贝叶斯条件概率模拟框架用于替奈普酶时代的院前卒中转运决策：决策边界、全局敏感性和随机优势

《Frontiers in Neurology》：A Bayesian conditional probability simulation framework for pre-hospital stroke transport decisions in the tenecteplase era: decision boundaries, global sensitivity, and stochastic dominance

　　

摘要：急性缺血性卒中在Drip-and-Ship (DS)、Mothership (MS)和Mobile Stroke Unit (MSU)策略之间的分诊在过去十年中已通过条件概率决策模型形式化。两个近期进展促使更新处理：静脉溶栓标准从阿替普酶（alteplase）转向替奈普酶（tenecteplase），以及DS-versus-MS分诊和MSU有效性的随机证据成熟。研究人员提出一个贝叶斯条件概率模拟框架，该框架将针对静脉溶栓（阿替普酶、替奈普酶）和血管内血栓切除术（endovascular thrombectomy, EVT）的现代试验语料库的随机效应综合，与发病到再灌注时间的对数正态分解（分解为策略和药理学特异的过程时间组分）相结合。院前大血管闭塞（large-vessel occlusion, LVO）概率通过验证的筛查量表进行更新，并在由机构间转运时间差和LVO后验概率构成的决策空间每个坐标处计算最优策略及95%后验可信区间。Sobol一阶和总效应指数分解了采样输入空间上的结果方差，并在相同后验下测试策略间的一阶和二阶随机优势。在生产校准下，替奈普酶范式相对于阿替普酶重新分配了14.1%的决策平面，集中在低概率、长差区域；院前LVO后验结果方差的主导份额（Sobol一阶指数0.84–0.93）；且决策平面无坐标在单一最优策略上达到95%后验一致性。该框架开放且可重复，仅依赖已发表的试验层面证据。它被呈现为一种决策分析和假设生成工具，用于构建替奈普酶时代的分诊问题，而非经过验证的操作性分诊规则；在部署前需针对区域特定卒中系统数据进行前瞻性校准。

**论文解读**

**研究背景与问题**
急性缺血性卒中（acute ischaemic stroke）由近端前循环大血管闭塞（large-vessel occlusion, LVO）引起，是一种强时间依赖性急症。治疗包括静脉溶栓（intravenous thrombolysis, IVT）和血管内血栓切除术（endovascular thrombectomy, EVT），两者互补且时间敏感。由于EVT仅在配备神经介入能力的综合卒中中心（comprehensive stroke centre, CSC）进行，院前转运决策面临三种竞争策略：Drip-and-Ship (DS)（将患者送至最近初级卒中中心（primary stroke centre, PSC）行IVT，随后跨机构转运至CSC行EVT）、Mothership (MS)（直接送至CSC）和Mobile Stroke Unit (MSU)（在院前完成影像和溶栓推注，然后送至医院）。过去十年，条件概率决策模型已形式化这些策略的选择，但两个新进展要求更新：第一，IVT药物标准从阿替普酶（alteplase）转向替奈普酶（tenecteplase），后者具有更高纤维蛋白特异性、更长半衰期且为单次静脉推注，可缩短处理时间；第二，DS vs MS分诊的随机证据（RACECAT试验）和MSU有效性证据（BEST-MSU和B_PROUD试验）已经成熟。现有模型未联合传播替奈普酶时代治疗效应不确定性、院前LVO筛查不确定性和过程时间变异性对最优策略后验分布的影响，因此需要开发一个新的定量框架。

**研究内容与结论**
研究人员开发了一个贝叶斯条件概率模拟框架，将随机效应综合（random-effects synthesis）用于构建IVT（阿替普酶、替奈普酶）和EVT的治疗效应先验，利用对数正态分布分解发病到再灌注时间，并基于验证的筛查量表（RACE和ACT-FAST）更新院前LVO后验概率。在由机构间转运时间差（ΔT_transit）和LVO后验概率（π_LVO）构成的决策空间每个坐标处，计算最优策略及95%后验可信区间。通过Sobol一阶和总效应指数分解结果方差，并检验策略间的一阶和二阶随机优势。主要结论：替奈普酶范式相对于阿替普酶重新分配了14.1%的决策平面，变化集中在低LVO概率、长转运时间差区域；院前LVO后验概率占结果方差的主导份额（Sobol一阶指数0.84–0.93）；决策平面无坐标在95%后验水平上对单一最优策略达成一致。该框架作为决策分析和假设生成工具，而非验证性操作规则，需在区域卒中系统中进行前瞻性校准。

**重要意义**
该研究为替奈普酶时代的院前分诊问题提供了结构化的量化方法，揭示了药物转换对决策边界的实质性影响，并强调了LVO筛查准确性对结果方差的主导作用，为急诊医疗系统优化分诊协议提供了理论依据。论文发表在《Frontiers in Neurology》。

