Maybaygiare.org

Blog Network

右腸骨窩の痛みの診断。 決定木と人工ニューラルネットワーク法に基づく新しい診断スコア|Cirugíaespañola(English Edition)

私たちの研究の目的は、分類木の方法論に基づいてRIF痛みの鑑別診断 また,このモデルを古典的スコアおよび人工ニューラルネットワーク(ANN)によって生成されたスコアと比較して,A Aおよび他の腹部プロセスの診断を支援する。

方法

18ヶ月の期間(July1、2015とDecember31、2016の間)の前向き観察研究は、450の病床と93,000の年間ER訪問を持つ第二レベルの病院の緊急治療室(ER)で行われました。患者は署名されたインフォームドコンセントを受け、この研究は病院の臨床研究倫理委員会(CEIC)によって承認されました。

患者は署名されたインフォームドコンセントを受け、研究は病院の臨床研究倫理委員会(CEIC)

私たちは、RIFに痛みの進化の6h以上を持つ14歳以上の患者を含めました。 以前の虫垂切除術を有する患者およびフォローアップに失われた患者は除外された。

RIFの痛みの診断が確立されると、年齢、性別、以前の腹部手術、ボディマス指数(BMI)、症状の進化時間(時間単位)、以前の鎮痛および体温を収集した。

古典的なモデルに含まれる臨床変数を収集した:類似の以前の痛み、Blumberg徴候(陽性か否か)、痛みの移行、咳による痛みの増加、動員による痛みの増加、悪心/嘔吐、食欲不振、下痢および便秘。 分析データが含まれています: 白血球数(細胞数×109)、好中球の割合(%)および血清CRPレベル(mg/dL)。 使用された分析方法は、病院検査室標準法であった。 フォローアップ中に、登録されたデータには、患者が入院したかどうか、手術が行われたかどうか、エピソードの終わりに診断が含まれていました。 症状が寛解し、患者が自宅に退院したときの非特異的RIF疼痛(NsP)、患者が手術され、病理学的解剖学的構造が一致したときのAA; 炎症のないRIFの腹痛(NIRIF)および炎症を伴うRIFの腹部の痛み(IRIF)。 炎症は、RIFの痛みに加えて、以下の2つ以上の臨床症状の存在として定義された:温度>38℃または

℃、心拍数>90bpm、毎分20呼吸またはpco2mmHg、血液白血球>12000/mlまたは

alvarado、4AIR6およびfenyö-lindberg5アルゴリズムの値を計算しました。

統計分析

変数は、平均および標準偏差またはパーセンテージとして表されます。 グループ(4つのカテゴリ)間の比較のために、カイ二乗検定は定性的変数に使用され、ノンパラメトリックKruskal-Wallis検定は連続変数に使用されました。 P値

分類ツリーモデルは、SPSS®プログラム(バージョン20.0)のAnswerTreeモジュールを使用して作成されました。 カイ二乗自動相互作用検出(CHAID)オプションは、端末ノードあたり15人の患者の最小数に制限された停止基準で使用されました。8

ANNモデルは、バックプロパゲーションと多層パーセプトロン方法論を組み込んだAlyuda®(Neurointelligence)プログラムを使用して実装されました。9

モデルに変数を組み込むための戦略は、”完全なモデル”タイプ(すべての候補変数を含める)であり、両方のモデルは有意性または階層に応じた自動変 二つのモデルの内部検証は、交差検証(10区画)によって行われました。 モデルの識別能力は、ROC曲線の下の面積および正しい分類の割合(PCC)を計算することによって決定された。10

結果

295人の患者がRIFに痛みを示し、43人が除外された:以前の虫垂切除術で15人、進行する症状が6時間未満で5人、フォローアップの欠如で23人。 最終的な研究グループは252人の患者で構成されていた(図。 1).

この合計から、121人の患者が病院に入院し、そのうち107人が外科的に治療された。 症例は診断群によって定義された:NsPの114例、93AA、30NIRIFおよび15IRIF。 NIRIF分類に含まれる診断は、11例の尿路感染症、7例の腎疝痛、5例の急性胃腸炎、2例の部分腸閉塞、1例の卵巣嚢胞および4例の”その他の診断”であった。 IRIF群に含まれる診断は、骨盤内炎症性疾患5例、急性腎盂腎炎4例、卵管-卵巣膿瘍2例、急性憩室炎2例、急性胆嚢炎1例、炎症性腸疾患1例であった。

