시간에 따른 Glasgow Coma Scale의 예측 성능

배경

트라우마는 전 세계적으로 중요한 공중 보건 문제이며 트라우마로 인한 사망자 수는 전 세계적으로 계속 증가하고 있습니다. 2016년에 460만 명 이상이 트라우마로 사망하여 8번째 주요 사망 원인이 되었습니다. 글로벌 부담 및 질병 연구(GBD)에서 외상성 부상은 모든 사망의 거의 10분의 1을 차지하며 이는 말라리아, 결핵, HIV/AIDS 및 산모 상태를 합친 것보다 더 많습니다.

TBI는 외상으로 인한 뇌 손상으로 정의되며, 외상은 구조적 연속성을 방해하거나 방해하지 않고 외부 힘의 직간접적인 결과로 신체에 가해지는 손상으로 정의됩니다. 외상성 뇌 손상(TBI)은 전 세계적으로 이환율과 사망률의 주요 원인입니다. TBI를 동반하지 않은 외상보다 사망률이 3배 더 높은 세계에서 외상 사망의 가장 큰 원인입니다. TBI는 매년 천만 명이 넘는 사람들에게 영향을 미치는 것으로 추정됩니다.

진단 및 소생 요법에서 의사를 안내하기 위해 TBI 심각도 및 결과를 예측하는 예후 모델이 매우 중요합니다. Glasgow Coma Scale(GCS)은 가장 널리 사용되는 예후 모델 중 하나입니다. 세 가지 매개변수를 사용하여 두개뇌 손상 환자의 자극에 대한 반응을 평가하기 위해 개발된 신경학적 척도입니다. 눈 뜨기, 구두 반응 및 운동 반응. 그것은 임상 실습과 신경 외상 연구 모두에서 의식 수준을 평가하는 데 사용되었습니다. GCS에서 사용되는 세 가지 매개변수의 합계인 GCS 점수는 경증, 중등도, 중증에 이르는 중증도를 평가하는 데 사용됩니다.

여러 연구에서 GCS의 예후적 가치와 GCS 개별 구성 요소의 예후적 가치에 대해 연구했지만 부상과 첫 번째 GCS 사이의 시간 관계가 GCS의 예측적 가치에 어떤 영향을 미치는지에 대해서는 알려진 바가 거의 없습니다. 연구에 따르면 외상 치료 입원 시 측정한 GCS가 외상 부위에서 측정한 GCS보다 예측력이 더 높으며 입원 시 GCS 중앙값이 외상 부위의 GCS 중앙값보다 높지만 시간이 GCS 점수에 미치는 영향과 영향에 대해서는 연구되지 않았습니다. .

목표

이 연구의 목적은 성인 환자의 외상성 뇌 손상(TBI) 후 GCS 측정 시기가 예측 값에 어떤 영향을 미치는지 평가하는 것입니다. 첫 번째 목표는 부상에서 기록될 때까지의 시간을 조정하면 GCS의 예측 성능이 향상되는지 평가하는 것입니다. 두 번째 목표는 GCS의 예측 성능이 기록된 시기에 따라 달라지는지 평가하는 것입니다.

연구 설계

이것은 코호트 연구 Towards Improved Trauma Care Outcoms in India(TITCO)의 후향적 분석입니다.

환경

비식별화된 TITCO 코호트가 사용됩니다. 이 코호트는 2013년 7월부터 2015년 12월 사이에 인도의 4개 대학 병원에서 등록한 16,000명의 환자를 포함합니다. 보건학 석사 학위를 소지한 프로젝트 책임자는 응급실을 직접 관찰하고 표준화된 양식을 작성하여 각 현장에서 전향적으로 데이터를 수집했습니다. 프로젝트 담당관은 8시간 교대 근무(아침, 저녁, 밤)로 일했습니다. 데이터는 또한 관찰된 교대 외부에 입원한 환자에 대한 환자 기록에서 소급적으로 검색되었습니다.

참여자 선정의 출처 및 방법

단일 현장 프로젝트 담당관은 전향적 관찰 또는 환자 기록에서 후향적 데이터 검색을 통해 참여 병원의 환자를 포함했습니다.

설명 변수 관심 있는 2개의 설명 변수는 GCS 및 손상과 GCS 기록 사이의 시간(시간 단위, 이후 GCS까지의 시간이라고 함)입니다. GCS는 기록된 첫 번째 GCS 날짜 및 시간과 같이 환자 기록에서 추출되었습니다. 첫 번째 GCS 기록 날짜 및 시간이 누락된 경우 참여 센터에 도착한 시간이 대신 사용됩니다. 부상 날짜와 시간은 환자 기록에서 추출하거나 참가자가 직접 보고했습니다. 첫 번째 GCS 기록 또는 참여 센터에 도착한 데이터 및 시간은 환자 기록에서 추출되었습니다.

공변량 변수 연령, 성별, 부상 기전, 환자가 다른 의료 시설에서 이송되었는지 여부, 부상 심각도 점수(ISS)를 사용하여 정량화된 해부학적 부상 심각도가 보고되어 연구 샘플을 특성화합니다. 연령, 성별, 부상 기전 및 전이 상태는 환자 기록에서 추출하거나 참가자가 보고했습니다. ISS는 부상 텍스트 설명을 기반으로 단일 공인 코더에 의해 계산되었습니다.

편견

GCS 기록 시 인적 오류를 설명하기 위해 Aal 데이터 수집 관찰자는 보건 과학 석사 학위 소지자였으며 데이터 수집 기간 동안 지속적으로 교육 및 감독을 받았습니다.

