荷兰马斯特里赫特大学生物医学工程系的Frank C. Bennis等开展回顾性研究，认为通过添加入住重症监护室后前24h内连续测量的神经监测数据可优化CRASH模型的预测效应。结果发表在2020年2月的《Neurocritical Care》在线。
——摘自文章章节
【Ref: Bennis FC, et al. Neurocrit Care. 2020 Feb 13. doi: 10.1007/s12028-020-00930-6. [Epub ahead of print]】
研究背景
重型创伤性脑损伤（traumatic brain injury，TBI）患者常常后遗中、重度残疾。准确预测患者预后有利于医师与家属共同制定治疗决策。目前的TBI预后预测模型，如重型颅脑损伤后随机化皮质类固醇治疗（Corticosteroid Randomisation after Significant Head Injury，CRASH）研究中的扩展评分，是根据基线人口统计学和与原发性损伤相关的因素预测伤后6个月后的预后，但未纳入混杂因素、初始创伤的后果（如脑肿胀、代谢危象和炎症）和入住ICU期间个体对治疗的反应因素。荷兰马斯特里赫特大学生物医学工程系的Frank C. Bennis等开展回顾性研究，认为通过添加入住重症监护室后前24h内连续测量的神经监测数据可优化CRASH模型的预测效应。结果发表在2020年2月的《Neurocritical Care》在线。
研究方法
研究者对荷兰格罗宁根大学医学中心（UMCG）和马斯特里赫特大学医学中心（MUMC）的重症监护室在2012年5月至2019年1月期间进行颅内压和脑灌注压监测的45例重型TBI患者进行分析，采用GOS评分评估患者的转归。在神经监测开始后的多个时间段（0-6h、0-12h、0-18h和0-24h）中选择15个不同的高频生理参数：①平均ICP、ABP和HR；②平均PRx、PAx、RAP和RAC；③拟合在PRx、PAx和RAC上的直线斜率，作为参数随时间变化的指标；④脑血管功能自动调节参数的损害程度，指高于设定阈值的信号面积除以样本总量的数值，PRx（阈值＞0.35）、Pax（＞0.25）、RAC（＞-0.05）和ICP（＞2mmHg）及⑤个体预后不良风险评分（CRASH，%）。总之，除全身性生理参数和CRASH扩展评分外，研究者在模型中增加动态脑容量、脑顺应性和脑血管压力反应性指数的估计值。对每个时间段内的选定参数进行逻辑回归模型分析，预测6个月后的预后。使用前向特征选择（forward feature selection，FSS）计算参数。通过留一法交叉验证（leave-one-out cross-validation，LOOCV）每个模型。使用ROC曲线、AUC值和预测准确度比较CRASH模型和不同组合模型的性能。
研究结果
结果提示，CRASH模型在所有时间段均表现良好（AUC：0.75-0.76，准确度75%-76%）。使用CRASH作为唯一参数的logistic回归模型得到的曲线下面积（AUC）为0.76。联合模型显示各时间段的AUC和准确度均较高，尤其是监测早期（0-6h，AUC:0.90；准确度86.7%）。在0-6h期间，使用描述平均动脉血压和生理性脑指标的5个参数时，AUC最高，为0.90。
对于每个时间段，使用多达5个额外参数时发现AUC增加。添加0-6h期间数据的组合模型的AUC最高、死亡率错误分类最少和恢复良好错误分类次佳。换言之，在组合模型中添加前6h的神经监测数据时具有最好的性能。
结论
该研究结果表明，增加最初24h内连续测量的神经监测床旁参数，包括与灌注相关参数ABP、描述脑顺应性和脑血管压力反应性指数等，可以改善目前的TBI预后预测模型。同时，作者建议对上述研究结果进行更大的、多中心数据集验证。
