XiaoMi-AI文件搜索系统
World File Search SystemaSAH
大脑特异性生物标志物作为动脉瘤性出血后的死亡率预测因子
摘要：动脉瘤性蛛网膜下腔出血（ASAH）是一种严重的疾病，患有高死亡率和高永久性残疾率，对于那些在初次出血的人来说。这项研究的目的是研究中枢神经系统的标志物，作为ASAH之后潜在的院内死亡率预测因子。在ASAH后的第1、2和3天，在血液和脑脊液（CSF）中测量了具有外部室外排水酶，烯醇酶，S100B和GFAP水平的患者。Compared to survivors, non-survivors showed a significantly higher peak of S100B and enolase levels in the blood (S100B: 5.7 vs. 1.5 ng / mL, p = 0.031; enolase: 6.1 vs. 1.4 ng / mL, p = 0.011) and the CSF (S100B: 18.3 vs. 0.9 ng / mL, p = 0.042;烯醇酶：109.2 vs. 6.1 ng / ml，p = 0.015）。烯醇酶在血液中的最高可预测性水平（AUC为0.873）和CSF中的80.0 ng / ml（AUC为0.889）中显示出最高水平。S100B的预测能力也非常好，血液中的阈值为5.7 ng / ml（AUC 0.825）和CSF中的4.5 ng / ml（AUC 0.810）。总而言之，烯醇酶和S100B（但不是GFAP）可能是适合于早期预测ASAH后院内死亡率的生物标志物。
动脉瘤性蛛网膜下腔出血后脑血管痉挛的管理：更新
抽象的脑血管痉挛是动脉瘤性蛛网膜下腔出血（asah）的主要并发症之一。血管痉挛一词通常是指血管造影发现，并且在临床上通过延迟的神经系统恶化和延迟的脑缺血来定义。有症状的血管痉挛发生在20％至40％的ASAH患者中，并且是最知名的管理组成部分之一。可以通过使用床边的方式和射线照相在临床上进行诊断。管理始于使用预防措施，增强大脑灌注，逆转尝试以及使用脑部保护。早期使用机械或药理血管成形术的血管内治疗仍然是一种合理的方法。的经验性好处是使用脑血管扩张剂，例如氮氨基胺和米尔林酮，以及使用诱导的高血压用于脑灌注增强。spasmo-genic阻断，平滑肌收缩和脑部保护的剂量在很大程度上仍然是实验性的。这项叙述性评论旨在向伊萨（Asah）血管痉挛的机制，诊断，预防和管理更新读者。
神经重症监护学会第 19 届虚拟年会 2021 年 10 月 26 日至 29 日
口头摘要 1 血凝块负荷可将中脑周围蛛网膜下腔出血与动脉瘤病因区分开来 Daniel Mandel、Scott Moody、Kelly Pan、Bradford B. Thompson、Linda C. Wendell、Michael E. Reznik、Karen L. Furie、Ali Mahta 布朗大学，罗德岛州普罗维登斯，美国 背景与目的 中脑周围蛛网膜下腔出血 (PMSAH) 是一种以良性为主的蛛网膜下腔出血。然而，在少数 PMSAH 中，后循环动脉瘤是病因。由于担心遗漏动脉瘤，许多机构都追求详尽的影像学检查。我们旨在设计一个预测模型，该模型基于入院时非造影头部计算机断层扫描 (NCHCT) 的放射学特征，以将 PMSAH 与动脉瘤病因区分开来。方法我们回顾性分析了因疑似动脉瘤性 SAH (aSAH) 而入院的学术中心的连续患者。最终诊断为 PMSAH 或后循环 aSAH 的患者被纳入其中。使用 NCHCT，比较了各组基底池和侧裂中血液的厚度（连续变量）和位置（分类变量）。使用具有统计学意义的特征，我们创建了一个评分系统。使用接收者操作特性 (ROC) 来测量该模型预测动脉瘤病因的准确性。结果在 420 例 SAH 病例中，我们发现 56 例患有 PMSAH，48 例患有后循环 aSAH。平均年龄为 54.7 岁（标准差 12.6），58 名患者（54%）为女性。股池和周围池、半球间裂和侧裂的血液厚度测量值以及向侧裂的延伸程度均具有统计学意义（分别为 p=0.001、<0.001、<0.001、<0.001 和 <0.001）。利用这些显著数字，我们开发了一个 10 分制评分模型，以高精度预测动脉瘤病因（曲线下面积 [AUC] 0.98；95% CI 0.96-1.00；每增加一分的优势比：7.6；95% CI 2.6-22）。结论如果经过外部验证，我们的预测模型可能有助于临床医生对 PMSAH 患者进行风险分层。该模型可以最大限度地减少重症监护病房的长期入院时间，并降低医疗资源利用率和成本。
o r i g i n a l r e s a r c h的开发和机器学习模型的验证，以预测较差的动脉瘤S
背景：血管内治疗（EVT）被建议作为治疗颅内动脉瘤的优越方式。然而，患有EVT的动脉瘤性蛛网膜下腔出血（ASAH）患者的功能结果较差仍然存在。因此，迫切需要研究风险因素并在此类患者的亚型中开发关键的决策模型。方法：我们从正在进行的注册表队列研究Prosah-MPC中提取了目标变量，该研究是在中国多个中心进行的。我们将这些患者随机分配给培训和验证队列，比为7：3。单变量和多元逻辑回归以找到潜在因素，然后开发了具有优化变量的九个机器学习模型和堆栈集合模型。通过多个指标评估了这些模型的性能，包括接收器操作特征曲线（AUC-ROC）下的区域。我们进一步使用Shapley添加说明（SHAP）方法，基于最佳模型的特征可视化分布。结果：总共招募了226名经历EVT的较差ASAH的合格患者，而89（39.4％）的12个月结果较差。年龄（调整或[AOR]，1.08; 95％CI：1.03–1.13; P = 0.002），蛛网膜下腔出血体积（AOR，1.02; 95％CI：1.00-1.05; P = 0.033; P = 0.033; P = 0.033），神经外神经社会级联盟，Wornurosurgical Societies等级（wfns）（W ffns）（w ffns）（w ffns）（w ffns）（2.03）（aor c）（2.03）; 1.05–3.93; p = 0.035）和狩猎级别（AOR，2.36; 95％CI：1.13–4.93; p = 0.022）被确定为不良结果的独立风险因素。NCT05738083。然后，开发的预测模型表明，LightGBM算法在验证队列中的AUC-ROC值为0.842，而Shap结果表明年龄是影响功能结果的最重要的风险因素。结论：LightGBM模型在促进患有不良后果风险的贫困级ASAH患者的风险分层方面具有巨大的潜力，从而增强了临床决策过程。试用注册：Prosah-MPC。2022年11月16日注册 - 回顾性注册，https：// clinical trials.gov/study/nct05738083。关键词：颅内动脉瘤，蛛网膜下腔出血，血管内手术，机器学习，预后