风险预测模型用于中风患者的出院处置:系统性审查和元分析
Chaoran Xu1,2, Lijun Xiang1, Yansi Luo1
1Department of Neurology, Nanfang Hospital, Southern Medical University, Guangzhou, China.
Frontiers in neurology
|October 23, 2025
概括
这项研究评估了中风患者出院需求的多变量预测模型. 虽然模型显示出良好的预测性能 (AUC 0.80),但它们具有高偏差风险和有限的临床应用.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健服务研究 医疗服务研究
- 脑卒中医学 脑卒中医学
背景情况:
- 多变量预测模型对于估计出院中风患者需要更高的护理水平至关重要.
- 系统评估和元分析对于确定这些预测模型的性能至关重要.
研究的目的:
- 系统地评估和进行多变量预测模型的元分析,以估计出院中风患者需要更高水平的护理的风险.
- 评估中风患者出院处置现有预测模型的性能和确定其局限性.
主要方法:
- 在多个数据库 (CNKI,Wanfang,VIP,SinoMed,PubMed,Web of Science,CINAHL,Embase) 进行了全面的搜索,截至2024年9月30日.
- 数据提取和使用预测模型偏差风险评估工具 (PROBAST) 进行偏差风险评估的风险评估,由多个审稿人独立进行.
- 使用Stata 17.0.0进行了统计分析,包括元分析.
主要成果:
- 在 4,059 个检索的研究中,包括了 14 个研究,包括 22 个模型. 非家庭出院的发生率差异很大 (15-84.9%).
- 常见的预测因素包括年龄,国家卫生研究院中风量表 (NIHSS) 评分和功能独立度量 (FIM) 评分. 报告的AUC在0.75至0.95.5之间.
- 对五种验证模型的元分析得出AUC为0.80 (95%CI:0.75-0.86),尽管包括的研究中存在高总体偏差风险,由于数据来源和报告.
结论:
- 对于中风患者出院的风险预测模型处于早期发展阶段,其特点是偏差高,临床效用低.
- 尽管存在局限性,但这些模型表现出良好的预测性能.
- 未来的研究应该优先发展可解释的,高性能机器学习模型,增强外部验证,并专注于临床应用.