**主要技术方法**
1. **随机效应综合**：采用DerSimonian–Laird估计量及贝叶斯再评估，从已发表试验（HERMES、DAWN、DEFUSE 3、AcT、BEST-MSU、B_PROUD等）中综合IVT（阿替普酶、替奈普酶）和EVT的治疗效应先验，生成预测分布。
2. **对数正态过程时间分解**：将发病到再灌注时间分解为症状到呼叫时间、EMS响应时间、转运时间和院内过程时间，各组分参数化为策略特定的对数正态分布，并校准DS的跨机构转运开销（平均142分钟增加）和MSU的时间优势（36分钟缩短）。
3. **贝叶斯决策边界映射**：在81×91网格上，通过蒙特卡罗重采样后验参数，计算每个坐标处最大化期望良好结局概率的策略，并生成95%后验可信区间。
4. **Sobol全局敏感性分析**：采用Saltelli A/B/ABi设计（N=2048），计算一阶和总效应指数，分解结果方差对输入参数（π_LVO、ΔT_transit、T_call等）的敏感性，并报告bootstrap标准误。
5. **随机优势检验**：基于后验结果分布，通过递归积分和supremum统计量检验策略间的一阶和二阶随机优势。样本队列来源：所有参数均来自已发表试验（如HERMES、RACECAT、AcT等）的汇总数据，无新临床数据。

**研究结果**
**4.1 模拟执行**：生产校准下，网格分辨率81×91，后验抽取150次，Sobol预算2048，种子固定，产生7,371个决策单元，可完全复现。
**4.2 汇总治疗效应先验**：EVT、IVT-ALT、IVT-TNK和MSU的汇总比值比分别为2.65、1.30、1.18和1.69，异质性仅在MSU臂显著（τ2=0.065），预测区间为0.90–3.20。
**4.3 时间衰减结局曲线**：拟合了LVO阳性EVT臂和LVO阴性IVT臂的逻辑衰减曲线，在AcT参考窗口（120分钟）外推验证，替奈普酶vs阿替普酶风险差为+0.039，落在AcT 95% CI内。
**4.4 决策边界图与药理学转移**：替奈普酶校准下，14.1%的网格细胞最优策略改变，集中在低π_LVO（<0.5）、长ΔT_transit（≥30 min）象限，其中MSU份额从58.3%降至29.0%，MS份额相应增加。
**4.5 期望结局曲面**：MS在所有象限中占优，仅在低π_LVO/长ΔT_transit象限MSU有竞争力，DS在π_LVO>0.3时始终劣于MS。
**4.6 最优策略后验可信区域**：无任何网格细胞达到0.95后验一致性，平均一致性仅在极高π_LVO和小ΔT_transit窄带内超过0.80。
**4.7 Sobol全局敏感性**：π_LVO的一阶指数在MS、DS、MSU中分别为0.842、0.927、0.932，占主导；ΔT_transit和T_call贡献0.06–0.08；院内门到针/门到穿刺时间乘数贡献<0.003。
**4.8 随机优势**：在高π_LVO/短ΔT_transit和低π_LVO/长ΔT_transit两种状态下，MS与DS之间均未建立一阶或二阶随机优势。
**4.9 LVO筛查操作点敏感性**：RACE≥5和ACT-FAST在不同基线患病率下产生不同后验概率，影响决策边界位置。
**4.10 外部面容效度**：模型在HERMES（EVT vs 对照cOR 2.68 vs 2.49）、RACECAT（MS vs DS cOR 1.15 vs 1.03）和AcT（风险差+0.039 vs +0.021）三个参考点均与发表值一致。
**4.11 锚点扰动幅度敏感性**：在σ_g∈{0.03, 0.06, 0.10}下，无细胞达到0.95一致性，0.80一致性细胞比例最高仅2.6%，结论稳健。

**讨论与结论**
研究讨论部分指出，模拟生成的决策平面分区显著依赖于假设的IVT药物。替奈普酶将14.1%的网格细胞重新分配，改变集中在低LVO/长转运差区域。锚点不确定性足以使整个决策平面的最优推荐非确定性，无细胞达到95%后验概率。院前LVO后验是结果方差的最主要驱动因素（Sobol一阶指数0.84–0.93），转运时间差和症状到呼叫时间贡献次之，院内时间贡献可忽略。因为最优标签非确定性，决策边界应视为场景依赖的期望值等高线而非固定阈值。研究还指出，替奈普酶时代的边界变化不能通过简单阈值更新从阿替普酶时代转移，MSU的益处主要在长二次转运差和高π_LVO时保留。局限性包括：时间衰减系数仅从少数锚点拟合，MSU分支未考虑动态可用性约束，Sobol分解采用独立均匀输入而非联合后验，未验证外部区域卒中系统结果。结论部分翻译如下：
**结论**：开发了一个贝叶斯条件概率模拟框架，用于评估替奈普酶时代再灌注校准下的DS、MS和MSU院前转运策略。将治疗效应先验的随机效应综合、确定性决策边界映射、锚点扰动后验可信区域、Saltelli设计Sobol全局敏感性和Davidson–Duclos随机优势检验组合成单个可复现流程。替奈普酶替代阿替普酶重新分配了14.1%的联合（π_LVO, ΔT_transit）决策平面，变化集中在低LVO/长转运差象限，其中更快的替奈普酶推注将先前分配给MSU的细胞恢复为MS运输；院前LVO后验占结果方差的主导份额（Sobol S⁽¹⁾ = 0.84–0.93）；在适度地理分离下，替奈普酶校准中LVO亚组的MSU优势被削弱。仅锚点不确定性就足以使决策平面无细胞在95%后验水平上达到确定性最优，表明未来校准工作应优先针对EVT分支的时间衰减锚点，而非进一步细化时间组分先验。与研究的建模性质一致，这些结果作为在不确定性下评估转运策略的结构化且可复现的手段，而非作为急诊医疗系统应如何操作的最终指导；在框架应用于操作性分诊协议之前，需在真实世界区域卒中网络中进行前瞻性验证。完整流程已开源发布于https://github.com/tugbacalisir/frontiers，采用MIT许可证。