2023年08月10日发布 | 628阅读
动脉瘤

采用衰弱风险分析指数评估aSAH患者的预后

韩硕

海军军医大学附属长征医院

陈晓霖

首都医科大学附属北京天坛医院

王知秋

复旦大学附属华山医院

达人收藏




































































































































美国纽约医学院的Alis J. Dicpinigaitis等开展研究试图证实风险分析指数比其它指数更好评价aSAH患者的衰弱性,并在国民大样本中验证。结果发表在2023年6月的《Journal of Neurology》在线。


——摘自文章章节

Ref: Dicpinigaitis AJ, et al. J Neurol. 2023 Jun 17. doi: 10.1007/s00415-023-11805-z. [Epub ahead of print].


研究背景




动脉瘤性蛛网膜下腔出血(aSAH)的年发病率约为5-10/10万人,病残率和死亡率高。Hunt-Hess评分和世界神经外科医师联盟分级是判断aSAH预后的指标。改良衰弱指数(modified frailty index,mFI)和医院衰弱风险评分(hospital frailty risk score,HFRS)已应用于大规模的aSAH队列研究,并证明这些指数与临床预后、住院时间和并发症相关。风险分析指数(risk analysis index,RAI)是另一项评估衰弱状况的量化指标,尚未在aSAH患者中得到广泛应用。mFI和HFRS是评估疾病严重程度的指标,而RAI主要针对衰弱状况,评价患者受损的生理储备,更关注功能状况,其优点是可以在围手术期及床旁实时指导临床决策,还能基于数据库进行回顾性分析。美国纽约医学院的Alis J. Dicpinigaitis等开展研究试图证实风险分析指数比其它指数更好评价aSAH患者的衰弱性,并在国民大样本中验证。结果发表在2023年6月的《Journal of Neurology》在线。


研究方法



研究者在2015年10月至2019年间的美国全国住院病人样本数据库(national inpatient sample,NIS)中,选取年龄大于17岁首次住院的aSAH成年患者。排除外伤或先天性脑血管畸形以及未行动脉瘤夹闭或血管内栓塞者。收集患者年龄、性别、动脉瘤位置和Hunt-Hess分级等数据。RAI由14个参数组成:年龄、性别、体重减轻、食欲不振、充血性心力衰竭、呼吸困难、肾功能衰竭、播散性癌症、功能状态(包含日常生活活动、跌倒风险、卧床、使用拐杖或轮椅以及慢性行动障碍)、认知水平和入院时生活状况。将NIS-aSAH队列分为三类:RAI(健壮或衰弱前期0-20;衰弱21-30;重度衰弱31+)、mFI(健壮或衰弱前期0-1;衰弱2;重度衰弱3+)、HFRS(低风险0-5,中风险6-15,高风险16+)。主要临床终点为转归不良(需要中长期护理或气管插管和胃管),次要临床终点为住院死亡率。功能结局不良由NIS-SAH结局法(NIS-SOM)确定,该法与改良Rankin评分有良好的相关性。


研究结果



该研究纳入42300例aSAH患者。从顺序分层[调整比值比aOR=3.20;95%CI,3.05-3.36;p<0.001]、分类分层[衰弱aOR=3.59;95%CI,3.39-3.80;p<0.001和重度衰弱[aOR=6.67;95%CI,5.78-7.69;p<0.001]来看,与mFI和HFRS相比,RAI对aSAH患者不良转归NIS-SOM的判断效能最大,RAI对aSAH患者死亡率的判断效能最大。在重型aSAH患者中,RAI对aSAH患者不良转归判断效能显著大于HFRS(0.651﹕0.615;p=0.026),但在轻型aSAH患者中两者没有差异。mFI对重型和轻型aSAH患者不良转归判断效能最小。组合Hunt-Hess分级+RAI模型比Hunt-HESS分级+mFI和Hunt-HESS分级+HFRS对aSAH患者不良转归判断效能更大(受试者工作特征曲线下面积0.837;95%CI,0.828-0.845;p<0.001)。


研究结论



研究表明,RAI与aSAH患者转归不良密切相关,独立于已知的预测因素,包括Hunt-Hess分级和动脉瘤位置。与mFI和HFRS相比,RAI对主要临床终点具有更高的判断效能,并且根据衰弱程度进行分组比较时,RAI对aSAH患者转归不良的判断效能远大于mFI或HFRS。RAI与Hunt-Hess分级结合的判断效能很高,受试者工作特征曲线下面积大于0.80。作者推荐将RAI结合Hunt-Hess分级作为评估aSAH患者预后和风险分层的常规方法。

image.png

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。

最新评论
发表你的评论
发表你的评论