颅脑外伤后遗症--脑外伤后综合征(post-traumatic brain syndrome) 脑外伤病人在急性创伤已恢复之后,仍有许多自觉症状长期不能消除,但临床上又没有确切的神经系统阳性体征,甚至通过CT、MRI等检查亦无异常发现,这类病人往往是轻度或中度闭合性颅脑损伤,伤后一般情况恢复较好,但头昏、头痛及某些程度不一的植物神经功能失调或精神性症状却经久不愈。如果这些症状持续至伤后3个月以上仍无好转时,即称之为脑外伤后综合征。 脑外伤后综合征是脑外伤病人在恢复期以后,长期存在的一组自主神经功能失调或精神性症状。包括头痛、神经过敏、易怒、注意力集中障碍、记忆力障碍、头晕、失眠、疲劳等症状。而神经系统检查并无异常,神经放射学检查亦无阳性发现。一、发病机制 有关脑外伤后综合征的发病原因是器质性或为功能性,仍无定论。不过,从目前观点看,可能是在轻微脑器质性损害的前提下,再加上病人心身因素与社会因素而促成。必须指出,脑外伤后综合征的发生与脑组织受损的严重程度并无相应的关系。二、症状与体征 主要是头昏、头痛和神经系统机能障碍三方面。 首先:头痛是最为常见的症状,约占78%,可以是胀痛、锐痛、钝痛、搏动性疼痛,发作时间不定,以下午为多,部位常在额颞部或枕后部,有时累及整个头部。枕部的疼痛通常伴有颈后肌肉的疼痛和紧张感。可因情绪不佳、疲劳、失眠而加重,并因此而焦躁不安。外伤后头痛的一个明确原因是脑脊液的丧失,造成颅内低压而引起头痛。但是,大多数持续性,甚至相当严重的脑脊液外漏者没有显著的头痛,因此,脑脊液的过量产生,完全能够补充丢失的数量。 其次:头晕的表现各式各样,约占50%,往往诉说为头晕目眩、耳鸣、恶心,因体位变化而加重。主观感到头部昏浊、思维不够清晰,或是一种混乱迷糊的感觉,常有情绪不稳定、容易疲倦。失眠、注意力涣散、记忆力减退,甚至喜怒无常、易激动等表现。神经过敏和易激惹也是很常见的,一般由紧张的环境因素所引起。 第三:自主神经功能失调的表现为耳鸣、心悸、血压波动、多汗、月经失调、性功能障碍等。三、诊断 脑外伤后综合征的诊断需排除颅内器质性病变后方能确定。应行必要的检查如腰穿、脑电图、CT、 MRI等,一些病例可在MRI上发现脑实质内散在的小软化灶。而多数病人神经系统检查正常,神经放射学检查亦正常,脑电图检查有助于发现局灶性损害及有无持久的异常波形。CT扫描能够明确显示有无脑萎缩、脑积水或局限性病灶。MRI有利于发现脑实质内的微小出血点或软化灶。放射性核素脑脊液成像可以了解脑脊液循环是否存在阻碍。四、治疗 虽然,很多脑外伤后综合征其致病原因是心理因素和社会因素,但是,并不能说所有的外伤后综合征都是个人心理问题。应该详细了解受伤情况、各项检查和化验结果、治疗过程和疗效。对病人的陈述表示关注和理解,每一个症状虽然都很轻微,但综合到一起,足以严重到使一个人不能正常工作,要帮助病人解除对脑损伤的顾虑,结合药物治疗,建立治愈疾病的信心。如果外伤涉及到纠纷、责任、赔偿、失业等社会心理因素时,可能影响治疗。一般治疗:1、参加户外运动,锻炼身体。2、生活规律化。3、尽早恢复力所能及的工作。4、与朋友多倾心交谈,做到心情开朗,情绪稳定。药物治疗:对于没有器质性原因的脑外伤后综合征,治疗是十分困难的。可适当地给予药物治疗:1、头痛:颅痛定、布洛芬等;2、头晕:苯海拉明、维生素等;3、植物神经功能紊乱:谷维素、异丙嗪等;4、常用中成药:天麻、脑震宁等。本文系王建莉医生授权好大夫在线(www.haodf.com)发布,未经授权请勿转载。
中华神经外科杂志,2008,24:95-97 王建莉* 金国良郭京【摘要】目的 建立一个关于重型颅脑损伤患者生存的简单、方便、准确率高的预测模型。方法 采用分类和回归树(classification and regression tree,CART)分析方法,选择8个预后因子,对639例重型颅脑损伤患者的预后进行分析,预后以外伤后6个月生存或死亡为标准。结果 GCS评分是最好的预测因子,血糖、瞳孔情况是强有力的预测因子,头颅CT表现、年龄是有效的预测因子,白细胞计数也对预后产生有意义的影响。CART中的所有变量都与预后相关,预测生存的准确率达91.4%。结论 CART预测模型能较好地预测重型颅脑损伤患者的生存,是简单有效、准确率高的预测方法。【关键词】颅脑损伤;分类和回归树;预后;预测;Predict of the outcome of 639 cases survived from severe brain injury.WANG Jian-li,JIN Guo-liang,GUO Jing,*Department of Neurosurgery,shaoxing People’s Hospital,shaoxing,312000,China【Abstract】Objective To develop a simple and convenient predictive model with a high predictive accuracy for the outcome of severe brain injury.Methods A classification and regression tree(CART)technique was employed in the analysis of data from 639 cases with severe brain injury.A total of 8 prognostic indicators were selected,while survive or dead at 6 months after injury was used as prognostic criterion.Results Our results indicated that GCS