覚醒時脳卒中における比例的回復を超えて：NIHSSに基づく無監視回復クラスター

科学分野:

• 神経科学
• リハビリテーション医学
• 医療におけるデータサイエンス

背景:

• 従来の脳卒中回復予測は、比例回復規則（PRR）のような線形モデルに依存していますが、これには限界があります。
• 数学的連鎖や臨床的尺度における天井効果などの問題は、線形モデルの妥当性に影響を与える可能性があります。
• 比例回復規則（PRR）は、患者を「フィッター」または「ノンフィッター」に分類しますが、この分類は方法論に依存する可能性があります。

研究 の 目的:

• 線形モデルの脳卒中回復予測における限界を克服すること。
• NIHSSスコアに基づく繰り返しスペクトラルクラスタリング（RSC）を使用して、異なる神経生理学的回復パターンを特定すること。
• RSCによって特定された回復パターンを、従来の線形モデルおよび予後因子と比較すること。

主な方法:

• WAKE-UP試験から中程度の障害を持つ201人の覚醒時脳卒中患者に繰り返しスペクトラルクラスタリング（RSC）を適用しました。
• 回復率（脳卒中後22〜36時間から90日）のペアごとの絶対差に基づく類似性行列を使用しました。
• RSCクラスターの違いを予後因子（病変容積、側、治療、ハイデルベルクスケール）と比較し、コホート比較のためにPRRを適合させました。

主要な成果:

• RSCは、完全回復、平均以上、平均（PRRに沿った）、平均以下、および悪化の6つの回復クラスターを特定しました。
• NIHSSスコアは、患者全体で一般的に比例しない方法で低下しました。
• 左側脳卒中は、回復が低いクラスターでより一般的でしたが、病変容積は有意な差別因子ではありませんでした。

結論:

• RSCは、線形モデルよりも正確なビューを提供する、脳卒中回復パターンの洗練されたデータ駆動型分類を提供します。
• クラスタリングは、患者グループ間の神経生理学的違いを評価する能力を向上させます。
• この洗練された理解は、覚醒時脳卒中生存者のための個別化されたリハビリテーション介入の開発をサポートします。