Эффективность многофакторной регрессионной модели и клинических шкал в прогнозировании летального исхода на этапе поступления в отделение реанимации и интенсивной терапии у пациентов с инфарктом головного мозга

В структуре продленного и хронического критического состояния (ПКС/ХКС) доля пациентов с инсультом достигает 7,7%. Прогнозирование исходов у данной когорты больных сохраняет высокую актуальность. Инструменты прогнозирования, разработанные для пациентов в остром критическом состоянии, могут оказаться малоинформативными для этой специфической группы больных.

ЦЕЛЬ ИССЛЕДОВАНИЯ

Провести сравнительный анализ прогностической эффективности клинических шкал и многофакторной модели, построенной с использованием бинарной логистической регрессии на основании данных первых 48 ч пребывания в отделении реанимации и интенсивной терапии, у взрослых пациентов в остром периоде инфаркта мозга, находящихся в продленном или хроническом критическом состоянии.

МАТЕРИАЛ И МЕТОДЫ

Проведено ретроспективное одноцентровое исследование на основании данных реальной клинической практики из базы RICD v. 2.0. Включены 697 взрослых пациентов в остром периоде инфаркта мозга (4—28-е сутки). Прогностическую эффективность модели и клинических шкал оценивали по площади под ROC-кривой (AUROC) и по площади под кривой «точность — полнота» (AUPRC) с парным сравнением.

РЕЗУЛЬТАТЫ

Летальность в отделении реанимации и интенсивной терапии составила 15,5%. Показаны хорошие прогностические характеристики модели (AUROC 0,819; AUPRC 0,530) на всей выборке и статистически значимое превосходство над всеми анализируемыми клиническими шкалами по AUPRC и над большей частью шкал по AUROC. В модель вошли предикторы, отражающие органную недостаточность, воспалительный синдром и коагулопатию.

ЗАКЛЮЧЕНИЕ

Многофакторная модель бинарной логистической регрессии на основе данных первых 48 ч более эффективно прогнозирует летальный исход у пациентов с инфарктом мозга в продленном и хроническом критическом состоянии по сравнению с клиническими шкалами.