Development and Cross-Database External Validation of 24-Hour Landmark Models for ICU Mortality After Intracerebral Hemorrhage: Incremental Value of Routine Coagulation Markers
本研究开发并外部验证了针对脑出血患者的24小时ICU死亡率预测模型，发现虽然多变量模型优于简单的临床基准，但常规凝血指标在标准临床和生理数据之外并未提供明确支持的增量预测价值。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
每年，都有数千人遭受脑出血，即颅内血管突然且剧烈地破裂。这种在医学上被称为脑出血（intracerebral hemorrhage）的事件，是中风中最危险的形式之一。当这种情况发生时，大脑面临着直接威胁，进入重症监护室（ICU）最初的几个小时至关重要。医生依靠一种名为格拉斯哥昏迷评分（Glasgow Coma Scale）的简单工具来评估大脑的功能状况；通过要求患者睁眼、说话或移动肢体，他们会给出一个反映损伤严重程度的分数。长期以来，这一分数一直是预测谁可能存活、谁可能无法存活的金标准。但在现代重症监护时代，患者被源源不断的各种数据所包围：心率、血压以及测量血液凝固能力的血液检测结果。研究人员面临的问题是，这些额外的数据——特别是与血液凝固相关的指标——是否提供了关于患者命运的新见解，还是说单纯衡量大脑功能的方法就已经说明了全部情况。
一个研究小组致力于通过构建一个数字模型来预测脑出血患者的死亡率，以回答这个问题。他们并没有在医院里对真实患者进行测试；相反，他们使用了两个庞大的匿名数据库，其中包含了来自全美各地重症监护室中数千名已接受过护理的人员记录。其中一个数据库来自一家学术型医院，而另一个则收集了全美数十家医院的数据。研究人员将关注点锁定在一个特定的时间点：患者到达重症监护室后的前二十四小时。他们收集了该日内所有可获得的常规信息，包括患者的年龄、最低脑功能评分、生命体征，以及一组用于测量血液凝固能力的特定血液检测指标。这些凝血测试包括血小板测量以及血液形成血块所需的时间，它们是医院中的标准做法，因为医生怀疑凝血问题可能会使脑出血恶化或更难控制。
该团队利用强大的计算机算法从第一个数据库的数据中进行学习。他们教导计算机去寻找第一天收集的信息与患者最终在住院期间是否死亡之间的模式。他们测试了三种不同类型的学习方法：一种寻找因素之间的线性关系，另外两种更为复杂的方法，能够发现数据中错综复杂的非线性联系。一旦模型训练完成，研究人员做了一件至关重要的事：他们固定了模型，并将其在第二个完全独立的数据库上进行测试。这一步骤旨在观察在其中一个医院系统中发现的模式，是否能在具有不同患者和不同记录习惯的其他医院集中依然成立。他们还进行了一项专门的测试，以观察在模型中加入凝血血液测试是否真的提高了其预测死亡的能力，或者模型仅使用年龄和脑功能等基本信息时是否表现得同样出色。
结果呈现出了一个清晰且有些令人惊讶的图景。这些利用前二十四小时数据的计算机模型，在对新的、独立的医院组进行测试时，能够相当好地预测哪些患者会死亡。它们大约有百分之八十的概率能正确区分生存者与非生存者。然而，最重要的发现是，复杂的模型并不比一种非常简单的方法表现得更好：即仅观察患者的脑功能评分和年龄。那些包含了凝血血液测试的模型，并未比剔除这些测试的模型获得任何实质性的优势。事实上，当研究人员尝试仅使用凝血测试来预测死亡时，模型的表现并不比随机猜测好。数据表明，虽然凝血问题确实是临床图景的一部分，但它们所提供的信息已经包含在患者整体健康状况和脑损伤严重程度的宏观图景之中了。
研究还显示，这些模型在预测确切死亡概率方面并不完美。虽然它们擅长将患者按风险从低到高进行排序，但它们生成的关于死亡概率的具体数值，与在这些新医院中实际发生的情况相比，往往偏低。这表明，虽然模型可以识别出哪些人处于危险之中，但医生目前还不能依赖它们生成的具体百分比数值来做出治疗决策，除非进行进一步的调整。研究人员得出结论，尽管常规的凝血血液检测在临床上很重要，但它们并未在护理的第一天内为死亡率预测增加新的维度。大脑的状态——即通过衡量患者反应能力的简单评分——仍然是主导信号。这项研究提醒人们，在收集更多数据的热潮中，最强大的预测因子往往是那些我们已知最久的指标，而且增加变量并不总是意味着能得到更清晰的答案。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。