深度学习辣汤小组文献阅读学习之一百六十八篇
2024/4/19
DeepLearning 深度学习辣汤小组
使用基于MELD的模型确定急性静脉曲张破裂出血患者的死亡风险
Abstract
来自西班牙巴塞罗那的Reverter, Enric等人为了改进肝硬化合并急性静脉曲张出血（AVB）患者的风险预测，开发一种新的基于MELD评分的模型，可以根据入院时可用的客观变量准确预测 AVB 患者的死亡率，并在期刊GASTROENTEROLOGY（IF=29.4，医学一区TOP）上发表题为“A MELD-Based Model to Determine Risk of Mortality Among Patients With Acute Variceal Bleeding”的文章。
DOI
https://doi.org/10.1053/j.gastro.2013.10.018
左右滑动查看文章
一、研究背景
急性静脉曲张出血(AVB，acute variceal bleeding)是肝硬化的主要并发症。尽管随着医学的进步，预后在过去30年中有所改善，但出血期间的死亡率仍然很高。已经开发了一些AVB患者的预后模型，比如：CTP评分、MELD评分以及一些基于HVPG的方法，这些模型可以根据死亡风险对患者进行分层，并可用于指导治疗决策，例如采用更积极的方法治疗高风险患者。然而，临床上很少使用它们，主要由于在急性出血患者中测量HVPG缺乏临床可及性、某些评分包含主观变量，缺乏外部验证等原因。
因此，本研究针对以上痛点，首先比较几种常见预后模型的性能，在性能最好的MELD模型基础之上进行改进，并在两个外部队列验证改进MELD模型的性能。
二、数据集
本研究数据来自2007年10月至2010年12月在西班牙巴塞罗那医院诊所因门静脉高压相关出血(所有来源和所有病因)入院的所有患者，纳排标准见图1，最终纳入178例患者。第一个外部验证队列的数据来自2003年至2008年间在加拿大艾伯塔大学(埃德蒙顿)两家提供服务的医院连续收治的240例AVB患者。第二外部验证队列的数据来自2002年至2012年期间，来自Vall D 'Hebron医院(西班牙巴塞罗那自治大学)的221例患者。入院时间作为随访评价的开始时间。本研究分析的主要终点是6周死亡率(出血相关死亡率)。
三、研究方法
MELD模型在辨别和整体表现方面是最好的模型，但存在明显的校准错误。因此，该团队决定使用医院诊所队列通过拟合逻辑回归模型来更新MELD校准。数据驱动模型仅限于客观变量。为了探索预测该队列6周死亡率的最佳数据驱动模型，该团队进行了多变量logistic回归分析，仅限于入院时可用的客观变量。最终模型保留了肌酐、胆红素和国际标准化比率(也是MELD的组成部分)三个指标。
四、结果与结论
对于6周死亡率的预测，MELD模型的性能最好，AUROC达到0.79，从图2，在预测死亡率与观察死亡率之间的一致性方面，几个模型都有偏差，但MELD模型的综合性能最优，并且该模型只包含客观变量，因此，本文在MELD模型的基础之上，进行更新。
更新的模型，在第一外部验证队列表现出色，在整个疾病严重程度范围内，预测和观察到的6周死亡率之间具有非常好的一致性。事实上，任意定义低风险和高风险的阈值(MELD评分分别为11和19)几乎完全符合观察到的5%和20%的死亡率(图3E)。在第二外部验证队列，这些患者的总体预后比所有患者都好。在这个样本中，基于MELD的预测只高估了最晚期患者的死亡率。尽管如此，MELD值为11和19再次显示了与观察到的5%和20%死亡率的极好拟合(图3F)，这表明该模型对于这一选定类别的患者的风险分层同样有用。
综上所述，在肝硬化和AVB患者中，MELD提供了客观准确的预后预测，但是存在一些偏差，该团队提出的基于meld的预测可能有助于改进早期TIPS的使用，评估新的治疗策略对患者预后的影响，以及在未来的临床试验中改善风险分层。
图1：纳排标准
图2：(A) MELD， (B) D 'Amico,9和(C) Augustin7模型的校准图
图3： (A-C) 3个样本中基于meld的模型的校准，(D-F) 3组患者MELD与死亡率的关系
Pepper soup transformed by: Yang Na
//
深度学习辣汤AI小组由徐州医科大学以及徐州医科大学附属医院一群热爱人工智能的小伙伴们组成，欢迎大家跟我们交流学习!
扫码关注我们
欢迎加入我们！
成员微信号：cy2011mcu
添加好友时请备注：
您的 单位-科室-姓名-研究方向
