文摘
摘要目的:外部验证两个预测模型预测功能结果和急性缺血性中风后存活100天。
方法:从1470例患者使用前瞻性收集的数据,作者评估两个以前开发的模型。我预测模型不完整的功能恢复(Barthel指数< 95)和完整的功能恢复有11个变量,而模型II预测死亡率与生存与3变量。参与医院入院,患者前瞻性登记,包括根据定义的标准。72小时内,预测变量进行调查评估。执行后续事件后100天。
结果:模型我正确预测68.1%的患者不完全恢复或死亡,85.7%的病人完全康复了,模型二46.9%的患者死亡,95.9%的幸存的患者。两种模型表现得比治疗医生的预言在入院72小时内。
结论:结果预后模型是有用的正确分层治疗组在临床试验中,准确预测变量分布的端点。
急性中风试验增加了在过去十年中,然而,急性缺血性中风后预后因素对结果的影响尚不清楚。然而,这些信息是必不可少的在随机临床试验设计和控制非随机试验的病例组合的变化。此外,预测变量的加入可以增加电力检测临床相关的差异。1然而,大多数先前的预后模型既不全面也不外部验证。2只有三个预后模型已经确认到目前为止,其中两个已经开发和验证在高度选择的数量。3、4⇓这些模型是有限的使用在未经选择的医院军团。其他以人群为基础的模型包括病人中风后几天,不包括所有病人的CT扫描检查排除颅内出血。5、6⇓这限制了它的用途对于临床研究局限于脑缺血患者。因此我们旨在外部验证两个综合模型来预测功能结果和死亡率的急性缺血性中风后100天,此前开发的大型医院的中风数据银行德国中风基金会(Stiftung德意志Schlaganfall-Hilfe)。
方法。
模型的发展。
我们首次发现可能预测变量在系统搜索的文献(细节可以从http://www.uni-essen.de/neurologie/stroke/free/lit_eng1.html)。允许提前预测,我们只评估变量经常入院后的第一个72小时内完成。
我们选择Barthel指数(BI)是最广泛使用的测量功能的独立性。7这种规模的评估个人能力在喂养,穿衣,流动性(水平地面上行走和升序/降序楼梯),和个人卫生(修饰,个人卫生,洗澡,和控制身体功能)。这充分反映了对日常活动功能的后果,病人立即重要。识别患者完全恢复作为临床试验的提倡,截止BI值≥95 vs使用< 95。
我们还在内部开发和验证预测模型使用数据从中风数据银行德国中风基金会。细节模型的开发过程,包括数据评估和统计程序,曾被发表。8、9⇓由此产生的模型都是基于1768名患者前瞻性收集在1998年和1999年之间的七个神经学部门:我预测模型完整的功能恢复,也就是说,BI≥95 vs BI < 95或死亡,第二和模型预测死亡与生存首页。
对于我,预后变量所示表1被获得。分类使用物流分布函数的阈值设置,以便预测比例等于观测到的事件。在使用阈值为0.437,80.7%的病人能够正确分类。最后一个模型解释了R2= 55.4%的变异根据麦凯维和Zavoina完成。12相同的数据集是用于选择变量和估计回归系数的参数可能会高估了。量化和纠正过度拟合,收缩因子γ估计使用分析交叉验证。13我的模型,γ= 0.97。
最终模型II预测死亡率与生存包括发烧> 38°C入院后72小时内,更高的年龄,和更大的神经功能缺损在入院评估在美国国立卫生研究院卒中量表(NIH-SS);90.4%的患者使用阈值为0.289时正确分类。用这个模型来解释方差的比例R2= 40.9%,收缩因子估计γ= 0.99。
外部验证研究。
附录中提到的13个神经部门参与了这项研究。所有参与医院急性卒中单元操作,在大多数情况下,神经重症监护病房。他们提供集水区的100000 - 100万居民和中风患者的主要护理提供者在这些地区。登记的病人开始于2001年2月1日,终止于3月15日,2002年,在预定义的患者数量已经达到。入院时,治疗医生报道每一个中风病人的入院埃森大学医院的协调中心。此外,承认医生的预测结果在一起100天的延迟入学评估在以下类别之一:死亡、严重依赖(BI < 70),温和的依赖(BI 70年至90年),和功能独立性(BI≥95)。患者了解研究的参与,并告知获得书面同意个人资料转发给协调中心。在入院后的第一个72小时,包含和排除标准以及预测变量是前瞻性评估。成像研究进行排除比缺血性中风患者出血或其他原因。此外,进一步的关于生活的数据情况下,早期的神经赤字,诊断和介入措施记录。 Patients were treated according to best current knowledge in clinical routine. A central follow-up blinded to the patients’ baseline data was performed via telephone interview by the coordinating center (86.7%) or by the treating hospital itself (13.3%) if the patient did not consent that personal data be forwarded. The outcome of the patient was assessed on the BI within 85 to 120 days after the event or by confirmation of death within 120 days after initial stroke. Otherwise, follow-up data were considered as missing for analysis. The study was approved by the Ethics Committee of the University of Essen, and aspects of data safety were approved by the responsible data protection state representative.
