使用多模式定量生物标志物的双结果预测后缺血性中风和死亡率

科学领域:

• 神经学 神经学
• 发病学 (Epileptology) 是一个专业的学科.
• 医疗信息学 医疗信息学

背景情况:

• 缺血性中风后 (PISE) 显著影响患者的生活质量.
• 准确的PISE早期风险预测对于及时干预和治疗试验至关重要.
• 忽视死亡率作为竞争风险可能会导致风险的高估.

研究的目的:

• 通过模拟死亡作为竞争结果来增强PISE的风险分层.
• 整合定量临床,神经成像和脑电图 (EEG) 生物标志物,以改善预测.
• 要区分的预测因素和中风后死亡率的预测因素.

主要方法:

• 使用耶鲁-纽黑文医院 (2014-2022) 的回顾性数据开发了一个PISE预测模型 (CRIME PISE).
• 包括患有急性缺血性中风的成年患者,在7天内接受神经影像和EEG监测.
• 定量生物标志物包括中风严重程度,心脏病发作量,EEG异常和功率不对称.

主要成果:

• 克莱姆PISE模型在PISE-first和死亡-first结果 (AUC分别为0.72和0.79) 中表现出强大的预测性能.
• 关键的PISE预测因素包括中风严重程度,心脏病发作量和EEG异常;死亡预测因素包括年龄,功能状况和心脏病史.
• 与基准SELECT模型相比,CRIME PISE在高风险患者中显示出更好的PISE预测.

结论:

• 该CRIME PISE模型通过结合竞争性风险和多式联络生物标志物来改善PISE预测.
• 一种两阶段的方法 (SeLECT查,其次是CRIME PISE) 可以优化针对高风险患者进行抗发育试验.
• 这种方法优先考虑可能生存和发展的患者,提高试验效率.