为早期预测耐火性状态发病的诺莫格拉姆模型的开发

科学领域:

• 神经学 神经学
• 临床医学 临床医学
• 医学研究 医学研究

背景情况:

• 耐火性性状态 (RCSE) 带来了重大的临床挑战.
• 早期识别RCSE高风险患者对于及时干预至关重要.
• 现有的风险分层方法可能缺乏精度.

研究的目的:

• 为了确定预测RCSE的重大风险因素.
• 开发和验证用于早期RCSE风险评估的预测模型.
• 为了提高对RCSE敏感的患者的临床识别.

主要方法:

• 分析了200名状态 (CSE) 患者的队列.
• 采用多变量逻辑回归来开发一个预测性名ogram.
• 使用AUROC,校准,DCA和交叉验证来评估模型性能.

主要成果:

• 开发了一种包含六个预测因子的名图:年龄≤40岁,先前史,焦点,CSE持续时间>30分钟,CRP>6mg/L,营养风险评分≥3.
• 该模型表现出高预测准确度,AUROC为0.838.
• 内部交叉验证的结果是准确率为0.778,卡帕值为0.519.

结论:

• 成功开发了一种客观,简单和可访问的RCSE风险评估模型.
• 这种名图是对CSE患者个体风险评估的有希望的工具.
• 该模型有助于早期识别和管理患有耐火性发作风险的患者.