严重创伤性脑损伤的成年人死亡率的潜在预测因素

科学领域:

• 神经科学是一个神经科学.
• 关键护理医学 关键护理医学
• 生物统计学 生物统计学

背景情况:

• 严重创伤性脑损伤 (sTBI) 是全球主要的死亡和残疾原因.
• 早期识别结果预测因子对于管理重症监护室 (ICU) 的sTBI患者至关重要.
• 血静和体重指数 (BMI) 是潜在的预后标志物,但证据有限.

研究的目的:

• 为了研究血液静止,BMI和成年STBI患者的死亡率之间的关联.
• 评估机器学习模型对sTBI结果的预测性能.
• 确定STBI中死亡率的关键预测因素.

主要方法:

• 对307名成年STBI患者进行了回顾性多中心研究 (格拉斯哥昏迷表≤8).
• 在入院12小时内收集了实验室参数 (APTT,INR,纤维素原,血小板,D-二次体) 和BMI.
• 应用L1-规范化后勤回归和随机森林用于预测建模,使用SMOTE解决类不平衡.

主要成果:

• 28天全因死亡率为32.9%.
• 不幸存者具有较低的GCS得分和更高的INR,D-二次数和APTT.
• 随机森林实现了比后勤回归 (AUC 0.77) 更高的预测准确度 (AUC 0.95).
• 增加的BMI,延长的APTT和升高的D-二次体是死亡率的显著预测因素.

结论:

• 成年人中STBI的死亡率与血液静止受损,肥胖和低神经状况有关.
• 机器学习模型显示了对sTBI结果的有希望的预测准确性.
• 需要进一步的大规模前性研究来验证研究结果并加强风险分层.