文摘
摘要目的:开发一个简单的预测模型预测结果在急性基底动脉闭塞后的1个月(包)和现成的预测因子。
方法:底动脉(基础)是一种潜在的国际合作研究,连续观察、国际注册的患者出现急性症状和保放射检查确诊。我们考虑预测可用在多变量逻辑回归模型预测住院可怜的结果(改良Rankin规模(夫人)得分4 - 5或死亡)在1月。我们使用接收器算子特性曲线的歧视性的性能评估模型。
结果:的619患者中,429例(69%)有一个贫穷的结果在1个月:74(12%)有一个夫人的4分,115名(19%)有一个5分的夫人,和240年(39%)已经死了。可怜的结果的主要因素是老年,没有高脂血症,出现前驱症状轻微的中风,NIH卒中量表(署)得分更高,长时间治疗。一个预测模型,结合人口数据和中风的危险因素有接受者操作特征曲线下面积(AUC)为0.64。这种性能提高了包括神经检查结果(AUC 0.79)和CT成像(AUC 0.80)。风险图表显示1个月不同预后不佳的预测从25到96%。
结论:后的不良预后显著包可以可靠地预测的一个简单的模型,包括年龄,没有高脂血症,出现前驱症状轻微的中风,更高的署分数,和更长的时间来治疗。
术语表
- AUC=
- 接受者操作特征曲线下的面积;
- 保=
- 底动脉阻塞;
- 基础知识=
- 底动脉国际合作研究;
- 夫人=
- 改良Rankin规模;
- 署=
- 国立卫生研究院的中风尺度
后循环中风约占所有缺血性中风的20%。与前循环,后循环依赖于一个主要的动脉。底动脉供应大部分脑干和丘脑枕叶和小脑的一部分。基底动脉闭塞的临床表现(包)是高度可变的,从tia或轻微中风在发病迅速进步的脑干功能障碍或昏迷。尽管急性中风的治疗最新进展,死亡或残疾的速度几乎是80%。1,- - - - - -,3
保后预测结果可能有助于确定哪些治疗干预措施应告知病人和他们的家属的预后,但准确的预测模型与录取数据不可用。我们描述一个基本模型,包括方便临床变量和其他模型,包括发现神经系统检查(NIH卒中量表(署))和CT成像。
方法
研究人口。
底动脉(基础)是一种潜在的国际合作研究,观察、国际注册18岁或以上连续的病人出现急性症状的临床特征和保放射检查确诊。详细描述了这个注册表的特点。4,5总之,619个包从患者48中心在欧洲(41),南美洲(3),北美(2),澳大利亚(1),中东(1)包括在注册表中从2002年11月到2007年10月。患者符合条件的条目在注册表中如果他们出现症状或症状归因于中断后循环和有一个包被CT血管造影证实,磁共振血管造影或常规对比造影。包被定义为完全梗阻近端流,中间或基底动脉的远端部分。选择的治疗方法是治疗医生的自由裁量权。
标准协议的审批、登记和病人同意。
基础协议经伦理委员会批准的乌得勒支大学医学中心(荷兰乌得勒支)。要求额外的本地伦理批准参与国之间的不同,如果需要获得的。口头或书面知情同意得到病人或病人的代表,根据国家和地方的指导方针。
数据收集。
详细数据记录在一个基于web的数据输入形式,包括人口统计信息,中风的风险因素,中风严重性评估署得分,包的估计时间,治疗前CT影像学表现。略hypodense病变与模糊的边界分为早期缺血性改变,和病变明显hypodense和锋利的边界分为大梗死灶。估计时间的包是出现症状的时间一致的临床诊断急性包,被病人或作证,或者,如果未知,时间没有这种症状的病人最后被看见。TIA或轻微中风指数事件前的几小时或几天的时间都不能算作闭塞但被记录在前驱期。例如,估计时间的闭塞患者与急性小小脑卒中承认但谁发明了一种严重的赤字的第二天,符合临床诊断急性包被记录的时间出现严重赤字。
结果。
主要结果测量指标是可怜的结果在1个月。针对高危患者的死亡和残疾的包,可怜的结果被定义为一个改良Rankin规模(夫人)4或5分的严重残疾或死亡。6夫人分数在1月被评估人承认或作为门诊病人或通过电话采访或照顾者。所有患者完成随访数据。
模型的发展。
我们考虑预测,可以轻松快速的决定后最初几个小时内包。连续模型,我们提出了一组变量包含根据信息的顺序通常可用在临床实践中。三种预测模型被定义:模型1是基于人口和中风危险因素;模型2神经信息检查(署)添加;和模型3从41 CT图像数据和CT血管造影术补充道。限制三次样条函数和图形被用来确定连续变量可以分析线性条件或需要转换。7,8
