开发和验证基于网络的动态诺米图,以根据数字减去血管学预测严重动脉狭窄的个性化风险

科学领域:

• 神经学 神经学
• 心血管医学 心血管医学
• 医疗信息学 医疗信息学

背景情况:

• 严重的动脉狭窄 (CAS) 是复发性缺血性中风 (IS) 的重要原因,在资源有限的环境中,诊断往往会延迟.
• 早期识别高风险患者对于及时干预和改善预后至关重要.
• 当前的诊断方法在某些地区可能无法获得,需要使用替代的预测策略.

研究的目的:

• 开发和验证一种非侵入性动态预测模型,用于识别IS患者高风险严重CAS.
• 确定与IS群体中严重CAS相关的关键临床和实验室风险因素.
• 创建一个用户友好的基于网络的工具,用于个性化评估严重CAS的风险.

主要方法:

• 从2017年7月到2021年3月,对739名IS患者进行了回顾性队列研究.
• 使用最小绝对收缩和选择运营商 (LASSO) 和多变量后勤回归 (MLR) 来识别风险因素.
• 模型验证使用C统计,曲线下的面积 (AUC),决策曲线分析 (DCA),临床影响曲线 (CIC) 和校准图. 开发了一个基于Web的工具.

主要成果:

• 66.0%的IS患者被诊断患有严重的CAS.
• 确定了六个关键预测因素:中风病史,血清,hsCRP,CRP,基细胞百分比和MCHC.
• 预测模型表现出良好的区分 (C-统计/AUC = 0.70) 和校准,临床效用得到了DCA和CIC的证实.

结论:

• 在IS患者中确定了严重CAS的六个关键风险因素.
• 为预测个体严重的CAS风险,开发了一种经过验证的基于网络的动态名录.
• 这种工具可以为IS患者提供个性化,风险分层和及时的治疗策略,以促进潜在的CAS.