《Frontiers in Neurology》：Development and validation of a simple clinical prediction model for post-stroke seizures in critically ill patients: a multicenter retrospective cohort study
编辑推荐：
背景： 卒中后发作（PSS）在重症卒中患者中常见，但缺乏针对重症监护病房（ICU）的特异性风险预测工具，且PSS对死亡率的独立影响仍存在争议。
方法： 这项回顾性多中心队列研究纳入了来自美国208个ICU的协作研究数据库（eICU-CRD）中的6,586例成年
背景： 卒中后发作（PSS）在重症卒中患者中常见，但缺乏针对重症监护病房（ICU）的特异性风险预测工具，且PSS对死亡率的独立影响仍存在争议。
方法： 这项回顾性多中心队列研究纳入了来自美国208个ICU的协作研究数据库（eICU-CRD）中的6,586例成年卒中患者。研究人员将患者按7:3的比例随机分为训练集和内部验证集。主要终点是通过索引住院期间的诊断代码识别的编码院内卒中后发作。研究人员使用逻辑回归和最小绝对值收缩和选择算子（LASSO）回归筛选候选预测因子。分别使用受试者工作特征曲线下面积（AUROC）、校准斜率和校准图以及决策曲线分析评估模型的区分度、校准度和临床实用性。研究人员使用倾向性评分匹配（PSM）评估PSS与院内死亡率和住院时间的关联。
结果： 编码院内PSS的总发生率为7.5%。头对头比较显示，序贯器官衰竭评估（SOFA）是用于编码PSS预测的性能最佳的常规ICU严重程度评分，优于格拉斯哥昏迷量表（GCS）、牛津急性疾病严重程度评分（OASIS）和急性生理学与慢性健康状况评价II（APACHE II）。多变量逻辑回归分析确定了编码院内PSS的五个独立临床预测因子：年龄较小、入院体温升高、既往高血压病史、平均红细胞血红蛋白浓度（MCHC）较低以及GCS评分较低。该模型在训练集中AUC为0.702，在验证集中为0.713，且在年龄、性别和卒中亚型亚组中表现稳定。研究人员推导出一个三级床旁风险分层，低风险、中风险和高风险组的观察到的编码PSS发生率分别为3.4%、6.8%和16.2%。经过PSM后，编码PSS与院内死亡率增加（校正后OR=0.84，p=0.295）或住院时间延长（均值差=?0.30天，p=0.167）无关。
结论： 研究人员开发并内部验证了一个用于预测重症卒中患者编码院内PSS的简易模型。编码PSS本身与死亡率增加无独立相关性。该模型仍是一个研究工具，尚未经过外部验证，尚不能指导现实世界的临床监测或药物干预。这些发现适用于临床明显的、编码的惊厥性发作，可能不适用于非惊厥性发作表型。
研究背景与目的
急性卒中是全球范围内导致死亡和长期神经功能障碍的主要原因之一。随着人口老龄化和急性卒中救治水平的提高，越来越多的重症卒中患者需要入住重症监护病房（ICU）接受密切的神经监测和支持治疗。卒中后发作（PSS）是急性卒中后最常见且临床上重要的早期神经系统并发症之一，其发生率因卒中亚型、严重程度和研究人群而异，介于3%至15%之间。PSS可引发继发性脑损伤，常需启动长期抗癫痫药物治疗，尤其对于老年危重症患者，这带来了显著的认知损害、药物相互作用等风险。
尽管PSS具有重要临床意义，但在ICU人群中仍存在若干关键知识空白。首先，现有的PSS临床预测规则，如SeLECT评分、IsCHEMiA影像评分及近期发表的机器学习模型，大多基于普通病房卒中队列开发，缺乏针对危重症患者的特异性工具。其次，虽然APACHE II、SOFA、GCS和OASIS等多项严重程度评分在ICU入院时常规计算，但它们预测PSS的相对性能尚未在大规模多中心队列中得到系统比较。第三，PSS对临床预后的独立影响仍不明确，现有研究因混杂因素控制不足而结论不一。为填补这些空白，研究人员利用eICU-CRD数据库开展了一项大规模多中心回顾性队列研究，旨在开发并内部验证一个基于入院24小时内常规可用数据的简易PSS预测模型，系统比较四种常用ICU严重程度评分的预测效能，并采用倾向性评分匹配（PSM）评估PSS对院内死亡率和住院时间的独立影响。
主要技术方法
