在ICU中风患者的短期死亡风险预测模型:系统性审查和元分析
Jiali Zhang1, Yijie Fu1, Yan Liu2
1School of Preclinical Medicine and School of Nursing, Chengdu University, Chengdu, Sichuan, China.
Frontiers in neurology
|July 31, 2025
概括
对于ICU中风患者的风险预测模型显示出良好的准确性,但存在高偏差和低适用性. 未来的模型应该包含关键预测因素,如GCS和WBC,以提高临床可靠性.
科学领域:
- 密集护理医学 密集护理医学
- 神经学 神经学
- 生物统计学 生物统计学
- 医疗保健服务研究 医疗服务研究
背景情况:
- 在重症监护室中风患者的短期死亡率预测对于临床决策至关重要.
- 现有的风险预测模型需要对其性能和适用性进行系统评估.
研究的目的:
- 系统地审查和评估ICU中风患者短期死亡风险预测模型.
- 为开发和应用未来预测模型提供证据.
主要方法:
- 从2005年1月到2025年1月,搜索了多个数据库 (科克兰图书馆,EMBASE,PubMed,科学网).
- 使用预测模型偏差风险评估工具 (PROBAST) 评估模型偏差风险和适用性.
- 使用随机效应模型对曲线下的面积 (AUC) 进行了元分析,评估了I2统计数据的异质性.
主要成果:
- 12项研究产生了14个预测模型,4项得到了外部验证.
- 聚合的AUC为0.82 (95% CI:0.80-0.85),表明了良好的区分能力.
- 观察到高异质性 (I2 = 80.1%);所有模型都有高偏差风险和低适用性.
- 关键预测因素包括格拉斯哥昏迷量表 (GCS),白细胞计数 (WBC),年龄和血糖水平.
结论:
- 预测ICU中风患者死亡率的模型显示出良好的区分性能.
- 高偏差风险和低适用性限制了当前模型的整体质量和临床实用性.
- 未来的研究应该优先考虑前性,多中心研究与外部验证,以PROBAST为指导,以提高可靠性和适用性.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.2K
05:00Short-Duration Hypothermia Induction in Rats using Models for Studies examining Clinical Relevance and Mechanisms
Published on: March 3, 2021
3.0K
