Int J Cardiol:识别卒中患者发生房颤的模型
2016-04-04 MedSci MedSci原创
背景和目的:急性脑卒中患者发生房颤的风险较高。这篇研究的目的旨在构建一个模型,可以预测急性缺血性卒中患者,房颤的存在,并且验证此模型。方法:研究者参与实验的两个医院中,收集基于医院的卒中登记记录,研究者选取症状开始24h内的患者。应用1355个急性缺血性卒中患者的数据,构建预测房颤的存在的模型,并且统计可能发生房颤的概率。根据房颤的发生可能,将患者分为低危,中危和高危组。调查并验证急性缺血性卒中患
背景和目的:急性脑卒中患者发生房颤的风险较高。这篇研究的目的旨在构建一个模型,可以预测急性缺血性卒中患者,房颤的存在,并且验证此模型。
方法:研究者参与实验的两个医院中,收集基于医院的卒中登记记录,研究者选取症状开始24h内的患者。应用1355个急性缺血性卒中患者的数据,构建预测房颤的存在的模型,并且统计可能发生房颤的概率。根据房颤的发生可能,将患者分为低危,中危和高危组。调查并验证急性缺血性卒中患者,心房颤动模型的性能。
结果:模型共包括7个因素,包括年龄,左心房大小,游离脂肪酸水平,甘油三酯水平,易感血管征,出血性转化,和皮层梗死。该模型的性能优良,C-统计量为0.908(95%CI: 0.887-0.930)。低风险,中风险和高风险组,房颤存在的真实阳性率分别为4.3%,36.5%,91.2%。内部和外部验证测试表明模型较稳定。
结论:本研究构建的模型,根据房颤发生的风险,将卒中患者进行分层,有组要选择需要广泛心脏监护的患者。
计算公式:
X=-14.163+0.056-14.163+(0.056×年龄)+(0.188×左心房大小)+(0.001×游离脂肪酸水平)+(-0.006×甘油三酯)+(1.265×易感血管征) + (1.664×出血性转化)+(0.764×皮层梗死)
p = e{X}
AF probability = p/(1+p)
原文出处:
Seo WK, Kang SH, et al. Novel composite score to predict atrial Fibrillation in acute stroke patients: AF predicting score in acute stroke. Int J Cardiol. 2016 Apr 15.
作者:MedSci
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
#卒中患者#
65
#Cardiol#
70