所有患者诊断为急性缺血性中风(事件之间的延迟和入学的< 24小时)承认参与医院的报告在埃森大学的协调中心。根据我们的研究方案,8我们排除了所有患者的中心与< 75%随访或退出率> 10%。退学率被定义为最初报道患者的比例不能包含在验证研究,因为思念的基线信息。其余患者包括是否符合以下标准:入学中风发病后24小时内,没有其他绝症,不插管在承认,允许一个有效的评估所有有趣的变量,没有或只有轻微功能障碍(兰金规模得分< 2)事件之前确保患者功能独立的在某种程度上,没有系统性或动脉溶栓,和生存(前3天内图)。我们此外只包括那些完整的基线和随访患者在入院信息获得85至120天。的315名患者没有一个有效的后续,44(14%)拒绝参与,140(44.4%)采访了外部定义的时间窗口,和131年(41.6%)不能通过跟踪他们的初级护理医师或当地公民注册表。
两个模型验证在整个样本的患者来说,完整的数据在预测变量和结果被获得。确认所有变量纳入模型的统计预后意义,二进制逻辑回归分析。利用似然比检验统计数据,我们测试了零假设所有11个变量逻辑回归模型中包括我等于0与另一种假设,他们不同于0。的全球显著性水平α= 0.05。对于每个假说,根据Šidak显著性水平调整。14所需的样本量达到95%的力量进行蒙特卡罗模拟和计算导致所需的样本量(n = 1400。8
同样,预后模型II计算获得验证估计的预测质量。对所有变量,比值比估计与相应的95%沃尔德CI。两个模型中,患者分类使用之前开发的回归模型的估计。9的质量分类的正确分类的病人和解释方差的比例根据麦凯维Zavoina12被调查。
结果。
耐心包容的流程图是描述图。1470名患者中,42.7%是女性。患者的平均年龄为67.9岁(SD 12.4)。根据修改后的审判组织10172年急性中风治疗(吐司)分类,15中风病因分为动脉粥样硬化在229名患者(15.6%),416年cardioembolic病人(28.3%)、腔隙中275例(18.7%),76例(5.2%),其他病因确定和不确定的病因在474名患者(32.2%)。后100天,831名患者(56.5%)完全纠正(BI≥95), 526名患者(35.8%)不完全纠正(BI < 95)和113例(7.7%)死亡。这可以归因于低死亡率相对较低的平均年龄以及严格的入选标准应用。除了包括在这项研究中,46名患者(3.1%)有参加临床试验,其中没有一个被证明影响的结果。进一步的临床变量的分布包括在最终的模型所示表2。
预测完全恢复和不完全恢复或死亡(BI≥95 vs BI < 95或死亡),模型验证,其中包括11个变量所示表3。根据Šidak过程,性别,他伸出的弱点,神经损伤,中风之前,lenticulostriate领土,>的发烧38°C,和神经系统并发症尚不具备统计学意义在验证数据集。最终的模型解释R2= 52.4%的变异。在使用原始β的估计和预定义的阈值为0.437,78.0%的病人可以正确分类。给出每组分类正确性的细节表4。如果无意义的变量被排除在外逐步从模型中,只有四个变量是不包括在最终的模型(纹状体外领土,增性别、神经系统并发症,和发烧)。不包括这些减少R2至51.7%,正确分类的病人的比例为76.4%。
根据承认医生的预言,只有65.7%的患者预测正确,有81.2%的病人死亡或不完全纠正和完全纠正病人的53.9%。
模型II预测死亡率与生存和包括三个变量(表5)。风险中风死后的第一个100天内较高的患者随着年龄的增加,在承认更大的神经功能缺损NIH-SS, >的发烧38°C入院后72小时内。总共有92.1%的患者分类正确使用原β时估计的阈值0.289中给出表6。用这个模型来解释方差的比例R2= 33.0%。根据承认医生的正确预测,92.7%的人预测。然而,病人去世120天内,只有8.8%的人预测正确的医生,相比之下99.8%的幸存的患者。
讨论。
所倡导的国际指导方针16和预后评估模型,2我们关注完全恢复和死亡率的急性缺血性中风后100天主要关心的端点。通过执行一个系统的文献检索模型开发之前,我们可以考虑所有先前建议因素同时估计它们的相对影响结果变量。主要通过一个中央的后续,我们能够确保一个标准化的结果评估基于一致的标准。虽然随访率为82.4%并不排除可能的偏见,这似乎不太可能影响到我们的研究结果的有效性。
