当前位置: X-MOL 学术Front. Neurol. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
A Nomogram for Predicting the Need of Postoperative Tracheostomy in Patients With Aneurysmal Subarachnoid Hemorrhage.
Frontiers in Neurology ( IF 2.7 ) Pub Date : 2021-08-27 , DOI: 10.3389/fneur.2021.711468
Xiao-Yong Chen 1 , Yue Chen 1 , Ni Lin 2 , Jin-Yuan Chen 3 , Chen-Yu Ding 1, 4 , De-Zhi Kang 1, 4, 5 , Deng-Liang Wang 1 , Wen-Hua Fang 1
Affiliation  

Objective: Early identification for the need of tracheostomy (TT) in aneurysmal subarachnoid hemorrhage (aSAH) patients remains one of the main challenges in clinical practice. Our study aimed to establish and validate a nomogram model for predicting postoperative TT in aSAH patients. Methods: Patients with aSAH receiving active treatment (interventional embolization or clipping) in our institution between June 2012 and December 2018 were retrospectively included. The effects of patients' baseline information, aneurysm features, and surgical factors on the occurrence of postoperative TT were investigated for establishing a nomogram in the training cohort with 393 patients. External validation for the nomogram was performed in the validation cohort with 242 patients. Results: After multivariate analysis, higher age, high neutrophil-to-lymphocyte ratio (NLR), high World Federation of Neurological Surgeons Scale (WFNS), and high Barrow Neurological Institute (BNI) grade were left in the final logistic regression model. The predictive power of the model was excellent in both training cohort and validation cohort [area under the curve (AUC): 0.924, 95% confidence interval [CI]: 0.893-0.948; AUC: 0.881, 95% CI: 0.833-0.919]. A nomogram consisting of these factors had a C-index of 0.924 (95% CI: 0.869-0.979) in the training cohort and was validated in the validation cohort (C-index: 0.881, 95% CI: 0.812-0.950). The calibration curves suggested good match between prediction and observation in both training and validation cohorts. Conclusion: Our study established and validated a nomogram model for predicting postoperative TT in aSAH patients.

中文翻译:

