Obiectivul studiului nostru este de a utiliza datele Departamentului de urgență pentru a dezvolta un diagnostic diferențial pentru durerea RIF pe baza metodologiei arborelui de clasificare. De asemenea, vom compara acest model cu scorurile clasice și scorul generat de o rețea neuronală artificială (ANN) pentru a ajuta la diagnosticarea AA și a altor procese abdominale.
metodă
studiu observațional prospectiv al unei perioade de 18 luni (între 1 iulie 2015 și 31 decembrie 2016) efectuat în camera de urgență (ER) a unui spital de nivelul doi cu 450 de paturi de spital și 93.000 de vizite anuale de ER.
pacienții și-au dat consimțământul informat semnat, iar studiul a fost aprobat de Comitetul de etică a cercetării clinice (CEIC) la spital.
am inclus pacienți cu vârsta peste 14 ani cu mai mult de 6 ore de evoluție a durerii în RIF. Pacienții cu apendicectomii anterioare și cei care au pierdut urmărirea au fost excluși.
odată stabilit diagnosticul de durere în RIF, au fost colectate următoarele variabile: vârsta, sexul, chirurgia abdominală anterioară, indicele de masă corporală (IMC), timpul de evoluție a simptomelor în ore, administrarea anterioară a analgeziei și temperatura corpului.
variabilele clinice incluse în modelele clasice au fost colectate: durere anterioară similară, semn Blumberg (pozitiv sau nu), migrarea durerii, durere crescută cu tuse, durere crescută cu mobilizare, greață / vărsături, anorexie, diaree și constipație. Date analitice incluse: numărul de leucocite (numărul de celule int 109), procentul de neutrofile ( % ) și nivelurile serice de CRP (mg/dL). Metoda analitică utilizată a fost metoda standard a Laboratorului spitalicesc. În timpul urmăririi, datele înregistrate au inclus dacă pacientul a fost internat în spital, dacă a fost efectuată intervenția chirurgicală și diagnosticul la sfârșitul episodului. Au fost stabilite patru grupuri de diagnostic: durere Rif nespecifică (NsP) atunci când simptomele au remis și pacientul a fost externat la domiciliu; AA când pacientul a fost operat și anatomia patologică a fost concordantă; durere abdominală în RIF fără inflamație (NIRIF) și durere abdominală în RIF cu inflamație (IRIF). Inflamația a fost definită ca existența a 2 sau mai multe simptome clinice ale următoarelor, în plus față de durerea din RIF: temperatura >38% C sau
% c, ritmul cardiac >90bpm, frecvența respiratorie mai mare de 20 respirații pe minut sau pCO2 mmHg, leucocitele din sânge >12000/ml sau
s-au calculat valorile pentru algoritmii Alvarado,4 air6 și feny-lindberg5.
analiza statistică
variabilele sunt exprimate ca medie și deviație standard sau ca procent. Pentru compararea grupurilor (4 categorii) s-a utilizat testul Chi–pătrat pentru variabile calitative și testul Kruskal-Wallis neparametric pentru variabile continue. O valoare P
modelul arborelui de clasificare a fost creat folosind modulul AnswerTree al programului SPSS (versiunea 20.0). Opțiunea Chi-Square Automatic Interaction Detection (CHAID) a fost utilizată cu un criteriu de oprire limitat la un număr minim de 15 pacienți pe nod terminal.8
modelul ANN a fost implementat folosind programul Alyuda (Neurointelligence) care încorporează metodologia multistrat Perceptron cu backpropagare.9
strategia de încorporare a variabilelor în modele a fost tipul ‘model complet’ (includerea tuturor variabilelor candidate); ambele modele au capacitate de selecție automată a variabilelor în funcție de semnificație sau ierarhie. Validarea internă a celor două modele a fost realizată prin validare încrucișată (10 partiții). Capacitatea discriminatorie a modelelor a fost determinată prin calcularea ariei de sub curba ROC și a procentelor de clasificare corectă (PCC).10
rezultate
295 pacienți au prezentat durere în RIF și 43 au fost excluși: 15 cu apendicectomie anterioară, 5 cu mai puțin de 6 ore de simptome progresive și 23 pentru lipsa urmăririi. Grupul final de studiu a constat din 252 pacienți (Fig. 1).
din acest total, 121 de pacienți au fost internați în spital, dintre care 107 au fost tratați chirurgical. Cazurile au fost definite de grupuri de diagnostic: 114 cazuri de NsP, 93 AA, 30 NIRIF și 15 IRIF. Diagnosticele incluse în clasificarea NIRIF au fost: 11 cazuri de infecții ale tractului urinar, 7 colici renale, 5 gastroenterite acute, 2 obstrucție intestinală parțială, un chist ovarian și 4 ‘alte diagnostice’. Diagnosticele incluse în lotul IRIF au fost: 5 cazuri de boală inflamatorie pelvină, 4 pielonefrite acute, 2 abcese tubo-ovariene, 2 diverticulite acute, o colecistită acută și o boală inflamatorie intestinală.