失踪的患者特征值估算由病人特征之间的相关性与其他变量用缺失值通过单一的回归非难。9逻辑回归分析结果较差的结果变量。候选预测被认为进入应不论单变量与多变量回归模型贫穷的结果。8所有候选预测包含在多变量逻辑回归模型和似然比检验一步一步被排除在外,如果p> 0.15。预测因子之间的交互项与似然比检验测试,但没有足够的相关性来扩展为每个预测模型以外的主要影响。
模型的性能。
我们评估3模型的校准和歧视。10有识别力的性能,即。,the extent to which the prognostic models enable discrimination between patients with and without poor outcome, was described by area under the receiver operating characteristic curve (AUC). The AUC varies between 0.5 (a noninformative model) and 1.0 (a perfect model). The predictive accuracy of the prognostic models, i.e., the agreement of observed outcomes with predicted risk, was assessed by the Hosmer-Lemeshow test and graphically with a calibration plot.
模型验证。
预后模型来源于多变量回归分析估计回归系数。这导致了极端的预测当应用于新病人。7,10因此,我们在内部验证模型与引导技术,在每一个引导整个建模过程是重复样本。10这导致的收缩因素回归系数。7引导程序也是用来估计过分的乐观的AUC纠正。纠正AUC可能被视为一种估计的区别的能力将在未来类似的病人。
在临床实践中的应用。
基于模型的独立预测因子歧视性的最高价值,开发风险图显示的风险或没有这些预测患者的不良预后显著相关。数据分析与SPSS为Windows(版本15.0;SPSS Inc .,芝加哥,IL)和R(版本2.10.1;http://www.r-project.org)的帮助下图书馆Hmisc和哈勒尔的设计。11
结果
研究人口。
入学的特点提出了619个病人表1。平均年龄在承认64年(范围、19 - 95岁)。的患者中,429例(69%)有一个贫穷的结果在1个月:74(12%)有一个夫人的4分,115名(19%)有一个5分的夫人,和240年(39%)已经死了。
预后模型。
可怜的多变量模型预测结果在1个月后包了表2。预测的结果是老年,没有高脂血症,出现前驱症状轻微中风,署得分较高,长时间治疗,近端和中间vs远端包的位置,和旧的后循环中风或CT早期缺血性改变。一个贫穷的结果发生在特定的高署分数和老年。类型的治疗和CT影像学表现没有添加剂贡献可怜的预测结果。
模型的性能。
模型的歧视性的能力变得更大的复杂性增加。过分的乐观的AUC纠正是0.64的模型限制人口和中风的危险因素,为0.79,使用信息治疗中风严重性(署)和时间,和0.80的人口统计的模型使用一个组合,中风危险因素和发现从神经系统检查和CT成像。3模型的校准是好的(Hosmer-Lemeshow测试,p> 0.30)(图e 1上首页®网站www.首页neurology.org)。
讨论
我们描述了一系列的预后模型的发展越来越复杂,根据招生特点,预测风险对较差的预后结果保1个月患者的急性症状。最多的预后信息可以获得一组5预测因素:年龄、中风的严重程度,治疗时间,存在有前驱症状的轻微中风,和高脂血症。
我们所知,这是第一个研究,确定独立预测急性包后的不良预后显著相关,这些临床变量组合到一个简单的风险图。显然,风险图表将会更可靠,如果已经完善的风险因素包括预测中风后的不良预后显著相关。年龄、时间治疗,中风严重性等风险因素。2,12高脂血症患者的风险降低包后的不良预后显著相关。这是一个意想不到的发现,但可能是由于他汀类药物治疗可能带来的好处。13然而,我们没有数据在他汀类药物在我们的病人使用。这种联系的潜在机制还不确定和值得进一步研究,尽管预后因素并不一定需要有一个因果联系的结果。
