开发和验证脑小血管疾病的诺莫格拉姆预测模型:全面的回顾性分析

科学领域:

• 神经学 神经学
• 医学诊断 医学诊断 医学诊断
• 生物统计学 生物统计学

背景情况:

• 大脑小血管疾病 (CSVD) 是中风,出血和痴呆的主要原因,特别是在老年人中.
• 早期诊断CSVD具有挑战性,阻碍了及时干预和管理.
• 这项研究解决了对CSVD改进诊断工具的需求.

研究的目的:

• 开发和验证用于早期诊断脑小血管疾病 (CSVD) 的新型名谱.
• 整合脑血管风险因素和血液生物化学标志物用于CSVD风险识别.
• 为高风险的CSVD个体提供早期干预策略.

主要方法:

• 对587名患者进行了一项回顾性研究,分为培训 (70%) 和验证 (30%) 组.
• 多变量逻辑回归和 LASSO 技术被用来开发名图.
• 使用AUC-ROC,校准图和决策曲线分析 (DCA) 来评估性能.

主要成果:

• 从88个生物标志物中确定了CSVD的9个独立临床预测因素.
• 该名录表获得了优异的区分能力,AUC-ROC值为0.849 (培训) 和0.863 (验证).
• 校准图表显示出良好的一致性,DCA证实了显著的临床效用.

结论:

• 成功开发了一种经过验证的CSVD的nomogram预测模型.
• 命名图是早期CSVD识别和风险评估的宝贵工具.
• 这种工具有可能改善临床决策和CSVD患者的治疗结果.