A másodlagos szövődmények korai előrejelzése és az aSAH utáni prognózis (PROSAH-MPC)

2019-ben Fawaz et al. beszámolt arról, hogy a leukocitaszám növekedése az aSAH után 72 órán belül szorosan összefügg a DCI szövődményeinek kialakulásával az aSAH után, különösen a WBC ≥ 12,1 értékesebb a DCI előrejelzésében, mint a WFNS és a kezelési módszerek. Yue et al. ugyanebben az évben publikált egy tanulmányt, amely a neutrofil/limfocita arányt (NLR) a DCI klinikai előrejelzőjének tekinti az aSAH után. A szérummarkerek mellett Hideyuki és munkatársai 2020-ban a Stroke-ban arról számoltak be, hogy a lábközi ciszternában lévő vérrög CT HU pontos és megbízható előrejelzője volt a tüneti érgörcsnek a CT felvételekor aSAH-betegeknél. Ezeket az irodalmakat áttekintve bizonyos korlátok vagy problémák merülnek fel a DCI egyetlen prediktorral történő előrejelzésében, beleértve a nem ellenőrzött prediktort, a nagy külső variabilitást, a rossz előrejelzési pontosságot, valamint a rossz klinikai megvalósíthatóságot és működőképességet. Ennek alapján Liu et al. 2020 szeptemberében közzétett egy új tanulmányt, amely egy közös oszlopdiagramot használt a DCI előrejelzésére, ez volt az egyetlen papír, amely Nomogram modellt használt a DCI előrejelzésére. A modellben szereplő végső változók közé tartozott az életkor, a Hunt-Hess fokozat, az aneurizma elhelyezkedése, a felvételi vérnyomás stb. Egyetlen prediktorhoz képest ez az előrejelzési modell javította klinikai működőképességét és pontosságát, de nem volt olyan kényelmes és működőképes, mint egy dinamikus nomogram. Ugyanakkor ez a modell nem igazolt, klinikai alkalmazhatósága nem erős. Jelenleg nincsenek tudósok alkalmazott dinamikus Nomogram modell és gépi tanulási modell illesztése subarachnoidális vérrög CT a Hu, szérum markerek, mint például a kórházi betegadatok állapota a DCI előrejelzésére. A logisztikus regressziós modell által kiválasztott prediktorok egy dinamikus Nomogram modellben kerülnek elhelyezésre, és az idegsebész ennek a modellnek a segítségével választja ki a páciens vizsgálati eredményeinek megfelelő értékeket, hogy automatikusan elemezze a DCI valószínűségét a páciensben. Az elv az, hogy az együtthatók kiosztása a változók közötti regressziós együtthatók nagysága alapján történik. A standard retrospektív együttható maximális változójának együtthatói 100 pont. A 0,5 valószínűségnek megfelelő együtthatók kritikus pontszámok. A dinamikus Nomogram modell nyilvánvaló előnyökkel rendelkezik az egyetlen prediktorhoz vagy egy közös oszlopdiagramhoz képest, vagyis jelentősen javíthatja klinikai működőképességét. Ugyanakkor a belső és külső verifikációt követően javul a modell stabilitása és csökken a variabilitás, ami jelentősen javíthatja a DCI előrejelzés klinikai pontosságát és klinikai alkalmazhatóságát.

Ugyanakkor a teljesítmény előrejelzésére szolgáló optimális modell összehasonlításával a másodlagos szövődmények egyéni megelőzésének iránymutatása és a prognózis értékelése fontos klinikai jelentőséggel bír.