臨床的特徴と身体構成に基づくノモグラムを用いて急性炎の重度の予測

科学分野:

• 放射線と画像検査
• 胃腸内科
• 医療情報工学

背景:

• 急性炎 (AP) の重症度を予測することは,患者を適時かつ効果的に治療するために極めて重要です.
• APの重症度を評価する現在の方法は,早期に正確な予測に限界があります.
• 定量コンピューティングトモグラフィー (QCT) は,重度の予測に役立つ身体構成の詳細な分析を提供します.

研究 の 目的:

• 重度の急性炎 (SAP) の予測モデルを開発し,QCTによる体組成と臨床特性を用いて検証する.
• SAPの独立リスク要因を特定する.
• 開発された予測モデルの判別力と臨床適用性を評価する.

主な方法:

• AP患者と健康な対照群の臨床データとQCTの体組成の遡及分析
• SAPの独立したリスク要因を特定するための物流回帰分析.
• 特定されたリスク要因を含むノモグラムモデルの開発
• カリブレーション曲線,ROC曲線,DCA,別々の検証コホートを使用してモデルの検証.

主要な成果:

• アルコール原因,C反応性タンパク質 (CRP),全脂肪組織 (TAT),骨格筋領域 (SMA) がSAPの独立予測因子として特定されました.
• ノモグラムは,訓練コホートで0. 87のAUCと,検証コホートで0. 81のAUCで高い差別力を示した.
• このモデルはホスマー・レメショー試験とDCAによって確認された良好な校正と臨床適用性を示した.

結論:

• アルコール病因,CRP,TAT,およびSMAは,SAPを予測するための重要な独立した危険因子です.
• 開発されたQCTベースのノモグラムモデルは,APの重度を早期に正確に予測するための貴重なツールを提供します.
• このモデルは,APの管理における臨床的意思決定と患者の成果を改善する可能性を秘めています.