分类和回归树预测重型颅脑损伤的预后分析

【摘要】： 目的：(1)建立一个关于重型颅脑损伤预后的预测模型，要求变量可以在日常工作中简单、快速获得，并要求该模型的预测准确率高。(2)明确可以预测重型颅脑损伤预后的简单的实验室变量。(3)分辨预测模型中的主要预测因子与次要预测因子。 方法：采用分类和回归树(CART)分析331例重型颅脑损伤的患者的预后因子及预后关系。共有入院最初的GCS评分、年龄、入院次晨空腹血糖、入院次晨白细胞计数、瞳孔情况、是否开颅手术、头颅CT是否主要是由于硬膜外血肿、头颅CT是否伴有外伤性蛛网膜下腔出血8个预后因子被检查记录。预后指标由外伤6个月后Glasgow结果评分(GOS)评价。 结果：Glasgow昏迷评分(GCS)位于分类和回归树第一层，是最好的预测因子，入院次晨空腹血糖、头颅CT是否主要是由于硬膜外血肿及年龄是强有力的预测因子，位于分类和回归树第二层。入院次晨白细胞计数位于分类和回归树第三层，也对预后产生有意义的影响。本组数据中，CART预测准确率达87.9％。进入CART的所有变量都与预后相关。 结论：(1)本研究获取变量简单、方便，CART最初的变量有利于解释预测预后。该模型预测准确率高，为重型颅脑损伤预后的预测提供了简单有效的预测模型。(2)患者入院最初的GCS评分、入院次晨空腹血糖、年龄、是否主要是硬膜外血肿、入院次晨白细胞计数与预后相关。(3)GCS是最主要的预测因子。