文摘
摘要目的:开发和验证一个简单的,基于整数的分数预测功能结果在急性缺血性中风(AIS)使用变量现成的急诊室后入学。
方法:先前推导队列的逻辑回归进行独立AIS患者(急性中风注册表和分析洛桑[星体])来识别不利结果的预测因子(3个月改良Rankin量表得分> 2)。一个基于整数得分系统为每个安装多变量模型的协变量是由β-coefficients;整体分数计算加权分数之和。模型验证内部使用2倍交叉验证技术和外部2独立军团(雅典和维也纳中风注册)。
结果:年龄(A)、中风的严重程度(S)衡量入学NIH卒中量表得分,中风发病入院时间(T)的视觉范围字段(R),急性葡萄糖(A),和的意识水平(左)被确定为独立的预测因素不利的结果在星体的1645名患者。他们β-coefficients乘以4,四舍五入到最接近的整数来生成分数。接受者操作特征曲线下面积(AUC)分数的星体队列是0.850。比分是校准的推导(p= 0.43)和验证组(0.22(雅典,n = 1659)和0.49(维也纳,n = 653))。auc是0.937(雅典),0.771(维也纳)和0.902(池)。一个星体得分31显示50%的不利结果的可能性。
结论:星体的分数是一个简单的基于整数的分数预测功能结果使用6现成物品在住院。它在双表现良好外部验证,可以为临床实践和中风研究一个有用的工具。
术语表
- AIS=
- 急性缺血性中风;
- 星体=
- 急性中风洛桑的注册表和分析;
- 星体的分数=
- 发病年龄、严重程度之间的时间延迟(或最后一个健康证明)和承认,视野缺损,急性葡萄糖,和意识水平;
- AUC=
- 接受者操作特征曲线下的面积;
- BI=
- Barthel指数;
- 博厄斯=
- 博洛尼亚算法结果中风;
- 夫人=
- 改良Rankin规模;
- 署=
- 国立卫生研究院的中风尺度;
- 科学价值=
- 六个简单的变量;
- VIF=
- 通货膨胀因素方差
准确预测中风的结果很重要,因为以下几个原因。首先,它可以指导中风医生治疗的决定。1此外,它可以帮助医生,病人,制定切实可行的预后和家庭期望和计划长期居住环境。1最后,它可用于非随机研究,以控制在控制临床试验病例组合变异和选择标准。
预后模型需要很容易适用于临床,即。,contain a limited number of covariates that are readily available in a given situation and do not require sophisticated calculations.2如果在几个独立验证外部群病人,它可以实现在日常临床实践和中风的研究。特别是,得分,可以评估在hyperacute阶段中风的可能是急性中风试验的重要性,尤其是在检测血管再通和神经保护策略,这两种治疗短窗口。可用的一些成绩不是外部验证,2包括复杂的数学方程,3或者使用Barthel指数(BI)来评估功能的结果。4BI,不是stroke-specific日常生活活动指数,已广泛应用于中风、神经,non-neurologic研究。5,6然而,最近的一次审查建议BI通常是不适合作为唯一的主要结果措施由于明显的天花板效应。7
本研究的目的是开发和外部验证一个简单的,基于整数预后评分系统,可以在急诊室评估预测缺血性中风的功能结果。
方法
病人的预后评分系统是在一群开发从洛桑的急性中风注册表和分析(星体)。8对于这一分析,我们包括患者承认在1月1日,2003年和2010年7月24日。患者中风发作前的改良Rankin量表(夫人)评分> 2和夫人失踪3个月患者得分被排除在分析之外。派生的预后评分系统验证外部2独立军团从雅典9和维也纳10中风的注册中心。对于这一分析,我们包括所有病人承认在1月1日,1998年12月31日,2010(雅典)之间,1998年10月10日和2001年12月29日(维也纳)。
逻辑回归分析与逐步向后协变量消除无意义的星体队列中执行确定不利结果的独立预测因素,定义为三个月夫人得分> 2。多变量分析以下协变量包括:年龄、性别、发病到入院时间,预行程得分,夫人的临床类型赤字根据美国国立卫生研究院卒中量表(署)得分,绝对署在录取分数,血管病变的领土和本地化,底层的审判组织10172年急性中风治疗(吐司)机制,11心血管危险因素和并发症,中风发作前的药物,基本在脑成像结果录取(41 CT或T2 diffusion-weighted磁成像,如果可用,包括早期缺血迹象,出血性转换、慢性中风,leukoaraiosis,和高密度的大脑中动脉的迹象),生命体征,实验室和基本参数。患者进展和波动的中风,中风严重性被定义为署分数在第一次评价的神经学家急诊室。视野缺陷被认为是现在发现如果quadranopsia或偏盲署的测试项目3。急性血管再通治疗和灌注和动脉成像并不包括在这一分析,因为这些信息可能不是在急性缺血性中风的hyperacute阶段(AIS)。年龄、署分数、生命体征和实验室参数作为连续变量进行了分析。分析了葡萄糖作为分类变量;它被认为是正常范围3.7 - -7.3更易/ L根据以往的研究结果表明,这个范围与有利的结果。12在多个可用葡萄糖测量住院后,最早的一个是考虑。发病到入院延迟进行了分析与截断值作为两个参数在180分钟。缺失值没有估算和缺失值患者被排除在外。统计显著性水平是5%。
