预测创伤性脑损伤的结果,使用后主导节奏
Nathaniel A Cleri1, Jordan R Saadon1, Xuwen Zheng1
11Department of Neurosurgery, Renaissance School of Medicine at Stony Brook University, Stony Brook, New York.
Journal of neurosurgery
|June 17, 2023
概括
在严重创伤性脑损伤 (sTBI) 患者中,脑电图 (EEG) 上的后主导节奏 (PDR) 预测了更好的结果. 一个新的机器学习模型准确地预测了康复,帮助临床决策.
科学领域:
- 神经科学是一个神经科学.
- 临床神经学 临床神经学
- 医疗技术 医疗技术 医学技术
背景情况:
- 预测严重创伤性脑损伤 (sTBI) 的结果是复杂的,目前的模型缺乏个体患者的适用性.
- 确定可靠的指标来预测STBI后的恢复对于患者管理至关重要.
研究的目的:
- 为了确定电脑电图 (EEG) 上的后主导节奏 (PDR) 是否与STBI患者的积极结果有关.
- 开发基于机器学习 (ML) 的模型,准确预测经过STBI后的意识恢复.
主要方法:
- 一个回顾性分析的195个直管的sTBI患者 (格拉斯哥昏迷尺度≤8) 脑电图记录在30天内受伤.
- 患者被分为PDR阳性 (n=51) 和PDR阴性 (n=144) 队列,以比较包括生存,服从指令和格拉斯哥结局量表扩展 (GOS-E) 评分在内的结果.
- 开发了一种ML模型 (AutoScore) 用于使用临床,放射和EEG变量预测康复后的住院生存和指挥.
主要成果:
- 阳性PDR队列的住院生存率 (84.3%与63.9%相比),指挥后恢复率 (76.5%与53.5%相比) 和出院GOS-E得分 (3.00与2.39) 显著提高.
- 结合PDR和临床变量 (年龄,BMI,血压,瞳孔反应,葡萄糖,血红蛋白) 的ML模型,显示出强大的预测准确度,用于住院生存 (AUC 0.815) 和康复后的指挥 (AUC 0.700).
- 在预测患者结果方面,ML模型的表现优于MRC-CRASH和IMPACT等现有模型.
结论:
- 在EEG上存在PDR是对STBI患者有利结果的重要预测指标.
- 开发的基于ML的预后模型为预测STBI恢复和指导患者管理提供了高准确性和临床实用性.
- 这个模型可以帮助临床医生在严重创伤性脑损伤后的决策和家庭咨询.