预测动脉瘤性蛛网膜下腔出血患者术后气管切开术需要的列线图。

目的:早期识别动脉瘤性蛛网膜下腔出血 (aSAH) 患者是否需要气管切开术 (TT) 仍然是临床实践中的主要挑战之一。我们的研究旨在建立和验证用于预测 aSAH 患者术后 TT 的列线图模型。方法:回顾性纳入 2012 年 6 月至 2018 年 12 月在我院接受积极治疗(介入栓塞或夹闭)的 aSAH 患者。研究了患者的基线信息、动脉瘤特征和手术因素对术后 TT 发生的影响,以在 393 名患者的训练队列中建立列线图。在 242 名患者的验证队列中对列线图进行了外部验证。结果:经过多变量分析,年龄越大,高中性粒细胞与淋巴细胞比率 (NLR)、高世界神经外科医师联合会量表 (WFNS) 和高 Barrow Neurological Institute (BNI) 等级留在最终的逻辑回归模型中。该模型的预测能力在训练队列和验证队列中都非常出色 [曲线下面积 (AUC):0.924,95% 置信区间 [CI]:0.893-0.948;AUC:0.881,95% CI:0.833-0.919]。由这些因素组成的列线图在训练队列中的 C 指数为 0.924(95% CI:0.869-0.979),并在验证队列中得到验证(C 指数:0.881,95% CI:0.812-0.950)。校准曲线表明在训练和验证队列中预测和观察之间的匹配良好。结论:我们的研究建立并验证了预测 aSAH 患者术后 TT 的列线图模型。高世界神经外科医师联合会 (WFNS) 和高巴罗神经病学研究所 (BNI) 等级留在最终的逻辑回归模型中。该模型的预测能力在训练队列和验证队列中都非常出色 [曲线下面积 (AUC):0.924,95% 置信区间 [CI]:0.893-0.948;AUC:0.881,95% CI:0.833-0.919]。由这些因素组成的列线图在训练队列中的 C 指数为 0.924(95% CI:0.869-0.979),并在验证队列中得到验证(C 指数:0.881,95% CI:0.812-0.950)。校准曲线表明在训练和验证队列中预测和观察之间的匹配良好。结论:我们的研究建立并验证了预测 aSAH 患者术后 TT 的列线图模型。高世界神经外科医师联合会 (WFNS) 和高巴罗神经病学研究所 (BNI) 等级留在最终的逻辑回归模型中。该模型的预测能力在训练队列和验证队列中都非常出色 [曲线下面积 (AUC):0.924,95% 置信区间 [CI]:0.893-0.948;AUC:0.881,95% CI:0.833-0.919]。由这些因素组成的列线图在训练队列中的 C 指数为 0.924(95% CI:0.869-0.979),并在验证队列中得到验证(C 指数:0.881,95% CI:0.812-0.950)。校准曲线表明在训练和验证队列中预测和观察之间的匹配良好。结论:我们的研究建立并验证了预测 aSAH 患者术后 TT 的列线图模型。和高 Barrow Neurological Institute (BNI) 等级留在最终的逻辑回归模型中。该模型的预测能力在训练队列和验证队列中都非常出色 [曲线下面积 (AUC):0.924,95% 置信区间 [CI]:0.893-0.948;AUC:0.881,95% CI:0.833-0.919]。由这些因素组成的列线图在训练队列中的 C 指数为 0.924(95% CI:0.869-0.979),并在验证队列中得到验证(C 指数:0.881,95% CI:0.812-0.950)。校准曲线表明在训练和验证队列中预测和观察之间的匹配良好。结论:我们的研究建立并验证了预测 aSAH 患者术后 TT 的列线图模型。和高 Barrow Neurological Institute (BNI) 等级留在最终的逻辑回归模型中。该模型的预测能力在训练队列和验证队列中都非常出色 [曲线下面积 (AUC):0.924,95% 置信区间 [CI]:0.893-0.948;AUC:0.881,95% CI:0.833-0.919]。由这些因素组成的列线图在训练队列中的 C 指数为 0.924(95% CI:0.869-0.979),并在验证队列中得到验证(C 指数:0.881,95% CI:0.812-0.950)。校准曲线表明在训练和验证队列中预测和观察之间的匹配良好。结论:我们的研究建立并验证了预测 aSAH 患者术后 TT 的列线图模型。该模型的预测能力在训练队列和验证队列中都非常出色 [曲线下面积 (AUC):0.924,95% 置信区间 [CI]:0.893-0.948;AUC:0.881,95% CI:0.833-0.919]。由这些因素组成的列线图在训练队列中的 C 指数为 0.924(95% CI:0.869-0.979),并在验证队列中得到验证(C 指数:0.881,95% CI:0.812-0.950)。校准曲线表明在训练和验证队列中预测和观察之间的匹配良好。结论:我们的研究建立并验证了预测 aSAH 患者术后 TT 的列线图模型。该模型的预测能力在训练队列和验证队列中都非常出色 [曲线下面积 (AUC):0.924,95% 置信区间 [CI]:0.893-0.948;AUC:0.881,95% CI:0.833-0.919]。由这些因素组成的列线图在训练队列中的 C 指数为 0.924(95% CI:0.869-0.979),并在验证队列中得到验证(C 指数:0.881,95% CI:0.812-0.950)。校准曲线表明在训练和验证队列中预测和观察之间的匹配良好。结论:我们的研究建立并验证了预测 aSAH 患者术后 TT 的列线图模型。924 (95% CI: 0.869-0.979) 在训练队列中并在验证队列中得到验证 (C-index: 0.881, 95% CI: 0.812-0.950)。校准曲线表明在训练和验证队列中预测和观察之间的匹配良好。结论:我们的研究建立并验证了预测 aSAH 患者术后 TT 的列线图模型。924 (95% CI: 0.869-0.979) 在训练队列中并在验证队列中得到验证 (C-index: 0.881, 95% CI: 0.812-0.950)。校准曲线表明在训练和验证队列中预测和观察之间的匹配良好。结论:我们的研究建立并验证了预测 aSAH 患者术后 TT 的列线图模型。
更新日期:2021-08-27
down
wechat
bug