| Přispěvatelé: |
University of Helsinki, Faculty of Medicine, Institute of Clinical Medicine, Department of Neurosurgery, Helsinki University Central Hospital, Division of Intensive Care, Department of Anesthesiology, Helsinki University Hospital and Faculty of Medicine, Doctoral Programme in Clinical Research, University of Helsinki, Helsingin yliopisto, lääketieteellinen tiedekunta, kliininen laitos, Helsingfors universitet, medicinska fakulteten, institutionen för klinisk medicin, Maas, Andrew, Siironen, Jari, Skrifvars, Markus B. |
| Popis: |
Background: Prognostic models are important tools for heterogeneity adjustment in traumatic brain injury (TBI). Prognoses after TBI have been particularly challenging to predict, with limited availability of robust prognostic models. TBI patients are by definition trauma patients, and often treated in the intensive care unit (ICU). Several prognostic models for ICU and trauma patients have been developed, although their applicability in patients with TBI is uncertain. Recently, however, some new prognostic models specifically designed for patients with TBI were introduced. Still, the optimal type of prognostic model in TBI remains unknown. Aim: To investigate the applicability of different types of prognostic models in patients with TBI and to develop novel models with enhanced performance to previous models, focusing on long- term outcome prediction. Methods: Four patient databases of patients with TBI treated in the ICU were used to validate three TBI specific models, two computerized tomography (CT) scoring systems, one trauma scoring system, and three intensive care scoring systems. Models were validated by assessing their discrimination using area under the curve (AUC), calibration, and explanatory variation. Logistic regression was used for model customization and development. Models were internally validated using a resample bootstrap technique or a split-sample technique. Primary outcome was six-month mortality and unfavorable neurological outcome by the Glasgow Outcome Scale. 30-day in-hospital mortality was used for the trauma scoring system. Results: Study populations ranged from 342 to 9,915 patients. The TBI models showed the best performance with AUCs between 0.80 and 0.85, followed by the intensive care scoring systems and the CT scores with AUCs between 0.68 to 0.80 and 0.63 to 0.70, respectively. Most models showed poor calibration, although good calibration was achieved following customization. The trauma scoring system exhibited modest to good discrimination (AUC 0.76-0.89) for short-term mortality prediction, but poor calibration. Several new prognostic models, with statistically significant superior performance to previous models were created, among them a combined TBI-ICU model ( IMPACT-APACHE ) and a novel CT scoring system ( The Helsinki CT score ). Using a TBI specific model, based on admission characteristics, up to 40 % of the patient s final long-term outcome could be predicted. Conclusion: The TBI models showed superior predictive performance to the intensive care and trauma scoring systems, showing that TBI patients are a highly specific population in the trauma and ICU setting. Thus, the use of a TBI specific model is advocated in the setting of TBI. The newly proposed models were found to be significant improvements over previous models, but require external validation to show generalizability. Väderprognoser är något de flesta av oss stöter på varje dag. Prognoserna klassificerar och beskriver sannolikheten för en viss typ av väder. De påverkar också i allra högsta grad vårt beteende: Till exempel kommer en prognos som förutsäger regn att styra vårt klädval, vårt val av transport och så vidare. På motsvarande sätt används prognoser inom medicinen för att klassificera sjukdomar och förutspå utfall, så att rätt slags vård kan ges. Traumatisk hjärnskada är den största orsaken till död och invaliditet hos den unga befolkningen och ett starkt växande problem hos den åldrande befolkningen. Traumatisk hjärnskada anses vara den mest komplexa sjukdomen i vårt