癫痫持续状态短期死亡率的预测模型:ACARD评分

A Predictive Model for Short-Term Mortality After Status Epilepticus: The ACARD Score

作者信息Simona Lattanzi, Eugen Trinka, Pilar Bosque-Varela, Giada Giovannini, Giorgi Kuchukhidze, Niccolò Orlandi, Chiara Silvestri, Tiago Lerda-Casaccia, Hari Prasad, Francesco Brigo, Stefano Meletti
PMID42479996
期刊Neurology
发布时间2026-08-11
DOI10.1212/WNL.0000000000218281

实验完整度

基于多中心队列数据,通过单因素和多因素逻辑回归建立预测模型,并在外部队列验证,但未涉及体外或动物等机制实验。

主要模型

非缺氧性癫痫持续状态患者队列(意大利摩德纳衍生队列) 非缺氧性癫痫持续状态患者队列(奥地利萨尔茨堡验证队列)

重点核对

年龄≥75岁与30天死亡独立相关(OR 5.52,95% CI 3.45–8.83) 意识障碍(木僵或昏迷)与30天死亡独立相关(OR 1.76,95% CI 1.09–2.82) 急性原发性中枢神经系统病因与30天死亡独立相关(OR 2.60,95% CI 1.60–4.23) 治疗难治性与30天死亡独立相关(OR 6.40,95% CI 3.91–10.46) SE前残疾(mRS≥3)与30天死亡独立相关(OR 3.53,95% CI 2.22–5.61)

摘要

背景与目的:可靠预测癫痫持续状态(SE)的短期死亡率有助于指导临床决策。当前的预后系统仅达到可接受的预测能力,且缺乏通用性或校准不佳。我们旨在识别非缺氧性SE患者短期死亡率的临床预测因素,并开发一个预测评分。方法:这是一项基于登记数据的多中心、跨国队列研究。参与者为来自摩德纳(意大利)(衍生队列)年龄14岁及以上和萨尔茨堡(奥地利)(验证队列)年龄18岁及以上的连续SE发作患者。预定义结局为SE发作后30天死亡率。评估了年龄、性别、治疗前意识水平、SE症状学、SE前基线残疾水平、病因和治疗难治性。将每个独立预测因子的调整回归系数转换为基于积分的风险评分系统。结果:意大利队列包括689次发作,奥地利队列包括569次SE发作。在衍生队列中,30天死亡率为27.3%。独立危险因素为年龄≥75岁(比值比[OR] 5.52,95% CI 3.45–8.83;p < 0.001)、SE治疗前意识障碍(木僵或昏迷)(OR 1.76,95% CI 1.09–2.82;p = 0.020)、急性原发性中枢神经系统病理(OR 2.60,95% CI 1.60–4.23;p < 0.001)、治疗难治性(OR 6.40,95% CI 3.91–10.46;p < 0.001)和SE发作前残疾(OR 3.53,95% CI 2.22–5.61;p < 0.001);远期病因与30天死亡率较低独立相关(OR 0.28,95% CI 0.13–0.61;p = 0.001)。结合这些独立预测因素,开发了一个基于整数的评分系统,称为年龄、意识、病因、难治性、残疾(ACARD)。在验证队列中,30天死亡率为11.6%。ACARD评分的曲线下面积在衍生队列中为0.864(95% CI 0.836–0.891),在验证队列中为0.845(95% CI 0.801–0.888)。校准图显示两个队列的预测数据和观察数据拟合良好。讨论:ACARD评分是一个用户友好的工具,用于预测非缺氧性SE后30天死亡率。它有潜力识别短期死亡率高风险参与者,并优于其他可用评分系统的表现。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
哪些临床因素可预测非缺氧性癫痫持续状态患者30天死亡率,并据此构建预测评分?
核心机制
文中未明确说明
主要证据
多中心队列研究,衍生队列和验证队列分别包含689例和569例SE发作,通过多因素逻辑回归确定独立预测因子,ACARD评分在衍生队列和验证队列的AUC分别为0.864和0.845。
研究意义
ACARD评分是预测非缺氧性SE后30天死亡率的用户友好工具,可能识别高风险患者,且表现优于其他现有评分系统。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

队列构建与数据收集

建立包含非缺氧性SE患者的衍生队列和验证队列,收集临床变量和30天死亡结局。

从意大利摩德纳和奥地利萨尔茨堡的登记处收集连续SE发作的数据,按预定义标准纳入,排除缺氧后脑病,记录人口统计学、临床特征、治疗反应和30天死亡状态。

2

统计建模与评分系统开发

识别独立预测因素并开发风险评分。

在衍生队列中进行单因素分析,对p≤0.05的变量进行多因素逻辑回归,采用逆向逐步选择,将连续变量转换为分类变量,基于调整回归系数分配整数值,形成ACARD评分。

3

外部验证与性能评估

验证ACARD评分在独立队列中的预测性能,并与其他评分比较。

在验证队列中计算ACARD评分的AUC、校准,并与STESS、mSTESS、EMSE、SACE评分比较,计算敏感性、特异性、准确性等指标。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
STATA/IC 13.1StataCorp LP--
MedCalcMedCalc Software Ltd.--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
队列构建
纳入标准:年龄、SE诊断标准、排除缺氧性SE;衍生队列与验证队列的招募时间、地点
阅读提示:研究设计、人群与定义(Methods)
数据收集
临床变量定义:意识水平、SE症状学、病因分类、治疗反应性、mRS评估
阅读提示:研究设计、人群与定义(Methods)
统计建模
模型开发方法:单因素分析p值阈值、多因素回归变量筛选、年龄和mRS的截点确定
阅读提示:统计分析(Methods)
评分验证
验证队列的样本量、ACARD评分的AUC和校准结果
阅读提示:结果部分、图1和图2