我们发现有限或没有附加值的CT影像学表现和类型的治疗贫穷的预测结果。但这并不意味着治疗和CT影像学表现并不重要;相反,这些变量预测的附加值有限差结果统计数据时,中风危险因素和临床中风严重性已经占了。因此,我们认为它不太可能,我们的预测模型已经被撤回的影响重要的是维持生命的干预措施。类型的治疗的有限作用的预测结果可能是由于缺乏明显的保患者更好的治疗策略。5
我们的研究的一个重要力量在于病人的大量的模型。第二,我们相信我们的数据集是代表当前实践的专门的中风患者的中心在世界各地保急性症状。标准神经和功能评分和风险因素数据系统地收集到的所有网站。此外,所有测量在日常临床实践中获得。因此,我们的模型的预测是定义良好的、容易测量的临床变量已经可以在入学。
我们的研究有一定的局限性。首先,我们可能没有捕获所有变量相关的结果。在我们的数据输入表单的设计,然而,我们试图考虑所有因素,可能会影响结果。第二,在我们的数据库有一些缺失值。回归归罪是用来预测缺失值和从其他预测信息。这两个理论和实证支持增长归责方法的使用,而不是传统的完整的案例分析。14第三,有些错误可能发生在贫穷和良好的分类结果。然而,夫人被广泛使用,从这些潜在优势,它几乎不会受到偏见。此外,我们的模型是基于临床结果在1个月,这是一个时间点来捕捉一病人的完整的神经康复保急性症状。描述了一些患者急性包体验非常好的长期功能结果尽管初始闭锁状态和广泛的脑干梗死。15因此,一些患者可能贴上一个贫穷的结果在1个月就会转移到有一个好的结果,如果在稍后的时间点进行了研究。这项研究的最重要的缺点是缺乏验证的风险图在另一个人口比它派生(外部验证)。尽管引导技术被应用于缩减回归系数修正过分的乐观(内部验证),可能有一个高估的真实性能。未来的研究需要确认我们的风险图的有效性。
预后模型尤其适用于更有效的随机对照试验的设计。例如,我们可以排除那些非常好或预后不良。此外,这些模型可以用于分层和协变量调整治疗效果的临床试验。提出的风险也可能指导临床医生的初步评估患者的预后与急性症状包礼物。然而,我们注意到,预后模型只能增加,不能取代,临床判断。
可怜我们的研究表明,个月后结果可以可靠地预测包一个简单的模型,包括年龄,没有高脂血症,出现前驱的小中风,更高的署分数,和更长的时间来治疗。该模型预测可能支持临床实践和研究,包括随机对照试验的设计与分析。
作者的贡献
Schonewille博士的想法注册表,开发网络数据库,并鼓励国际同事贡献数据注册表。Greving博士,博士Schonewille、Kappelle博士和博士Algra设计研究。Greving博士做了统计分析。Schonewille博士和Greving写了初稿的手稿和起草的表和数据。
信息披露
Greving博士报告没有披露。博士Schonewille接收来自荷兰的研究支持心脏基金会。Wijman博士报告没有披露。米歇尔博士是科学顾问委员会拜耳先灵葆雅制药和勃林格殷格翰的发言;已收到资助旅行或演讲者谢礼从拜耳先灵葆雅制药和Lundbeck公司,它是一家公司。的编辑委员会国际期刊的中风;作为一个顾问Servier和Lundbeck公司,它是一家公司。和接收研究支持Lundbeck公司,它是一家公司,瑞士国家科学基金会和瑞士心脏病学的基础。Kappelle博士曾在科学顾问委员会和收到资助旅行从勃林格殷格翰的发言和演讲酬金;的编辑委员会脑血管疾病;和接收来自荷兰的研究支持心脏基金会和荷兰的大脑基础。Algra博士报告没有披露。
承认
作者感谢基础研究小组和所有卫生专业人员参与他们的贡献基本注册中心(见柳叶刀神经8:724 2009;730)。
脚注
Coinvestigators基础研究小组列出的首页®网站www.首页neurology.org。
研究经费:这项研究是由荷兰无条件从大脑基金会的资助(批准2010 (2). 01)。发展的基本注册表是神经学部门的支持下,乌特勒支大学医学中心,荷兰乌得勒支。首页
- 收到了2011年8月12日。
- 接受2011年11月17日。
- 版权©2012年长企业公司,。
引用
信:快速的网络通信
-
为各自的治疗管理各自的预测模型
-
再保险:治疗各自管理各自的预测模型
