基于生物电阻分析参数轨迹的随机森林模型的预测值,用于中风患者的短期预后

科学领域:

• 生物医学工程 生物医学工程
• 临床神经学 临床神经学
• 医疗信息学 医疗信息学

背景情况:

• 短期中风预后主要取决于最初的疾病严重程度和急性阶段 (1-7天) 的进展.
• 确定短期结果的可靠预测因素对于及时干预和患者管理至关重要.

研究的目的:

• 研究在中风急性阶段的生物电阻分析 (BIA) 参数轨迹与短期预后之间的关联.
• 评估一个包含BIA轨迹和入院临床指标的模型对中风患者结果的预测能力.

主要方法:

• 预期招募162名中风患者,在入院时收集临床数据,并在前1-7天每天收集BIA参数.
• 应用基于组的轨迹建模 (GBTM) 来识别不同的纵向BIA参数模式.
• 使用随机森林算法进行特征选择,预测模型构建和比较分析,其结果是排放时修改的兰金尺度 (mRS).

主要成果:

• 确定了BIA参数的四个不同的轨迹组.
• 与稳定或缓慢下降的组相比",低血压快速下降组"的预后差 (mRS 4-6) 和住院死亡率显著更高.
• 结合PA轨迹的预测模型显示出比仅使用临床指标的模型更高的预测准确度 (AUC 0.909).

结论:

• 在中风后入院的第一周内,生物电阻分析参数的纵向轨迹与患者的短期预后有显著的关联.
• BIA参数轨迹在预测短期中风结果方面提供增量价值,增强现有的临床预测模型.