重度の脳外傷後の6ヶ月の臨床結果の予後モデルを毎日入院中のバイオマーカーで改善する:ベイジアンモデリングアプローチ

科学分野:

• 神経科学と神経学
• クリティカル ケア 医療
• 医学 の 予知

背景:

• 重度のトラウマ性脳損傷 (TBI) の予後のための標準であるIMPACTモデルは,入院データのみに依存しています.
• この制限は,患者の結果の予測の精度を低下させる可能性があります.
• 改善されたTBIの予後のために,ダイナミックな生理学的データを組み込む必要がある.

研究 の 目的:

• 毎日の血液検査結果と生命体の徴候を併用することで,重度のTBIの予後が改善されるかどうかを評価する.
• 改良されたモデルの予測精度を従来の IMPACT モデルと比較する.
• TBIの結果の予測を向上させる重要なバイオマーカーとバイタルを特定する.

主な方法:

• 予期的に収集された重度のTBI患者データベースの二次分析 (n=315).
• 負傷後の14日間,毎日血液検査 (グルコース,ナトリウム,血小板,ヘモグロビン) と生命体 (MAP,PaCO2) を採取した.
• ナイヴ・ベイズ分類器を用いて,IMPACT専用のモデルと,毎日のバイオマーカーを含む完全なモデルを構築し,AUC (DeLong's test) を用いてパフォーマンスを比較した.

主要な成果:

• 完全なモデルは,IMPACTモデル (AUC=0. 74,p<0. 01) と比較して,半年後に不利な結果に対して有意に優れた差別性を示した.
• 完全なモデルは,IMPACTモデル (AUC=0. 75,p=0. 02) と比較して,半年の死亡率を予測する際の差別の有意な改善を示した.
• 完全なモデルに含まれる主要な予測要因は,最初の2週間の毎日の測定から特定されました.

結論:

• 重度のTBI後の最初の2週間に毎日収集されたバイオマーカーと生命体記号は,予測の精度を大幅に高めます.
• 強化されたモデルは,標準のIMPACTモデルに比べ,不良の結果と死亡率の優れた差別化を提供します.
• 常規の入院患者の臨床データを統合することで,重度のTBI患者の予測能力を大幅に向上させることができます.