정량적 변수

GCS는 선형 항과 12개 수준의 순서 변수로 취급됩니다. 언어 및 눈 구성 요소의 테스트 불가능한 수준은 1로 취급됩니다. 부상과 기록된 GCS 사이의 시간은 연속 변수와 범주 변수로 모두 처리됩니다. 부상과 GCS 사이의 연속 시간으로 취급할 때 동일한 간격의 백분위수에 배치된 3개의 매듭이 있는 제한된 입방 스플라인을 사용하여 모델링함으로써 사망률과 비선형적인 연관성을 가질 수 있습니다. 범주형으로 처리되면 2시간 단위로 분할됩니다.

통계적 방법

모든 분석은 통계 언어 및 프로그래밍 환경 R에서 수행됩니다. 샘플은 먼저 아래 연구 크기 섹션에 설명된 대로 훈련 및 검증 샘플로 시간적으로 분할됩니다. 그런 다음 각 샘플은 중앙값과 사분위수 범위(IQR)를 사용하여 특성화되어 정량적 변수와 개수 및 백분율을 제공하여 정성적 변수를 나타냅니다.

교육 샘플에서 4개의 간단한 예측 모델은 사망률을 결과로 하는 로지스틱 회귀를 사용하여 적합합니다. 첫 번째 모델은 선형 항으로 GCS만, 두 번째는 선형 항으로 GCS와 제한된 3차 스플라인을 사용하여 모델링된 GCS까지의 시간, 세 번째는 서수 변수로 GCS만, 네 번째 모델은 서수 변수로 GCS만 포함하고 제한된 3차 스플라인을 사용하여 모델링된 GCS. 과적합을 방지하기 위해 부트스트래핑 절차를 사용하여 축소 계수를 추정한 다음 모델 계수에 적용합니다.

그런 다음 네 가지 모델이 검증 샘플에 적용되고 예측 성능이 추정되고 비교됩니다. 각 모델의 예측 성능은 AUROCC(수신기 작동 특성 곡선) 아래 영역, 양수 및 음수 예측 값을 사용하여 평가됩니다. 모델 간의 예측 성능 차이와 관련 95% 신뢰 구간은 부트스트래핑을 사용하여 추정됩니다.

각 훈련 및 검증 샘플은 GCS까지의 시간을 기준으로 하위 샘플로 나누어지므로 첫 번째 하위 샘플에는 GCS까지의 시간이 2시간 미만인 환자가 포함되고 두 번째 하위 샘플에는 GCS까지의 시간이 2~4시간인 환자가 포함됩니다. 2시간 단위로. 각 훈련 하위 샘플에서 유일한 독립 변수로서 선형 항으로서 GCS를 포함하는 간단한 로지스틱 모델이 적합할 것입니다. 각 모델의 GCS 계수는 축소됩니다.

첫 번째 교육 하위 샘플에서 개발된 모델은 첫 번째 검증 하위 샘플에 적용됩니다. 각 검증 하위 샘플의 모델 성능은 AUROCC 및 평균 제곱근 오차를 사용하여 평가됩니다. 유효성 검사 하위 샘플에 대한 이러한 측정의 추세는 성능 측정 데이터를 결과 변수로 사용하는 간단한 일반 선형 모델과 유일한 독립 변수로 3개의 매듭이 있는 제한된 입방 스플라인을 사용하는 블록 인덱스 번호의 비선형 변환을 사용하여 정량화됩니다.

누락된 데이터를 처리하는 전략

결과, 설명 변수 및 공변량에 대한 완전한 데이터가 있는 환자만 포함되어 필요한 표본 크기에 도달하면 완전한 사례 분석이 수행됩니다. 그렇지 않은 경우 누락된 데이터는 연결된 방정식을 사용하여 다중 대치로 처리됩니다. 귀속된 데이터 세트의 수는 불완전한 관찰의 백분율과 같습니다. 분석은 귀속된 각 데이터 세트에서 개별적으로 수행되며 주요 결과는 귀속 전체에 걸쳐 IQR이 있는 중앙값으로 표시됩니다. 신뢰 구간의 경우 풀링된 상한 및 하한의 가장 극단적인 값이 보고됩니다.

연구 규모

가장 데이터 집약적인 분석은 GCS를 서수 변수로, GCS까지의 시간을 제한된 3차 스플라인으로 사용하여 모델을 피팅할 가능성이 높으므로 연구 크기는 이 분석을 수용할 수 있는 것으로 추정됩니다. 시뮬레이션 연구에 따르면 로지스틱 회귀 모델에는 신뢰할 수 있는 계수 추정치를 생성하기 위해 포함된 매개변수당 최소 10개의 이벤트 또는 결과가 포함된 관찰이 필요합니다. 서수 변수로 GCS를 모델링하면 11개의 매개변수에 대한 추정 계수가 포함되며 GCS에 시간을 포함하면 두 개의 추가 매개변수가 추가됩니다. 매개변수의 총 수는 13개이며 이는 최소 130개의 이벤트가 필요함을 나타냅니다. 이전 연구를 기반으로 결과 유병률을 20%로 가정하면 교육 샘플에 최소 650개의 관찰이 포함되어야 합니다. 이 수가 전체 샘플의 절반 미만인 경우 전체 샘플을 동일한 크기의 두 부분으로 분할하여 훈련 및 검증 샘플을 생성합니다. 전체 샘플에 1300개 미만의 관찰이 포함된 경우 처음 650개의 관찰이 훈련 샘플에 포함되고 나머지 관찰은 검증 샘플에 포함됩니다. 그럼에도 불구하고 샘플은 각 센터의 상대적 기여도가 두 샘플에서 거의 동일한 방식으로 생성됩니다.