使用临床和生物数据集群的亚表型化动脉瘤下arachnoid出血

科学领域:

• 神经外科 神经外科
• 密集护理医学 密集护理医学
• 生物标志物研究 生物标志物研究

背景情况:

• 动脉瘤下关节出血 (aSAH) 呈现异质的结果,尽管最初的严重程度相似.
• 改善患者分层对于优化aSAH管理至关重要.
• 目前的方法可能无法完全捕捉aSAH患者轨迹的变化.

研究的目的:

• 在aSAH患者群体中识别不同的临床亚现象.
• 利用对综合患者数据的聚类分析来发现亚表型.
• 探索已识别的子类型与临床结果和生物标志物的关联.

主要方法:

• 在511名aSAH患者的回顾性队列研究中,这些患者被录入了ICU (2010-2021年).
• 对标准化的人口,临床和实验室入院数据应用的K-means集群.
• 减小维度的主要组件分析;血清生物标志物的分析 (S100B,HMGB1,TLR4).

主要成果:

• 确定了两个不同的aSAH亚现象:高风险 (58.9%) 和低风险 (41.1%).
• 高风险集群表现出严重的全身并发症和更高的死亡率.
• 在高风险集群中血清S100B水平升高 (p=0.008),具有中等的区分能力 (AUC=0.72).

结论:

• 聚类分析成功地划分了两个aSAH亚现象,具有与结果的差异关联.
• 亚表型与延迟脑缺血 (DCI),死亡率和功能状态相关.
• 整合早期临床数据和生物标志物可以显著提高aSAH患者分层.