Frühe Vorhersage von Sekundärkomplikationen und Prognose nach aSAH (PROSAH-MPC)

Im Jahr 2019 haben Fawaz et al. berichteten, dass der Anstieg der Leukozytenzahl innerhalb von 72 Stunden nach aSAH in engem Zusammenhang mit der Entwicklung von Komplikationen bei DCI nach aSAH stand, insbesondere WBC ≥ 12,1 ist wertvoller für die Vorhersage von DCI als WFNS und Behandlungsmethoden. Yue et al. veröffentlichte im selben Jahr eine Arbeit, in der das Neutrophilen/Lymphozyten-Verhältnis (NLR) als klinischer Prädiktor für DCI nach aSAH betrachtet wurde. Zusätzlich zu Serummarkern berichteten Hideyuki et al. in Stroke im Jahr 2020, dass Blutgerinnsel-CT HU in der Zwischenfußzisterne ein genauer und zuverlässiger Prädiktor für symptomatischen Vasospasmus bei Aufnahme-CT bei aSAH-Patienten war. Bei Durchsicht dieser Literatur gibt es einige Einschränkungen oder Probleme bei der Vorhersage von DCI mit einem einzelnen Prädiktor, einschließlich unbestätigter Prädiktor, großer externer Variabilität, schlechter Vorhersagegenauigkeit und schlechter klinischer Praktikabilität und Durchführbarkeit. Darauf basierend haben Liu et al. veröffentlichte im September 2020 eine neue Studie, die ein gemeinsames Säulendiagramm zur Vorhersage von DCI verwendete, die einzige Veröffentlichung, die ein Nomogrammmodell zur Vorhersage von DCI verwendete. Die letzten Variablen, die in das Modell aufgenommen wurden, waren Alter, Hunt-Hess-Grad, Lokalisation des Aneurysmas, Blutdruck bei der Aufnahme usw. Verglichen mit einem einzelnen Prädiktor verbesserte dieses Vorhersagemodell seine klinische Funktionsfähigkeit und Genauigkeit, war aber nicht so bequem und einsatzfähig wie ein dynamisches Nomogramm. Gleichzeitig wurde dieses Modell nicht verifiziert und seine klinische Anwendbarkeit ist nicht stark. Es gibt derzeit keine Gelehrten angewandten dynamischen Nomogramm-Modell und Modell des maschinellen Lernens passend Subarachnoidalblutgerinnsel CT der Hu, Serum-Marker, wie z. B. Zustand der Patientendaten im Krankenhaus, um die DCI vorherzusagen. Die vom logistischen Regressionsmodell ausgewählten Prädiktoren werden in ein dynamisches Nomogrammmodell gestellt, und der Neurochirurg verwendet dieses Modell, um die Werte auszuwählen, die den Ergebnissen der Untersuchung des Patienten entsprechen, um automatisch die Wahrscheinlichkeit von DCI bei dem Patienten zu analysieren. Das Prinzip besteht darin, dass die Koeffizienten basierend auf der Größe der Regressionskoeffizienten zwischen den Variablen zugewiesen werden. Die Koeffizienten der maximalen Variablen des standardmäßigen retrospektiven Koeffizienten betragen 100 Punkte. Die Koeffizienten, die einer Wahrscheinlichkeit von 0,5 entsprechen, sind kritische Werte. Das dynamische Nomogrammmodell hat offensichtliche Vorteile gegenüber einem einzelnen Prädiktor oder einem üblichen Säulendiagramm, das heißt, es kann seine klinische Funktionsfähigkeit erheblich verbessern. Gleichzeitig wird nach interner und externer Verifizierung die Stabilität des Modells verbessert und die Variabilität reduziert, was die klinische Genauigkeit und klinische Anwendbarkeit der DCI-Vorhersage deutlich verbessern kann.

Gleichzeitig hat der Vergleich des optimalen Modells zur Vorhersage der Leistung eine wichtige klinische Bedeutung für die individuelle Prävention von Sekundärkomplikationen und die Prognosebeurteilung.