每个安装多变量模型的协变量的β-coefficient用于生成一个基于整数点评分系统为每个协变量;整体分数计算作为协变量加权分数的总和。测试最终多元的协变量之间的共线性模型,我们计算了宽容和每个协变量的方差膨胀因子(VIF)。评估的预测准确性派生的预后评分系统,我们检查了2指标的准确性13:歧视和校准。歧视,即。,the degree to which the prognostic score enables the discrimination between patients with favorable and unfavorable outcome, was assessed by calculation of the area under the receiver operating characteristic curves (AUCs) in the derivation and validation cohorts. Calibration, i.e., the agreement between predicted and actual outcome, was assessed in the derivation and validation cohorts with the use of the Hosmer-Lemeshow goodness-of-fit test with 10 groups and was graphically depicted in calibration plots. In addition, we measured the performance of the final model by calculating the accuracy, sensitivity, specificity, positive and negative prognostic value, and likelihood ratio for 5 scores in each cohort. A color chart was developed based on the integer-based score to display the predicted probability of unfavorable outcome with regard to the covariates of the score. Statistical analysis was performed with STATA Statistical Software (release 10, 2007; StataCorp, College Station, TX).
标准协议的审批、登记和病人同意。
的科学使用数据注册3注册中心是经当地伦理委员会批准。
结果
在1967名患者在星体注册,322年被排除在外(平均年龄69.2±14.6年,意味着署在录取分数8.0±7.8)。包括1645名患者的平均年龄为68.2±15.6年,42.8%是女性(表e 1首页®网站www.首页neurology.org)。署成绩在录取中值为8.9±7.8。的患者中,66%有一个良好的结果在3个月。六反是被确定为独立的预测因素不宜在多元逻辑回归分析结果:年龄、署在录取分数,延迟从发病到入院,视野缺损,葡萄糖在入学和受损的意识水平(表1)。在最后反是多元的公差模型介于0.51和0.98之间;VIF的平均值为1.32(范围1.02 - -1.95)。
β-coefficients来源于逻辑回归分析被用来开发一个评分系统为每个参数;为每个派生一个整数值,β-coefficients乘以4,四舍五入到最接近的整数(表2)。加权分数的总和被用来估计总体得分。平均评分值23岁(范围5 - 63)推导队列。基于整数的分数和的概率之间的关系提出了不利的结果图1。作为一个例子,23分,31日或38对应一个20%,50%或80%的概率不利的结果。预后评分系统有很好的歧视性权力派生群:1645(83.6%)的患者得分和夫人6可用,反是AUC为0.850(图e 1)。基于整数的分数是校准的推导队列Hosmer-Lemeshow测试不显著(p= 0.43)(图2)。的准确性、敏感性、特异性、正面和负面的预后价值,和模型的似然比表依照星体队列了。
