JNNP:预测中风后恢复结果的模型设计

几乎一半的中风患者面临着永久性损伤，例如运动无力。因此，对中风后恢复的全面和更机械的理解对于成功指导临床决策和神经康复治疗必不可少。这种理解可能包括两个主要维度：(1) 中风后恢复的原因和 (2) 预测。可以推断出患者组级别的运动恢复模式是什么？初始损伤与结果有何关联？这种关联对于严重和非严重受影响的患者是否相同？关于预测，即能在多大程度上预测个体患者的运动恢复？

上肢运动恢复领域的主流观点是，在对一般中风运动恢复建模以及特别是研究生物标志物和康复治疗发展时，应将患者分为严重和非严重受影响组 。对于刚经历过中风，结果尚不明确的新患者，准确预测康复情况，最具有临床价值。这种对结果的预测可以指导临床医生、患者及其代理人的决策。 特别是，准确的预测可以让临床医生根据患者预测的神经生物学恢复潜力对患者进行分层，以进行额外的干预，甚至可以帮助证明新型康复治疗的益处。疗法。

在本研究中，旨在研究对严重和非严重中风后运动恢复的原因和预测。本研究的分析了重度患者的康复模式。为了推进精确神经病学和个体患者水平的结果预测，收集了最大的中风恢复数据集，包括来自八项单独研究的 489 名中风患者的上肢运动恢复信息。我们选择了一个模型框架，该框架能够反映研究之间的潜在异同，以及严重和非严重受影响的患者。具体来说，采用贝叶斯分层模型来预测中风后的长期运动结果。本文发表在《神经病学，神经外科学和精神病学杂志》上（Journal of Neurology, Neurosurgery & Psychiatry）.

本文设计了一个贝叶斯分层模型来估计中风后 3-6 个月的上肢 Fugl-Meyer (FM) 评分。在关注恢复模式的解释时，我们解决了影响先前恢复研究的混杂因素，并仅考虑 FM 初始评分 <45 的患者。我们系统地探索了重度/非重度患者之间的不同 FM 断点（FM-initial=5-30）。估计了整个初始损伤范围内患者的样本外预测性能。

恢复数据是从八个患者队列 (n=489) 中收集的。通过合并两个亚组（断点：FM-initial=10）对数据进行了最佳建模。两个亚组恢复了相当的恒定量，但具有不同的比例组成部分：严重受影响的患者恢复得越多，他们的损害越小，而非严重受影响的患者恢复得越多，他们的初始损害越大。可以通过 R2=63.5%（95% CI=51.4% 至 75.5%）预测 3-6 个月的结果。通过假设两个不同的患者亚组，可以最好地模拟中度至重度受影响患者的运动恢复。在为这些严重和非严重中风患者同时建模和解释康复过程时，发现康复模式有明显的相似性和差异。

489 名患者在整个损伤范围内的运动恢复结果

两个患者组在受影响的上肢的 FM 表现中恢复了相当的恒定量。然而，严重受影响的患者（FM-initial ≤10）另外表现出与幸免成分成比例的，而非严重受影响的患者（FM-initial >10）表现出与失去的恢复成分成比例的额外特征。在调整混杂因素（如天花板效应）后，看不见的数据中运动结果的解释方差为 49%。在进一步的分析中，预测了整个初始损伤范围内患者的慢性运动损伤，因此接受了由于包括轻度初始损伤患者而可能存在的天花板效应。

结果表明，这些呈现的样本外预测性能可以作为评估中风恢复的其他新生物标志物的基准。