Neurology：急性缺血性卒中患者再通治疗无效的多变量预测模型
2022-08-31 Naomi MedSci原创
近日，一项发表在Neurology上的研究试图开发和验证一个多变量预后模型，以确定接受这些治疗的患者中无效的再通治疗。该FRT预测模型有助于为共享决策提供信息，并确定在紧急情况下最相关的特征。
背景和目的：1/4的缺血性卒中患者接受静脉溶栓（IVT）和机械取栓（MT）治疗后预后极差，且存在较高的后勤和经济负担。近日，一项发表在Neurology上的研究试图开发和验证一个多变量预后模型，以确定接受这些治疗的患者中无效的再通治疗（FRT）。
材料和方法：纳入接受MT和/或IVT治疗的单一学术卒中中心前瞻性观察登记的患者。数据集被分为训练（N=1808，80%）和内部验证（N=453，20%）队列。使用k-NN补充入院时可用的32个变量后的梯度增强决策树机器学习模型来预测3个月后的FRT，定义为修正的Rankin-Scale（MRS）5-6。报告了特征重要性、辨别能力、校准和决策曲线分析。
结果：
- 入选患者2261例，中位年龄75岁（64~83岁），女性46%，中位NIHSS9例（417例），单纯IVT 34%，单纯MT 41%，桥接25%。
- 总体而言，有539人（24%）有FRT，仅MT患者（34%）比单独IVT患者（11%）更常见。特征重要性确定的临床变量（卒中严重程度、年龄、活动性癌症、卒中前残疾）、实验室值（血糖、CRP、肌酐）、成像生物标志物（脑白质高信号）和发病至入院时间最重要的预测因素。
- 最终模型对3个月FRT的预测具有一定的区分性（AUC为0.87，95%CI为0.87-0.88），校正效果良好（Brier为0.12，0.11-0.12）。
- 总体表现中等（F1-得分0.63±0.004），决策曲线分析表明，在较低的治疗门槛时，平均净收益较高（最高为0.8%）。
结论：该FRT预测模型有助于为共享决策提供信息，并确定在紧急情况下最相关的特征。虽然它在低资源的医疗保健环境中可能特别有用，但为了进一步提高预测性能，有必要纳入更多的多方面变量。
作者：Naomi
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#缺血性卒#
72
#缺血性#
0
#卒中患者#
62
#预测模型#
68
#缺血性卒中患者#
92