表1は、4つの診断群に含まれる患者の臨床的特徴を示している。 一般的に、患者は若く、性別による違いはありません。

表2は、分析変数と研究された古典的なモデルのスコアを示しています。 残りの3つの診断と比較してAAの単一診断のスコアのROC曲線(AUC)を計算すると、Alvaradoスコアでは0.82(0.76–0.87)、AIRでは0.83(0.77–0.88)、Fenyö–Lindbergでは0.88(0.84-0.92)が得

分析特性および診断群によるAlvarado、AIRおよびFenyö-Lindbergスコア(n=252)。

AA:急性虫垂炎;AIR:虫垂炎炎症反応;IRIF:炎症を伴うRIF痛み;NIRIF:炎症を伴わないRIF痛み;NsP:非特異的RIF痛み;CRP:C反応性タンパク質。

平均±SDとしての値。

A

Kruskal–Wallis検定とのグループ間の比較。

: 白血球の数、CRP、痛みを伴う咳、Blumberg記号、性別および進化時間。

自動的に選択された変数の階層を図に示します。 2. 最初は白血球の数であり、カットオフポイント(自動的に決定される)に応じて、以下の変数が組み込まれる。 このモデルでは、最終ノードである10の意思決定ルールが決定されます。

図。 2.

CHAID決定木と10reglas de decisión-nodos finales.

(0.63MB)。

最後のノード(Fig. 2)は3つの部門に分類することができます。 ノード1 0、1 1および1 3は、Nsp診断グループの明確な分類、A A診断のためのノード7、1 4および1 7、および、より明確でない分類(NIRIFおよびIRIF診断を含む)を有するノード5、1 2、1 5お 例えば、これらの特別なグループは、より明確な分類を有するグループと比較してより多くの超音波を必要とした(41.6対21.1;P

。01).人工ニューラルネットワークモデル

自動的に生成される生成されたANNモデルは、Blumberg記号、痛みの移動、痛みの増加、動きに伴う痛みの増加、咳の痛み、食欲不振、温度、白血球の数、進化の時間およびCRPレベルの10の変数を選択する。 自動的に作成されるアーキテクチャは、入力層(10個の選択された変数を含む)、12個のノードを持つ非表示層、および4つの診断グループの可能性を持つ出力層で構成されています。 このモデルは、4つの可能な診断確率のうち、各患者(レジストリ)に診断グループを割り当てます。 ANNモデルはまた、最も重さのある変数が白血球の数であることを決定する。

表3は、ANNモデルとCHAID分類ツリーを比較しています。 PCCパーセンテージ間または計算されたROC曲線の間に有意差は観察されない。

ディスカッション

この研究は、RIFの痛みに関する文献に掲載されている他の研究と比較した(表4)。 サンプルサイズを検討し、顕著な変動性を示した(大部分は139〜545人の患者であり、最大は941人の患者であった)。19

表4.私たちの研究とRIFの痛みに関する他の出版された記事との記述的な比較。
All(n=252) NsP(n=114) AA(n=93) NIRIF(n=30) IRIF(n=15) P Valuea
Leucocytes (109/l) 12±5 10±4 16±4 10±4 14±4
Percentage of neutrophils 75±12 69±13 82±7 72±13 78±7
CRP (mg/L) 60±54 25±15 98±78 38±23 129±81
Alvarado 5±2 4±2 6±1 4±2 6±1
AIR 6±2 5±2 7±1 5±2 7±1
Fenyö-Lindberg 7±30 −9±25 31±18 −14±27 19±17
Name of Study YearPlace N DesignService Methodology Population Utility
Alvarado4 1986USA 305 RSurgery DEV Alvarado SUSP AAHOSP DIAG AA
Fenyö-Lindberg4 1997Sweden 1,167 PSurgery DEV Fenyö-Lindberg SUSP AAHOSP DIAG AA
Fenyö-Lindberg11 2004Sweden 455 PSurgery VAL Fenyö-LindbergFemales SUSP AAFemales-HOSP DIAG AASurgery
Tzanakis et al.12 2005Greece 504 PSurgery and radiology DEV ScoreVAL Alvarado SUSP AAHOSP DIAG AAUltrasound
Rennie et al.13 2006Great Britain 300 PSurgery Study in females SUSP AAFemales-HOSP DIAG AA
Antevil et al.14 2006USA 383609 P-RSurgery VAL CT SUSP AAHOSP DIAG AACT
Andersson et al.6 2008Switzerland 545 PSurgery AlvaradoDEV Score LR SUSP AAHOSP DIAG AA
McCartan et al.15 2010Ireland 302 PSurgery Review AA SUSP AAHOSP DIAG AA
Lintula et al.16 2010Finland 181 PSurgery VAL ScorePediatrics SUSP AAHOSP DIAG AA
Poletti et al.17 2011Switzerland 183 PRadiology VAL ULT/CT SUSP AAHOSP DIAG AAULTG-CT
Chong et al.18 2011Singapore 192 PSurgeryEmergency VAL RIPASAEmergency Dolor RIFHOSP DIAG AA
De Castro et al.19 2012Holland 941 PEmergency VAL Score SUSP AAHOSP DIAG AA
Gudelis et al. 2018Spain 252 PEmergency DEV Score Dolor RIFER DIAG dolor RIF