Tabelul 1 prezintă caracteristicile clinice ale pacienților incluși în cele 4 grupuri de diagnostic. În general, pacienții sunt tineri și nu există diferențe în funcție de sex.
Tabelul 2 prezintă variabilele analitice și scorurile modelelor clasice studiate. Dacă calculăm curbele ROC (ASC) ale scorurilor pentru diagnosticul unic de AA în comparație cu cele 3 diagnostice rămase, obținem 0,82 (0,76–0,87) pentru scorul Alvarado, 0,83 (0,77–0,88) pentru aer și 0,88 (0,84–0,92) pentru Feny XV-Lindberg.
caracteristici analitice și scorurile Alvarado, AIR și Feny-Lindberg pe grupe de Diagnostic (n=252).
| 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 |
AA: apendicită acută; aer: apendicită răspuns inflamator; IRIF: durere RIF cu inflamație; NIRIF: durere RIF fără inflamație; NsP: durere Rif nespecifică; CRP: proteină C reactivă.
Valorile ca valori medii ale DS.
comparație între grupuri cu testul Kruskal–Wallis.
Model Arbore de clasificare CHAID
modelul CHAID selectat 6 variabile: numărul de leucocite, CRP, tuse dureroasă, semnul Blumberg, sexul și timpul de evoluție.
ierarhia variabilelor, selectată automat, este prezentată în Fig. 2. Primul este numărul de leucocite și, în funcție de punctul de întrerupere (determinat și automat), sunt încorporate următoarele variabile. Modelul determină 10 Reguli de luare a deciziilor care sunt nodurile finale.
arbore de decizie CHAID cu 10 reglas de decizii-finale nodos.
nodurile finale (Fig. 2) pot fi clasificate în 3 categorii. Nodurile 10, 11 și 13 prezintă o clasificare clară pentru grupul de diagnostic NsP, nodurile 7, 14 și 17 pentru diagnosticul AA și nodurile 5, 12, 15 și 16 cu o clasificare mai puțin clară (include diagnosticele NIRIF și IRIF), care pot fi considerate speciale. De exemplu, aceste grupuri speciale au necesitat mai multe ecografii comparativ cu grupurile cu clasificare mai clară (41,6 vs.21,1; P
.01).Modelul de rețea neuronală artificială
modelul ANN generat care este generat selectează automat 10 variabile: semnul Blumberg, migrarea durerii, durerea crescută, durerea crescută cu mișcare, durerea la tuse, anorexia, temperatura, Numărul de leucocite, orele de evoluție și nivelurile CRP. Arhitectura care este creată automat este compusă dintr-un strat de intrare (cu cele 10 variabile selectate), un strat ascuns cu 12 noduri și un strat de ieșire cu posibilitatea celor 4 grupuri de diagnosticare. Modelul atribuie pentru fiecare pacient (registru) un grup de diagnostic din cele 4 probabilități posibile de diagnostic. Modelul ANN determină, de asemenea, că variabila cu cea mai mare greutate este numărul de leucocite.
Tabelul 3 compară modelul ANN și arborele de clasificare CHAID. Nu se observă diferențe semnificative între procentele PCC sau în curbele Roc calculate.
discuție
acest studiu a fost comparat cu alte studii publicate în literatura de specialitate despre durere în RIF (Tabelul 4). Dimensiunile eșantionului au fost revizuite și au arătat o variabilitate notabilă (majoritatea au variat între 139 și 545 de pacienți, cei mai mari fiind 941 de pacienți).19
comparație descriptivă a studiului nostru cu alte articole publicate despre durerea RIF.
| 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; ULT: ultrasunete; RIF: fosa iliacă dreaptă; HOSP: pacienți spitalizați; p: prospectiv; r: retrospectiv; LR: model de regresie logistică; SUSP AA: suspiciune de AA; CT: tomografie computerizată; ER: camera de urgență; VAL: validare.
