统计方法

如果使用直方图和QQ图评估的正态分布，则将连续数据表示为平均值和标准偏差（SD）；否则，作为中位数和四分位范围（IQR）。分类数据表示为数字和百分比。丢失的数据将不会被估算。如果缺少相关变量的数据，则排除了来自特定分析的患者。

第一个目的是研究不同NIV的相对有效性，包括高流量鼻套管（HFNC），二聚体正气道压力（BIPAP）和连续的正气道压力（CPAP）。根据他们最初收到的NIV类型，将将患者分为三组。在NIV之前接受侵入性机械通气（IMV）的患者将被排除在外。在此分析中也将排除接受两种或三种不同类型NIV的患者。使用NIV后接受IMV的患者符合条件。

次要目标是通过与仅接受NIV的患者进行比较来研究IMV对死亡率的影响。还将研究肺部保护性通风在接受IMV的患者中的作用。将探索与改进结果相关的呼吸机设置的特征。

主要结果是院内死亡率，将遵循患者直到住院出院。如果患者从医院活着出院或仍在数据提取时仍住院。对于第一个目标，还将分析从NIV到IMV的呼吸支持升级率（作为本分析中的次要结果指标）。

患者将使用倾向评分匹配来平衡。倾向分数模型将包括人口统计学特征，合并症，大流行期，急性疾病的严重程度（靶向呼吸支持前24小时），实验室结果（靶向呼吸支持前24小时）和生命体征（在目标前24小时呼吸支持）。匹配对之间的平衡将使用标准化的10％差异评估，并使用Yang和Dalton描述的方法进行计算。分层的COX比例危害模型将用于分析匹配的对。此外，将使用产品限制的Kaplan-Meier估计器估算生存率，并将使用对数级统计量来比较生存曲线。

备份统计分析计划如下。将执行与筛查较低死亡率相关的潜在因素的单变量COX比例危害模型。将进行多变量的COX比例危害模型，以估计呼吸支持与死亡率之间的独立关联。多变量分析中包括的混杂因素如下：1）死亡率（年龄，性别和高血压）的已知风险因素； 2）在靶向呼吸支持前24小时（顺序器官衰竭评分和格拉斯哥昏迷量表得分）24小时的急性疾病严重程度； 3）第一个大流行年的各个阶段，包括第一阶段（2020年2月1日至2020年5月31日），第二阶段（2020年6月1日，至2020年8月31日），第三阶段（9月1日） ，2020年，到2020年11月30日）和第四阶段（2020年12月1日至数据提取的最后日期）； 4）单变量分析中的人口统计和合并症<0.25； 5）实验室结果和生命体征在靶向呼吸支持前24小时在单变量分析中具有p值<0.25。所有被认为是Covid-19管理层一部分的处理方法都将包括在混淆控制的多变量分析中。为了避免共线性，如果两个变量具有绝对的皮尔森或Spearman的等级相关系数大于0.5，则只会包括一个变量。还将排除具有超过10％数据的变量。考虑到所有与COVID-19相关的呼吸支持/治疗的假设，将使用Bonferroni方法纠正多个测试，以减少双侧0.05 alpha水平的I型误差的机会。暴露与死亡率之间的关联将使用危害比（HRS）估算，并以95％的置信区间（CIS）报告。为了说明医院内的聚类，将使用强大的三明治估计器来计算HRS的标准错误。比例危害假设将使用Schoenfeld残差评估。

通过两尾假设检验，每个一般假设的显着性水平为0.05。所有分析将在R软件（版本3.5.3，R统计计算基础）中执行。

纳入标准：

• 在整个大流行期间

排除标准：

• 没有任何

统计方法

如果使用直方图和QQ图评估的正态分布，则将连续数据表示为平均值和标准偏差（SD）；否则，作为中位数和四分位范围（IQR）。分类数据表示为数字和百分比。丢失的数据将不会被估算。如果缺少相关变量的数据，则排除了来自特定分析的患者。

第一个目的是研究不同NIV的相对有效性，包括高流量鼻套管（HFNC），二聚体正气道压力（BIPAP）和连续的正气道压力（CPAP）。根据他们最初收到的NIV类型，将将患者分为三组。在NIV之前接受侵入性机械通气（IMV）的患者将被排除在外。在此分析中也将排除接受两种或三种不同类型NIV的患者。使用NIV后接受IMV的患者符合条件。

次要目标是通过与仅接受NIV的患者进行比较来研究IMV对死亡率的影响。还将研究肺部保护性通风在接受IMV的患者中的作用。将探索与改进结果相关的呼吸机设置的特征。

主要结果是院内死亡率，将遵循患者直到住院出院。如果患者从医院活着出院或仍在数据提取时仍住院。对于第一个目标，还将分析从NIV到IMV的呼吸支持升级率（作为本分析中的次要结果指标）。

患者将使用倾向评分匹配来平衡。倾向分数模型将包括人口统计学特征，合并症，大流行期，急性疾病的严重程度（靶向呼吸支持前24小时），实验室结果（靶向呼吸支持前24小时）和生命体征（在目标前24小时呼吸支持）。匹配对之间的平衡将使用标准化的10％差异评估，并使用Yang和Dalton描述的方法进行计算。分层的COX比例危害模型将用于分析匹配的对。此外，将使用产品限制的Kaplan-Meier估计器估算生存率，并将使用对数级统计量来比较生存曲线。

备份统计分析计划如下。将执行与筛查较低死亡率相关的潜在因素的单变量COX比例危害模型。将进行多变量的COX比例危害模型，以估计呼吸支持与死亡率之间的独立关联。多变量分析中包括的混杂因素如下：1）死亡率（年龄，性别和高血压）的已知风险因素； 2）在靶向呼吸支持前24小时（顺序器官衰竭评分和格拉斯哥昏迷量表得分）24小时的急性疾病严重程度； 3）第一个大流行年的各个阶段，包括第一阶段（2020年2月1日至2020年5月31日），第二阶段（2020年6月1日，至2020年8月31日），第三阶段（9月1日） ，2020年，到2020年11月30日）和第四阶段（2020年12月1日至数据提取的最后日期）； 4）单变量分析中的人口统计和合并症<0.25； 5）实验室结果和生命体征在靶向呼吸支持前24小时在单变量分析中具有p值<0.25。所有被认为是Covid-19管理层一部分的处理方法都将包括在混淆控制的多变量分析中。为了避免共线性，如果两个变量具有绝对的皮尔森或Spearman的等级相关系数大于0.5，则只会包括一个变量。还将排除具有超过10％数据的变量。考虑到所有与COVID-19相关的呼吸支持/治疗的假设，将使用Bonferroni方法纠正多个测试，以减少双侧0.05 alpha水平的I型误差的机会。暴露与死亡率之间的关联将使用危害比（HRS）估算，并以95％的置信区间（CIS）报告。为了说明医院内的聚类，将使用强大的三明治估计器来计算HRS的标准错误。比例危害假设将使用Schoenfeld残差评估。

通过两尾假设检验，每个一般假设的显着性水平为0.05。所有分析将在R软件（版本3.5.3，R统计计算基础）中执行。

纳入标准：

• 在整个大流行期间

排除标准：

• 没有任何