在急性缺血性中风患者中使用LASSO回归进行医院内死亡率预测的预测性名图的开发
Li Zhou1, Youlin Wu1,2, Jiani Wang1
1Department of Neurology, the First Affiliated Hospital of Chongqing Medical University, Chongqing, People's Republic of China.
Clinical interventions in aging
|August 14, 2024
概括
这项研究开发了一种名谱,用于预测缺血性中风患者的医院内死亡率,确定年龄,NIHSS得分,COPD和WBC作为改善患者护理的关键预测因素.
科学领域:
- 神经学 神经学
- 心脏病学 心脏病学
- 公共卫生 公共卫生
背景情况:
- 缺血性中风是全球死亡和残疾的主要原因.
- 准确预测医院内死亡率 (IHM) 对于有效的患者管理至关重要.
- 目前的预测工具可能缺乏针对缺血性中风患者的个性化.
研究的目的:
- 为在缺血性中风患者中进行个性化IHM风险预测开发一个实用的名图.
- 在这个人群中确定IHM的独立预测因子.
- 为了验证名图的预测性能和临床实用性.
主要方法:
- 对422名缺血性中风患者的回顾性分析.
- 使用最小绝对收缩和选择运算符 (LASSO) 回归来进行预测器选择.
- 使用ROC曲线,校准曲线和决策曲线分析构建和验证了一个名ogram.
主要成果:
- 确定了IHM的四个独立预测因素:年龄,入院NIHSS得分,慢性阻塞性肺病 (COPD) 和白细胞计数 (WBC).
- 诺米图实现了高预测准确度,AUC为0.958 (训练) 和0.962 (验证).
- 显示出出色的灵敏度和特异性,证实了临床适用性.
结论:
- 年龄,入院NIHSS,COPD病史和WBC是缺血性中风中IHM的重要预测因素.
- 开发的诺米图为估计死亡风险提供了一个高度准确和实用的工具.
- 建议进行进一步的外部验证和前性研究,以确认临床疗效.