作为一个例子,一个病人和31分预测不利结果的概率为50%。竖线代表事件在任何给定的频率值的分数。星体得分=年龄、严重性、中风发病之间的时间延迟(或最后一个健康证明)和承认,视野缺损,急性葡萄糖,和意识水平。
实际利率和预测不利结果的概率在3个月策划为给定值的星体得分(发病年龄、严重程度之间的时间延迟(或最后健康证明)和承认,视野缺损,急性葡萄糖,意识和水平)。数据给出了推导队列(A,急性中风洛桑(星体)的注册表和分析),为每个2外部验证组(B和C,雅典和维也纳中风注册中心,分别),后者的结合2 (D)。点代表的实际利率不利的结果。垂直线代表95%置信区间的实际利率的不利结果。实线代表的预测概率为每个数据集不利的结果。
第一个外部验证队列(雅典)来源于最初的样本1701 AIS患者,其中42(2.5%,平均年龄为67.5±12.5岁,意味着署在录取分数9.1±9.4)被排除在外,因为3个月夫人分数的协变量或一个或多个6预后评分系统不可用;最后,1659名患者被包含在这个验证队列。第二个验证队列(维也纳)起源于最初的1871名患者的样本。其中,1218(65.1%,平均年龄为66.5±14.2岁,意味着署在录取分数7.0±7.5)因为同样的原因被排除在外,653人包括在内。患者的基本特征包括在分析归纳在表格e 1。得分值介于7和65之间(20)中值之间的雅典队列和7 - 55(平均25)在维也纳队列。基于整数的分数是校准在验证组(图2):Hosmer-Lemeshow测试并没有显著的两人(p= 0.22(雅典),0.49(维也纳)和0.82的组合),表明不利的结果在3个月的预测概率匹配与实际的结果。此外,基于整数的分数有良好的歧视性的力量在两个验证组(图e 1),如图所示,相应的auc(0.937和0.771在雅典和维也纳军团,分别和0.902的组合)。的准确性、敏感性、特异性、正面和负面的预后价值,和模型的似然比雅典和维也纳军团展示在表依照。
图2演示了一个颜色表不利结果的预测概率的估计来源于基于整数的分数。作为一个例子,一个81岁,以前独立正常患者的意识水平和视野缺损承认158分钟后中风发病署得分8和5.1 L更易与葡萄糖的星体得分24,因此30% - -39%概率依赖(夫人得分> 2)在3个月(或32%概率图1)。
讨论
本研究提出了一个简单的开发和双外部验证,基于整数预后评分系统,可以在急诊室评估预测缺血性中风的结果在3个月患者在24小时内到达。派生的得分由6个参数,可以很容易地评估在床边到达急诊室。这是在外部验证组的AUC 0.902汇集验证队列。缩略词的派生注册(星体)也用于预后评分系统(星体分数);现在每个字母表示一个分数的协变量包括:A、年龄;年代,严重程度;T,中风发病之间的时间延迟(或最后一个健康证明)和承认;R,视野缺损的范围;一、急性葡萄糖;和L的意识水平。 Thrombolysis, endovascular treatments, and multimodal neuroimaging were not chosen to be included in this score, given that a hyperacute pretreatment clinical score is desperately needed and that such imaging and treatment techniques may not be widely available. Further developments of the ASTRAL score may take such additional information into consideration.
6预测确定了在多变量分析中,包括入学时间,这是第一个研究证明入学时间是一个独立的预测结果。这可能是更频繁的使用相关的血管再通治疗早期到达患者,早期控制生理参数,快速治疗和预防并发症和早期中风复发。相反,其他协变量,如中风机制和定位不确定为结果的独立预测指标。
2004年,一个简单的二项评分预测结果基于病人的年龄和署提出了分数。4这个分数是由德国中风基金会和中风数据银行首次在德国人口进行验证14随后在虚拟国际中风试验档案(VISTA)人口。15后者的AUC验证人口为0.808;4的星体分数(即协变量更加独立。,glucose, impaired level of consciousness, visual field defect, and onset to admission delay) possibly explains the difference with the AUC of our score in the external validation (0.902). Moreover, outcome was assessed in the German studies by means of the BI.
