EHJ:急性肺栓塞的诊断管理:基于患者数据荟萃分析的预测模型

时间:2023-07-17 15:16:05   热度:37.1℃   作者:网络

研究背景及目的:

肺栓塞(PE)的诊断管理对急诊室、门诊和住院病房的医生来说是一项挑战,因为PE的体征和症状非特异性。为了排除该疾病并减少CT扫描的需求,通常会将患者转诊进行(进一步)检测,因为漏诊PE可能导致严重甚至致命的后果。CT肺动脉造影或通气-灌注扫描等敏感而特异性的影像检查可以确认或排除PE。推荐在临床怀疑PE的患者中使用基于临床决策规则的诊断算法,结合D-二聚体检测,以排除该病,并从而减少对CT扫描的需求。这一点非常重要,因为影像检查会带来辐射暴露、对比剂反应或肾病的风险、增加医疗资源利用和费用、过度诊断与不确定相关性的小血栓,以及可能导致碘造影剂短缺。在临床概率低或中等,以及D-二聚体水平低于固定或可变阈值的患者中,可以认为PE已被排除,可以安全地不进行影像检查。

然而,约有50%-70%的临床怀疑PE的患者(临床概率不低,D-二聚体升高)被转诊进行影像检查,并且其中约70%的患者没有被诊断出PE。此外,由于医疗环境中病例混合和PE患病率的差异,对这些算法的普适性存在担忧。到目前为止,PE诊断评分的开发主要侧重于简单性,使评分能够在床边计算,快速决定哪些患者应转诊进行D-二聚体检测或直接进行影像检查。这些评分基于简单的多变量逻辑回归模型,通常对连续变量进行分类处理,并忽略了潜在的相互作用。大多数PE诊断模型的推导也没有遵循当前推荐的最新方法学原则,包括使用多重插补和内部-外部验证。

最后,几个PE诊断模型中包括一个主观的“Gestalt”变量,用于指示“PE是否是最可能的诊断”,这很难标准化,因为它可能会因医生经验的不同而有所变化。对于疑似急性PE的诊断管理的另一种方法是使用一个模型,为每个患者计算绝对的PE概率,使医生能够进行个体化的管理决策,即决定是否需要进行影像检查。利用大型的个体患者数据集(IPD),我们试图推导和验证这样一个诊断模型,其中包括客观的临床指标和定量的D-二聚体检测。

对于临床怀疑急性肺栓塞(PE)的患者,风险分层用于决定是否需要成像检查。本研究旨在开发一种临床预测模型,基于易于获取的临床指标和D-二聚体浓度,为怀疑患有PE的患者提供个体化、准确的PE存在概率估计。

研究方法和结果:

基于16个横断面或前瞻性研究的个体患者数据荟萃分析,包括来自各种临床设置(包括初级保健、急诊、住院和养老院患者)的28,305名临床怀疑PE的成年患者。建立和验证了一个多水平 logistic 回归模型,包括十个预先定义的客观候选预测因子,以预测基线时的经客观确认的PE或30到90天的随访期间的静脉血栓栓塞症(VTE)。对于缺失数据,采用多重插补法。进行了后向逐步剔除,P 值 <0.10。基于内外交叉验证评估了判别力(带有95%置信区间和预测区间的c-统计量)和校准度(结果:预期比例[O:E 比例]和校准图)。

随后将模型的准确性与基于Wells 评分和D-二聚体检测的算法进行了比较。最终模型包括年龄(以年为单位)、性别、先前的VTE、近期手术或固定、咳血、癌症、深静脉血栓形成的临床体征、住院状况、D-二聚体(以μg/L为单位)以及年龄和D-二聚体之间的交互项。汇总的c-统计量为0.87(95% CI,0.85-0.89;95% PI,0.77-0.93),总体校准度非常好(汇总的O:E 比例为0.99;95% CI,0.87-1.14;95% PI,0.55-1.79)。该模型在估计概率较低范围内略微高估了VTE的可能性。在验证数据集中,当前模型的判别能力优于基于年龄的Wells 评分与D-二聚体阈值(c-统计量0.73;95% CI,0.70-0.75)或结构化临床预测概率(c-统计量0.79;95% CI,0.76-0.81)。

研究结论:

本研究提供了一种在广泛的怀疑PE患者群体中提供PE存在的绝对个体化概率的预测模型,具有非常好的判别力和校准度。其临床实用性需要在前瞻性管理或影响研究中进行评估。

 

参考文献:

van Es N, Takada T, Kraaijpoel N, Klok FA, Stals MAM, Büller HR, Courtney DM, Freund Y, Galipienzo J, Le Gal G, Ghanima W, Huisman MV, Kline JA, Moons KGM, Parpia S, Perrier A, Righini M, Robert-Ebadi H, Roy PM, Wells PS, de Wit K, van Smeden M, Geersing GJ. Diagnostic management of acute pulmonary embolism: a prediction model based on a patient data meta-analysis. Eur Heart J. 2023 Jul 15:ehad417. doi: 10.1093/eurheartj/ehad417. Epub ahead of print. PMID: 37452732.

上一篇: 国家癌症中心:首次公布各省市癌症流行情况...

下一篇: PPR:如何提高照顾者对儿童哮喘治疗的一...


 本站广告