle de régression logistique a servi à prédire le résultat de dialyze d'urgence. La discrimination et la calibration ont été évalués à l'aide de la statistique C et du test Hosmer-Lemeshow. Résultats: Parmi les 878 visites aux urgences, 63 (7,2 %) ont nécessité une dialyze d'urgence. L'hypoxémie (rapport de cote [RC]: 4,04; IC à 95 %: 1,75-9,33) et des périodes de 24 à 48 heures (RC: 3,43; IC à 95 %: 1,05-11,9) et de plus de 48 heures (RC: 9,22; IC à 95 %: 3,37-25,23) depuis la dernière dialyze sont les facteurs qui ont été les plus fortement associés à une dialyze d'urgence. Un modèle de prédiction du risque intégrant les signes vitaux du patient et le temps depuis la dernière dialyze a présenté une bonne discrimination (statistique C: 0,8217) et une bonne calibration (qualité de l'ajustement selon Hosmer-Lemeshow: P =,8899). Les patients qui avaient reçu une dialyze d'urgence étaient plus susceptibles d'être hospitalisés (63% contre 34%), mais aucune différence n'a été observée pour le taux de mortalité ou la durée du séjour en milieu hospitalier. Limites: Données manquantes, validation externe requise. Conclusion: Nous avons dérivé un modèle de prédiction du risque de dialyze d'urgence susceptible de mieux guider le transport et les soins appropriés pour les patients nécessitant un transport ambulance-SU.
RESUMO
Background: Hyperkalemia is common among patients on maintenance hemodialysis (HD) and is associated with mortality. We hypothesized that clinical characteristics available at time of paramedic assessment before emergency department (ED) ambulance transport (ambulance-ED) would associate with severe hyperkalemia (K≥6 mmol/L). Rapid identification of patients who are at risk for hyperkalemia and thereby hyperkalemia-associated complications may allow paramedics to intervene in a timely fashion, including directing emergency transport to dialysis-capable facilities. Methods: Patients on maintenance HD from a single paramedic provider region, who had at least one ambulance-ED and subsequent ED potassium from 2014 to 2018, were examined using multivariable logistic regression to create risk prediction models inclusive of prehospital vital signs, days from last dialysis, and the presence of prehospital electrocardiogram (ECG) features of hyperkalemia. We used bootstrapping with replacement to validate each model internally, and performance was assessed by discrimination and calibration. Results: Among 704 ambulance-ED visits, severe hyperkalemia occurred in 75 (11%); 26 patients with ED hyperkalemia did not have a prehospital ECG. Younger age at transport, longer HD vintage, more days from last hemodialysis session (OR=49.84; 95% CI, 7.72 to 321.77 for ≥3 days versus HD the same day [before] ED transport), and prehospital ECG changes (OR=6.64; 95% CI, 2.31 to 19.12) were independently associated with severe ED hyperkalemia. A model incorporating these factors had good discrimination (c-statistic 0.82; 95% CI, 0.76 to 0.89) and, using a cutoff of 25% probability, correctly classified patients 89% of the time. Conclusions: Characteristics available at the time of ambulance-ED were associated with severe ED hyperkalemia. An awareness of these associations may allow health care providers to define novel care pathways to ensure timely diagnosis and management of hyperkalemia.