北京天坛医院神经病学中心的赵性泉教授等开展研究开发一种新的风险评分来预测急性颅内出血患者SAP的发生风险，结果发表于2022年5月的《Journal of Translational Medicine》在线。
——摘自文章章节
【Ref: Yan J, et al. J Transl Med. 2022 May 4;20(1):193. doi: 10.1186/s12967-022-03389-5.】
与卒中相关性肺炎（SAP）是脑卒中后常见并发症，可延长住院时间并增加死亡率。因此，准确诊断卒中后SAP的高危患者至关重要，有助于改善患者的预后。北京天坛医院神经病学中心的赵性泉教授等开展研究开发一种新的风险评分（ICH-LR2S2）来预测急性颅内出血（ICH）患者SAP的发生风险，结果发表于2022年5月的《Journal of Translational Medicine》在线。
作者收集中国卒中中心联盟（CSCA）数据库于2015年至2018年期间的70540例ICH患者资料；患者随机分为80%模型训练集和20%验证集两组。应用Logistic回归模型建立预测ICH后SAP发生的风险评分，称为ICH-LR2S2。此外，使用CSCA数据库中2019年12523例ICH患者作为模型前瞻性测试集；使用中国国家卒中登记（CNSR）II期的24860例患者作为外部验证集，进一步验证ICH-LR2S2的有效性。最后，绘制受试者操作特征（ROC）曲线评价ICH-LR2S2模型效能。
CSCA数据分析显示，ICH患者SAP的发生率为25.52%。基于患者年龄、改良Rankin量表评分、空腹血糖、美国国立卫生研究院卒中量表（NIHSS）评分、GCS量表评分、C-反应蛋白、吞咽障碍、合并慢性阻塞性肺疾病和当前吸烟等指标，建立ICH-LR2S2风险评分。ICH-LR2S2的ROC曲线下面积（AUC=0.749；95%CI，0.739-0.759），优于最佳基线ICH-APS评分（AUC=0.704；95%CI，0.694-0.714）。与既往ICH风险评分相比，ICH-LR2S2结合空腹血糖和C-反应蛋白，提高其辨别能力。应用XGboost机器学习算法（AUC=0.772；95%CI，0.762-0.782）可以进一步提高ICH-LR2S2的预测性能。使用CNSR-II研究外部独立患者队列的验证结果显示，ICH-LR2S2评分模型表现良好（AUC=0.784；95%CI，0.774-0.794）。
最后作者指出，基于常见的临床特征建立的ICH-LR2S2风险评分模型能较准确地辨识ICH后SAP高危患者，可为临床防治SAP提供参考。
声明：脑医汇旗下神外资讯、神介资讯、神内资讯、脑医咨询、AiBrain 所发表内容之知识产权为脑医汇及主办方、原作者等相关权利人所有。
投稿邮箱：NAOYIHUI@163.com
未经许可，禁止进行转载、摘编、复制、裁切、录制等。经许可授权使用，亦须注明来源。欢迎转发、分享。