mest komplexa organ vilket gjort det svårt att utveckla exakta prognosmodeller för de här patienterna. Avsaknaden av prognosmodeller för riskberäkning och patientklassificering har gjort att vården inte nämnvärt utvecklats de senaste decennierna. I den här avhandlingen visar vi att prognosen hos patienter med traumatisk hjärnskada skiljer sig märkbart från övriga svårt sjuka och skadade patienter vårdade på intensivvårdsavdelning. Patienter med traumatisk hjärnskada är alltså en unik patientgrupp som kräver egna specifika prognosmodeller. För detta ändamål utvecklade vi flera nya prognosmodeller (t.ex. Helsinki CT score , IMPACT-APACHE II ) som visade sig fungera betydligt bättre än tidigare modeller. Genom att använda de nya hjärnskadespecifika prognosmodellerna kan vi bättre övervaka vården och förbättra vår förståelse och behandling av patienter med traumatisk hjärnskada. Tillämpningen av prognosmodeller sträcker sig dock utöver vården av den individuella patienten. Modellernas största potential ligger i att förbättra kvaliteten av framtida forskning och utveckla nya vårdstrategier. Avhandlingen består av fem delpublikationer och undersöker tre intensivvårds-, en trauma- och tre hjärnskadespecifika prognosmodeller. Modellerna testades på cirka 12000 patienter med medelsvår till svår traumatisk hjärnskada vårdade på intensivvårdsavdelning under tidsperioden 2003-2012 i Finland och Tyskland. Ålder, medvetandegrad, smärtreaktion och pupillernas ljusreaktion var de faktorer som starkast bidrog till patienternas prognos, medan tillägg av fynd från datortomografi av huvudet endast marginellt bidrog till prognosen. Genom att tillämpa våra nya prognosmodeller på andra patientmaterial kan man ytterligare bekräfta modellernas tillförlitlighet. Traumaattisten aivovammojen ennustemallit Sääennusteet ovat meille kaikille tuttuja. Ennusteet kertovat todennäköisyyden tulevasta säästä, mikä vaikuttaa käyttäytymiseemme. Jos ennusteen mukaan tiedossa on sadetta, valitsemme eri vaatteita ja kulkuvälineitä kuin tilanteessa, jossa luvassa olisi hellettä. Samalla tavoin käytetään myös lääketieteessä ennustemalleja sairauksien luokitteluun ja ennusteiden tekemiseen niin että potilaalle voitaisiin antaa oikeantyyppistä hoitoa. Traumaattiset aivovammat ovat suurin syy nuorten aikuisten kuolemaan ja invalidisoitumiseen, ja ne ovat myös voimakkaasti kasvava ongelma ikääntyvässä väestössä. Traumaattisia aivovammoja pidetään monimutkaisimman elimemme monimutkaisimpana sairautena. Tästä syystä niistä kärsiville potilaille on vaikea kehittää tarkkoja ennustemalleja. Ennustemallien puuttuessa riskiarviot ja potilasluokittelu kärsivät, eikä aivovammapotilaiden hoito ole kehittynyt merkittävästi viime vuosikymmenien aikana. Tässä tutkimuksessa osoitamme, että aivovammapotilaat eroavat huomattavasti muista tehohoitoa saavista, vakavasti sairaista potilaista. Aivovammapotilaat muodostavat siten erityisen potilasryhmän, minkä vuoksi kehitimme useita eri aivovammaspesifejä ennustemalleja (esim. “Helsinki-CT score”, IMPACT-APACHE II”). Nämä osoittautuivat toimivan huomattavasti paremmin kuin aiemmat mallit. Uudet aivovammaspesifiset mallit luo edellytyksiä parantamaan potilaiden hoitoa ja hoidon seurantaa, sekä ymmärtämään aivovammoja paremmin. Uusien ennustemallien käyttö ei kuitenkaan rajoitu yksittäisiin potilaisiin. Suurin hyöty malleista on tulevien aivovammatutkimusten laadun parantamisessa ja uusien hoitokäytäntöjen kehittämisessä. Tutkimus koostuu viidestä osajulkaisusta ja tarkastelee kolmea tehohoito-, yhtä trauma- ja kolmea aivovammaspesifiä ennustemallia. Malleja testattiin vuosina 2003-2012 Suomessa ja Saksassa teho-osastoilla hoidetun, noin 12000 keskivaikean ja vaikean aivovamman sairastaneen potilaan aineistoilla. Ikä, tajunnantaso, kipureaktio, ja pupillin valoheijaste olivat ennusteeseen merkittävimmin vaikuttavia tekijöitä. Sen sijaan aivokuvantamisesta saadut tiedot eivät merkittävästi vaikuttaneet ennustemallien tarkkuuteen. Soveltamalla meidän kehittämiä ennustemalleja muihin potilasaineistoihin voidaan todentaa mallien luotettavuutta. |
