在印度开发的一种类型算法在苏丹是准确的:一项前性验证研究

科学领域:

• 神经学 神经学
• 临床诊断 临床诊断 临床诊断
• 流行病学 流行病学

背景情况:

• 在低收入和中等收入国家 (LMICs) 提出了重大挑战,其中大多数受影响的个人居住在这些国家,并且往往无法获得治疗.
• 精确诊断类型 (焦点与泛型) 对于有效治疗至关重要,但在资源有限的环境中,EEG和神经成像无法使用,往往会阻碍这种诊断.

研究的目的:

• 评估先前推导的八个变量临床算法的准确性,以区分焦点和泛性在苏丹成年人队列中.
• 确定在一个大陆 (亚洲) 开发的临床算法是否可以可靠地应用于另一个大陆 (非洲) 的患者.

主要方法:

• 研究了一组150名苏丹成年患者的队列,类型由专家神经病学家使用EEG和神经成像 (黄金标准) 证实.
• 从一项先前存在的算法中使用了七个变量来计算焦点与泛性的概率.
• 包括灵敏度,特异性,准确性和科恩的kappa统计数据在内的性能指标被计算并与黄金标准进行比较.

主要成果:

• 七变量算法在分类类型方面表现出高准确度 (92%).
• 对焦性的敏感度为99%,特异性为72%.
• 科恩的kappa统计值为0.773表明了实质性的同意,94%的患者获得了强烈表明泛性 (<0.1) 或焦点性 (>0.9) 的概率得分.

结论:

• 该研究证实了在苏丹诊断类型的临床算法的高准确性和适用性,支持其在不同地理环境中的使用.
• 这种经过验证的算法为资源有限的地区的诊断提供了切实可行的解决方案,有可能减少治疗差距.
• 该算法使临床医生,包括那些有有限经验的临床医生,通过提供个性化的概率得分来进行适当的抗药物选择,以自信地管理患者.