六个简单的变量(科学)模型是源自于牛津郡社区中风项目3并已验证在几个社区,医院军团3,16,17在一个多中心随机试验。18然而,这些人群包括病人在中风发作后的第一个小时。验证的科学hyperacute设置了使用数据从中风研究结果19第三国际中风试验。20.2的auc后者验证分别为0.802和0.820;的AUC 0.850(推导队列)和0.902(外部验证)的星体得分优于这些AUC,特别是考虑到这一事实我们的分数不需要复杂的数学计算包括多个小数系数。此外,然而使用的指数模型评估结果是牛津的障碍,这是广泛应用于临床实践,临床研究,随机对照试验是夫人。
最近,博洛尼亚结果中风(博厄斯)规模算法提出了中风的预测结果。2这个量表由5个简单,容易评估参数,即署得分,年龄,需要尿导管,氧管理和持久性的上肢瘫痪的时候中风单元的放电。虽然蟒蛇规模可能暂时在hyperacute阶段,评估可能的预测依赖可能会改变在出院的时候中风单元如果一个最初出现上肢瘫痪已经解决了。此外,推导和验证群很小(分别为221和100例);因此,需要进一步验证在较大的数据集来证实这种规模的准确性。
星体的分数是第一个基于整数的分数的夫人的预测评分为3个月,在急诊室很容易评估。这个简单的分数的优点之一是,它可以迅速在床边,没有复杂的数学计算方程,特别是使用颜色图表(图3)。此外,与先前的成绩相比,21,- - - - - -,24星体的分数以当前的形式不需要信息从大脑成像(除了脑出血除外),简化了其使用。此外,它是来自一个大型连续患者的注册表和表现在外部验证2独立大中风的注册中心。我们选择来验证该模型在2独立军团空间(不同的国家在不同的地理区域)和时间(不同时期)变化提供一个强大的确认其有效性和适用性的人口众多患者不同的基线特征。最后,在星体层的功能结果得分是通过定义而不是BI,夫人通常不适合作为一个主要的结果测量标准。7然而,夫人的限制功能的测量结果需要被承认,因为它本质上是不敏感和混合的客观和主观的项目活动,参与,和复苏的障碍问题。25此外,人们需要记住不同的方法分析了夫人的分数作为中风试验的端点(例如,固定的二分法在截止值为1或2,滑动的二分法,或转变分析),都有优点和缺点。26我们选择使用的截止值2,因为这意味着独立为病人在日常生活中。需要强调,但是,它没有一个测量结果可以预测卒中后康复和残疾的各个方面,和每个规模都有独特的特征和潜在的病人护理和研究方法。1不同的预后模型的实现,在临床实践中使用不同的尺度,结果可能有助于临床医生获得病人的预后的一个更完整的画卷。这样得分基于一分为二单一结果应该只有几个元素之一在临床决策。
我们的工作提出了一些限制:推导和验证军团起源于欧洲,需要验证,因此,这个分数在非欧洲的人口。此外,尽管在维也纳AUC队列很好(0.771),它不是高达雅典星体(0.850)或(0.931)军团。军团之间的时间差异可能会提供一个可能的解释:病人在维也纳队列被承认在1998年至2001年之间,但行程管理和结果此后经历了显著的发展。另一种解释也可以,很大比例的患者排除在维也纳队列,因为缺失的数据可能已经引入了一个在这个群组选择偏见。然而,优秀的AUC(0.902)在雅典和维也纳数据汇集在一起显示的非常好的性能星体得分。此外,研究了血清葡萄糖直言协变量,而不是在一个连续的方式,可能会导致信息丢失。此外,它是可能的,葡萄糖的截止值可能不同糖尿病和非糖尿病的患者。最后,进一步的研究是必要的调查星体分数是否执行类似的患者低,中等和高分数和之间的时间间隔对中风发病及其计算。
正确的选择对所有随机试验的患者是至关重要的。纳入的患者几乎必然结果(有利或不利的)降低了试验检测治疗效果。27例如,所有溶栓试验一定年龄和署得分范围定义为包含标准,考虑到其密切联系的结果。患者低(例如,< 4)或高(如> 25)署分数高概率的好的和糟糕的结果,分别和不太可能为一个可观察到的治疗效果,尤其是分类而不是转变的方法是使用。7星体分数作为选拔标准的使用可以帮助识别和招募患者会实现一个积极的结果的可能性增加;快速和容易(尤其是使用颜色图表)计算得分处于初级阶段,如住院强调使用的可行性星体分数作为招聘的选择工具在随机临床试验的患者。
星体的分数是一种新的基于整数,预后评分系统,可以很容易地在床边急诊室评估预测缺血性中风的结果。这一点表现在双重外部验证,可以应用在日常临床实践和中风的研究。可能是发达国家进一步通过增加先进的多通道成像数据在急性期和早期与24小时后可用的额外信息。
作者的贡献
Ntaios博士:研究概念和设计,分析和解释,准备手稿。Faouzi博士:分析和解释,重要的修订手稿的重要知识内容。法拉利博士:采集的数据,关键的修订手稿的重要知识内容。郎教授:采集的数据,关键的修订手稿的重要知识内容。Vemmos博士:采集的数据,关键的修订手稿的重要知识内容。米歇尔博士:研究概念和设计,分析和解释,重要的修订手稿的重要知识内容,研究监督。
信息披露
作者报告没有披露相关的手稿。去首页Neurology.org为充分披露。
脚注
- 收到了2011年的10月28日。
- 接受2012年2月17日。
- 版权©2012年长企业公司,。
引用
信:快速的网络通信
-
再保险:卒中后预测结果:iScore,星体
-
卒中后预测结果:iScore,星体
