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.
本网站所有内容来源注明为“梅斯医学”或“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为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或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#
33
#Cardiol#
44