una dintre contribuțiile studiului nostru este utilizarea a 4 grupuri de clasificare. În seria noastră, cel mai mare grup de pacienți a fost grupul NsP. În studiile care au fost efectuate cu mai mulți pacienți selectați (după ce au trecut printr-un filtru inițial în re), acest grup a fost mai redus.13,14
grupul AA a inclus toți pacienții care au fost internați în secția de chirurgie și tratați chirurgical pentru suspiciune de AA, al căror diagnostic a fost confirmat de patologia anatomică. Procentul acestor pacienți a variat în funcție de criteriile de includere ale diferitelor studii publicate.17
în studiul nostru, diagnosticul AA a fost determinat de patologia anatomică. Dacă am luat în considerare pacienții cu suspiciune de AA care au suferit o intervenție chirurgicală, am constatat că doar 6 (5,7%) pacienți nu au prezentat un diagnostic de patologie anatomică a AA (3 cu diagnostic final de NsP și 3 IRIF). Acest procent (5,7%) de apendicectomii negative este mai mic decât Rapoartele din alte serii cuprinse între 10% și 23%.7,11,15
considerăm că utilizarea altor două categorii de diagnostic NIRIF și IRIF oferă o imagine mai largă a problemei și o clasificare care se comportă diferit pentru determinarea unui diagnostic (vor fi necesare mai multe teste imagistice), precum și tratament și prognostic.
principalul avantaj al modelului bazat pe arbori de clasificare, care în cazul nostru este de tip CHAID, este că modelul este ușor de interpretat. Regulile de clasificare generate includ toți pacienții posibili și aspecte ale diferitelor subgrupuri, cum ar fi vârsta și sexul.20,21
modelul CHAID a detectat că cea mai importantă variabilă este numărul de leucocite (care coincide cu modelul ANN). CHAID include, de asemenea, nivelul CRP în a doua linie. De asemenea, este interesant de observat că variabila clinică inclusă este durerea la tuse. În timpul examenului clinic, această durere nu depinde de explorator, ci de o manevră departe de examinarea abdominală directă. Cele 10 Reguli de clasificare generate au fost grupate în funcție de posibilitatea principală de diagnosticare. Reguli mai clare pot fi găsite pentru diagnosticul NsP și AA (pe care îl numim special) în cazul în care diagnosticul diferențial atinge o proeminență mai mare, deoarece grupurile NIRIF și IRIF sunt mai prezente.
alte serii au fost publicate folosind diferite metodologii de clasificare a arborelui, cum ar fi CART, dar au diferențiat doar între AA și non-AA. De asemenea,au fost realizate modele cu variabile clinice și analitice, 22 utilizând combinația cu Alvarado23 și adăugând teste imagistice.24
modelul ANN utilizat atinge valori acceptabile ale capacității de discriminare. Dezavantajul acestui model este că funcționează ca o ‘cutie neagră’ și nu poate fi interpretat într-o manieră simplă pentru utilizare clinică, deoarece este format din 480 de parametri (10,12,4) care includ toate interacțiunile dintre variabilele de intrare, cele ale stratului ascuns și cele ale nodurilor de ieșire. Un computer este necesar pentru utilizarea sa și funcționează ca un model comparativ. ANN utilizează toate interconexiunile variabilelor utilizate și nu este mai precisă decât modelul bazat pe CHAID. Alte studii au folosit ANN pentru diagnosticul de AA (concentrându-se doar pe AA și non-AA).25
Acest studiu are, de asemenea, mai multe limitări. Principala este atribuirea grupurilor utilizate. Acestea sunt grupuri care nu au fost validate de literatură, iar AA este considerat a fi un proces inflamator. Ar fi interesant să existe o dimensiune mai mare a eșantionului, în special în grupurile de diagnostic NIRIF și IRIF. În apărarea studiului, credem că modelele care compară doar AA față de alte condiții au o capacitate mai mică de a fi utilizate în managementul real al pacienților.în concluzie, credem că profesioniștii care tratează pacienții cu durere RIF pot beneficia de modele ușor de interpretat și oferă o clasificare cu mai mult de două posibilități (AA vs.non-AA). Modelul CHAID generat a atins acest obiectiv, deși ar trebui validat în alte serii mai mari.
finanțare
nu s-a primit nicio finanțare pentru realizarea acestui studiu.
Conflict de interese
nu avem niciun conflict de interese de declarat.