使用神经学检查结果进行预测模型的实用性,用于诊断退行性宫肌病
Masahiro Funaba1, Hiroaki Nakashima2, Lindsay Tetreault3
1Department of Orthopedic Surgery, Yamaguchi University Graduate School of Medicine, Yamaguchi, Japan.
The Journal of bone and joint surgery. American volume
|July 10, 2025
概括
精确诊断退行性宫肌病 (DCM) 可以通过使用特定的神经症状和性能测试来实现. 一个结合反射,抓住释放和感官测试的模型有效地识别了DCM患者.
科学领域:
- 神经学 神经学
- 脊髓成像 脊髓成像
- 诊断的准确性 诊断的准确性
背景情况:
- 由于研究有限,对退行性宫骨髓病 (DCM) 神经学检查的诊断准确性尚不清楚.
- 为了解决这一知识差距,我们与没有DCM的受试者进行了一个社区选项目.
研究的目的:
- 开发和验证用于识别退行性宫肌病 (DCM) 的诊断模型,使用神经学检查结果.
- 评估这些模型在区分DCM患者与对照患者方面的准确性.
主要方法:
- 总共包括229名DCM患者和807名对照 (40-79岁) 的人.
- 神经学检查评估了反射 (深,霍夫曼,巴宾斯基),感觉障碍,以及10秒的握放测试.
- 多重物流回归被用来构建诊断模型.
主要成果:
- 一个包括性别,年龄,抓紧释放测试,状反射,霍夫曼反射,巴宾斯基标志和感觉障碍在内的综合模型显示出高准确性 (AUC 0.994).
- 用性别,年龄,霍夫曼反射,状反射和抓紧释放测试进行的简化实用模型也显示出出色的准确性 (AUC 0.956).
结论:
- 结合神经症状和绩效指标的诊断预测模型可以准确地区分DCM患者和对照人群.
- 这些发现强调了在评估疑似DCM时,具体的临床评估的价值.