AA: acute appendicitis; DEV: development; DIAG: diagnosis; Γ:超音波;RIF:右腸骨窩;HOSP:入院患者;P:前向き;R:レトロスペクティブ;LR:ロジスティック回帰モデル;SUSP AA:疑いのあるAA;CT:コンピュータ断層撮影;ER:緊急治療室;VAL:検証。私たちの研究の貢献の一つは、4つの分類グループの使用です。 私たちのシリーズでは、患者の最大のグループはNsPグループでした。 より多くの選択された患者(ERの最初の「フィルター」を通過した後)で実施された研究では、この群はより減少した。13,14

AA群には、外科部門に入院し、解剖学的病理によって診断が確認された疑いのあるAAのために外科的に治療されたすべての患者が含まれていた。 これらの患者の割合は、公開された異なる研究の包含基準に従って変化した。17

私たちの研究では、AA診断は解剖学的病理によって決定されました。 手術を受けた疑いのあるAA患者を考慮した場合、6人(5.7%)の患者のみがAAの解剖学的病理診断を提示しなかった(3人はNsPと3IRIFの最終診断を受けた)ことが分かった。 陰性虫垂切除術のこの割合(5.7%)は、10%から23%の範囲の他のシリーズからの報告よりも低い。7,11,15

私たちは、他の二つのNIRIFとIRIF診断カテゴリの使用は、問題の広いビューと診断(より多くの画像検査が必要になります)だけでなく、治療と予後を決定す

私たちの場合はCHAIDタイプである分類木に基づくモデルの主な利点は、モデルが解釈しやすいということです。 生成される分類規則には、すべての可能な患者と、年齢や性別などの異なるサブグループの側面が含まれます。20,21

CHAIDモデルは、最も重要な変数が白血球の数(ANNモデルと一致する)であることを検出しました。 CHAIDはまた、第2行にCRPレベルを含む。 含まれる臨床変数が咳をするときの痛みであることに注意することも興味深い。 臨床検査の間、この痛みは探検家に依存するのではなく、直接腹部検査から遠く離れた操縦に依存する。 生成された10の分類規則は、主な診断可能性に従ってグループ化されています。 NRIF群とIRIF群がより存在するので、鑑別診断がより大きな隆起に達するNsPとAA(私たちは”特別”と呼ぶ)の診断のためのより明確な規則を見つけることがで

他のシリーズは、CARTなどの異なる分類木の方法論を使用して公開されていますが、AAと非AAの間でのみ区別されています。 モデルはまたAlvarado23との組合せを使用し、イメージ投射テストを加える臨床および分析的な変数、22となされました。24

使用されるANNモデルは、識別容量の許容可能な値を達成します。 このモデルの欠点は、”ブラックボックス”のように機能し、入力変数、隠れ層および出力ノードの間のすべての相互作用を含む480のパラメータ(10×12×4)で構成されているため、臨床使用のための簡単な方法で解釈することができないことである。 コンピュータはその使用のために必要であり、それは比較モデルとして機能する。 ANNは、使用される変数のすべての相互接続を使用し、CHAIDベースのモデルよりも正確ではありません。 他の研究では、AAの診断にANNを使用しています(AAおよび非AAのみに焦点を当てています)。25

この研究にはいくつかの制限もあります。 主なものは、使用されるグループの割り当てです。 これらは文献によって検証されていない群であり、AAは炎症過程であると考えられている。 特に、NIRIFおよびIRIF診断群において、より大きなサンプルサイズを有することは興味深い。 この研究を擁護するために、我々は、AAと他の状態のみを比較するモデルは、実際の患者管理に使用する能力が低いと考えている。結論として、RIF疼痛患者を治療する専門家は、解釈が容易で、2つ以上の可能性(AA対非AA)を持つ分類を提供するモデルから利益を得ることができると 生成されたCHAIDモデルはこの目的を達成しましたが、他の大きなシリーズで検証する必要があります。

資金調達

この研究を実施するための資金は得られなかった。

利益相反

私たちは宣言する利益相反はありません。

私たちは宣言する利益相反はありません。

コメントを残す

メールアドレスが公開されることはありません。