本研究为回顾性多中心队列研究，数据来源于eICU-CRD数据库，涵盖2014至2015年间美国208家医院超过20万次ICU入院记录。最终纳入6,586例符合条件的成年急性卒中患者。研究人员将患者按7:3比例随机分为训练集和内部验证集。变量筛选采用三步法：先进行单变量逻辑回归（p<0.1），再行最小绝对值收缩和选择算子（LASSO）回归（10折交叉验证），最后对非零系数变量进行多变量逻辑回归（p<0.05）确定最终模型。模型性能通过受试者工作特征曲线下面积（AUROC）、校准图和决策曲线分析（DCA）评估。预后分析采用1:1倾向性评分匹配（PSM）平衡基线混杂因素。
研究结果
1. 队列基线特征
共纳入6,586例卒中患者，其中493例（7.5%）发生编码院内PSS。与无发作组相比，PSS患者年龄更年轻（中位67岁 vs. 69岁，p=0.002），入院体温和心率更高（均p<0.001），所有疾病严重程度评分（APACHE II、SOFA、OASIS）均显著更高（均p<0.001），而GCS评分更低（中位13 vs. 15，p<0.001）。PSS组糖尿病（20.89% vs. 12.67%）、高血压（72.62% vs. 67.91%）、急性肾损伤（71.60% vs. 60.56%）和有创机械通气使用率（16.02% vs. 6.37%）均显著高于非发作组（均p<0.05）。出血性卒中在PSS组占比更高（41.99% vs. 36.21%，p=0.019）。体重指数（BMI）与PSS呈U型关联，低体重患者发作率最高（13.48%）。
2. 常规ICU严重程度评分比较
头对头比较显示，SOFA评分表现出最佳区分性能（AUC=0.683），显著优于GCS（AUC=0.646）、OASIS（AUC=0.636）和APACHE II（AUC=0.611）（DeLong检验均p<0.001）。分解分析表明，SOFA的优势不仅来自其神经学组分（GCS子评分AUC=0.616），还来自非神经学器官功能障碍的增量信息（其余五个非神经学SOFA组分AUC=0.627）。
3. 独立预测因子与模型性能
多变量逻辑回归识别出五个编码院内PSS的独立预测因子：年龄较小（校正OR=0.987，95%CI 0.980-0.994，p<0.001）、入院体温升高（校正OR=1.224，95%CI 1.041-1.440，p=0.015）、高血压病史（校正OR=1.354，95%CI 1.051-1.758，p=0.021）、平均红细胞血红蛋白浓度（MCHC）较低（校正OR=0.898，95%CI 0.829-0.973，p=0.008）和GCS评分较低（校正OR=0.793，95%CI 0.681-0.923，p=0.003）。模型在训练集（AUC=0.702）和验证集（AUC=0.713）中表现出中等且稳定的区分能力，校准良好（Hosmer-Lemeshow检验p值分别为0.678和0.565），DCA证实了临床实用性。
4. 亚组与敏感性分析
模型性能在各亚组中保持一致：年龄<65岁（AUC=0.72）与≥65岁（AUC=0.70），男性（AUC=0.71）与女性（AUC=0.73），出血性卒中（AUC=0.71）与缺血性卒中（AUC=0.70）间差异均无统计学意义（交互作用p值均>0.05）。排除机械通气患者、完整病例分析等多项敏感性分析均证实了结果的稳健性。
5. 临床风险分层
基于预测概率分布，研究人员制定了三级风险分层方案：低风险（预测概率<5%，观察发作率3.4%）、中风险（5%-10%，观察率6.8%）和高风险（>10%，观察率16.2%）。高风险组PSS发生率是低风险组的4.8倍。
6. 倾向性评分匹配预后分析
经PSM匹配493对患者后，PSS组与对照组的院内死亡率无显著差异（18.1% vs. 20.2%，校正OR=0.84，95%CI 0.62-1.16，p=0.295），平均住院时间亦无显著差异（11.5天 vs. 11.8天，p=0.167）。
讨论与结论
本研究表明，SOFA评分在预测编码PSS方面优于其他常规ICU评分，提示系统性器官功能障碍的整合信息比单纯的神经学评估更具预测价值。最终模型纳入的五项变量均可在ICU入院后迅速获取，便于即时风险分层。值得注意的是，较低MCHC作为新的独立预测因子被识别，但其机制尚待阐明。经PSM控制混杂后，PSS本身与院内死亡率无独立关联，提示PSS更多是潜在疾病严重程度的标志而非死亡的因果中介。研究人员得出结论：该研究开发并内部验证了一个基于入院24小时常规数据的五变量简易模型用于预测重症卒中患者的编码院内PSS；SOFA评分优于其他常规ICU严重程度评分；经PSM后，编码PSS与院内死亡率无统计学显著关联。然而，该模型仅为研究工具，未经外部验证，且仅适用于临床明显的编码惊厥性发作，尚不能指导临床实践。