尽管我们的模型有许多优点和似乎比以前更广泛适用在急性缺血性中风预测模型,提出一些局限性:因为研究人群代表医院群体,没有病人在不同的保健机构可能有不同的预后比建议在我们的模型中。这也反映在相对年轻的年龄(平均69年)我们的研究人群中,大概是6年低于大多数中风注册。因此,我们的模型可以被认为是验证只在德国急性中风病人单位,也不可能轻易地转移到中风寄存器或其他中风保健机构。做出更准确的预测人口的利益,我们排除了患者很少或根本没有机会达到主要的结果变量。我们也排除患者插管时承认,因为这杜绝许多变量被调查的有意义的评估。然而,我们的模型反映了患者将被包括在临床治疗试验。最后,我们没有调查评分者间信度的预测因素。这可能是一个潜在的“尤其是在成像变量因为我们没有执行标准化协议,仅仅依赖的正确诊断neuroradiologist在每个中心。
尽管如此,我们能够开发令人信服的模型预测精度高。两种模型正确分类更多的病人比医生的预测在入院72小时内。七个变量模型我没有被证明是独立预测结果验证数据集。然而,名义p值低于0.1所有变量除了性别,在纹状体外动脉增的梗塞,神经系统并发症。在我们的初始模型的发展中,我们估计收缩率高γ= 0.97;这表明过度拟合的模型尽管大数据集用于模型的发展。这是证实的事实的β估计要低得多比模型试验验证数据集。因此,作为验证研究的样本量估计使用最初获得收缩因子,我们可能会高估了这个研究。使用一个更大的样本大小根据实际收缩率可能呈现进一步的重要预测变量。仍然使用原来的β和分类阈值估计,78%的病人在验证数据集分类正确。相比之下,消除无意义的变量的验证数据集的总体比例降低正确分类的病人76.4%,正确分类的病人的比例从60.7%至68.1并没有完全恢复。基于这些结果,我们提倡使用一套减少的预测变量。
在第二模式中,所有先前确定的预后变量也独立预测结果验证数据集。整体预后的准确性非常高(92.1%),尽管只有46.9%的死者患者正确分类。不过,明显好于模型的分类预测的医生,只有8.8%的死者患者正确预测。
在我们最初的数据集,神经损伤评估使用NIH-SS只有在承认,所以在这个时间点作为预后因子。在验证研究,NIH-SS另外48至72小时内入院后执行。使用变量马达的左腿,电动机的右腿,整体之和NIH-SS评估后48到72小时而不是病人的入院时提高正确分类模型我从78.0到78.6%。正确地预测患者的百分比BI的< 95年,然而,从68.1减少到64.8%。
中风而不是使用体积测量初始中风严重性评估,我们决定模型关注临床变量和中风本地化。尽管这些变量可能会有一个评分者间信度低于定量措施,他们更容易访问,不需要一个标准化的成像协议。我们还决定不考虑特定的治疗方法尽可能的预测有两个原因。首先,治疗决定在我们的样例是基于临床判断,这将在临床试验中不同。第二,我们猜测,没有特别有效的治疗通常应用于相当数量的病人。然而,9.7%的患者接受动脉或系统性血栓溶解和被排除在分析。保持患者的验证样本不影响预测的意义和我们预测的质量。虽然预测可以提高包括变量的后期评估康复,实用价值将是有限的预测不能作为早期。然而,有一种强烈的需要令人信服的模型预测结果事件后第一个小时内。这些模型有更有限的变量可以在临床常规,需要更严格的入选标准获得统一的初始群体(即。事件之间,更短的延迟和录取)。 The resulting models have recently been reported.17此外,我们目前正在研究更高级的分类器比逻辑回归模型(例如,支持向量机和神经网络)。
附录
德国中风研究成员的协作。首席研究员:c .魏玛,埃森大学神经学系。首页负责biometrician: a .齐格勒吕贝克大学医学生物统计学和统计研究所。首页神经学部门(研究人员)负责:查利特柏林(n . Amberger MD), Krankenanstalten基比勒费尔德(c . Hagemeister MD),莱茵Kliniken波恩(c . Kley MD),萨尔州大学(p . Kostopoulos MD),耶拿大学(诉Willig, MD),马格德堡大学(m . Goertler MD), Klinikum Minden (j .德格拉恩MD), Stadtisches Krankenhaus慕尼黑Harlaching (k . Aulich MD), Klinikum慕尼黑Groβhadern (a . Mullner MD),罗斯托克大学(a . Kloth MD), Burgerhospital斯图加特(t . Mieck MD),乌尔姆大学(m . Riepe MD),埃森大学(g . Morger-Kiefer MD)。编写委员会:基督教魏玛,MD,汉斯·c·Diener MD(埃森大学神经学部门);首页安德里亚·齐格勒Inke r·康尼锡博士和博士(医学研究所生物统计学和统计,吕贝克大学)。
确认
德国教育部的支持和研究(B.M.B.F.)作为能力的一部分,净中风。
作者感谢克劳斯Kraywinkel博士和彼得•Dommes博士,中央数据收集和管理。
- 收到了2003年6月19日。
- 接受2003年10月19日。