was the best predictor of outcome.Glucose level and pupillary response were proved to be strong predictors.Computed tomographic findings and age were regarded as effective predictors.Leukocytosis was found to correlate significantly with prognosis.All variables included in this tree were found to be related to the outcome.The predictive accuracy of CART model for predict alive was 91.4%.Conclusions The CART proves to be a useful and accurate method in developing a simple and effective model for predicting survival’s outcome after severe brain injury.【Key words】Craniocerebral trauma;Classification and regression tree;Prognosis;Predict重型颅脑损伤死亡率高[1],预测显得尤为重要。笔者采用分类和回归树分析方法,对2004年1月1日至2006年12月31日收治的639例重型颅脑损伤患者的生存进行前瞻性预测分析。资料与方法1.病例选择只有闭合性重型颅脑外伤(GCS≤8分)纳入研究。入院时脑死亡、癫痫后昏迷及其他系统明显受伤排除在外:⑴腹部损伤需要手术治疗的。⑵胸部或肺部损伤需要手术或闭式引流的。⑶骨盆骨折或其他骨折需要复杂治疗的。⑷脊髓损伤或有意义的脊椎骨折。同时排除原有炎症、糖尿病和使用影响血糖及白细胞的药物者。2.初始变量接诊后进行神经病学评价(GCS评分、瞳孔情况、神经功能),头颅CT扫描,按诊疗规范治疗,测次晨血常规及血糖。3.一般资料本组男460例,女179例;年龄1~91岁,平均42.42岁。GCS3~4分148例,5~8分491例;空腹血糖:(9.81±5.12)mmol/L;白细胞计数:(14.89±4.92)×109/L;瞳孔情况:355例瞳孔正常,173例一侧散大,111例双侧散大;头颅CT示:伴硬膜外血肿192例,伴蛛网膜下腔出血331例,伴硬膜下血肿287例,伴广泛脑挫伤、脑内血肿389例,弥漫性轴索损伤30例;开颅手术治疗399例,非手术治疗240例。4.以GOS评分为基础将患者预后分成生存和死亡两类,生存491例(4分和5分381例,2分和3分110例);死亡148例(1分)。5.统计学方法:采用分类和回归树(classification and regression tree,CART)分析方法。统计软件为SPSS13.0,以伤后6个月的生存或死亡为应变量,以年龄、GCS评分、血糖值、白细胞计数、瞳孔情况、脑损伤类型、开颅手术作为自变量,选择CART作为树形的生长模式。横向有效分层取值为10,最大深度为10,选择母节点31,子节点10,剪枝1枝。结果采用CART统计结果显示,639例重型颅脑损伤患者伤后6个月生存情况如图1。卵圆形框为预后因子,分层后呈树状分布,方框表示终末结果显示患者数和生存的预测概率。CART第一层为GCS,节点是4分,在分层以后显示不同的生存概率,GCS≤4分的患者意味着更重的重型颅脑损伤,生存的概率为37.2%,而GCS>4分者为88.8%。GCS≤4分的患者,血糖为重要的预测因子,位于CART第二层,17.64mmol/L作为分层的节点,血糖>17.64mmol/L的患者,生存的概率仅有3.8%,为预后最差的一组;而GCS≤4分、血糖≤17.64mmol/L的患者,瞳孔位于CART第三层,瞳孔双侧散大者死亡率高。对于GCS≤4分、血糖≤17.64mmol/L、瞳孔正常或仅有一侧散大的患者,头颅CT显示是否伴广泛脑挫伤、脑内血肿位于CART第四层,若不伴广泛脑挫伤、脑内血肿,生存的概率为71%,其中,白细胞计数≤15.05×109/L者生存的概率是87.5%,大于此值者生存的概率降至53.3%。GCS4分以上者,瞳孔作为分层的重要依据,位于CART第二层,生存概率:瞳孔正常者是94.1%,一侧散大者是81.2%,双侧散大者是47.4%。对于GCS4分以上、瞳孔正常的患者,头颅CT显示是否伴蛛网膜下腔出血位于CART第三层,不伴蛛网膜下腔出血的患者生存的概率为本组数据最高,达98.2%。GCS4分以上、瞳孔一侧散大的患者,年龄作为分层的依据,≤63岁者生存的概率为85.1%。CART可以预测预后:如一个重型颅脑损伤患者,男,50岁,GCS4分,瞳孔正常,入院次晨空腹血糖为12.7mmol/L,白细胞计数为14.0×109/L,头颅CT显示:硬膜外血肿。根据CART预测图,则6个月后生存的概率为87.5%。讨论重型颅脑损伤的预后是人们关心的问题,预测能否生存相当重要[2]。临床研究显示,患者的GCS[3]、年龄、瞳孔、头颅CT表现[4,5]、颅内压、脑电图、诱发电位[6,7]、脑灌注压、S100-B蛋白[8]、高白细胞血症等与预后相关。笔者在研究中采纳的变量简单易行,包括GCS、瞳孔情况、血糖、脑损伤类型、年龄、白细胞计数、是否开颅手术。分类和回归树[9]:是一种数据勘测和预测算法。基本原理是对数据提出问题,每个问题都试一次,挑出最主要的一个,把数据分成有序的分割,对新的分割再提问,继续分割、提问、分割,直至树的末梢。CART结构类似一棵倒置的树,由主干和分支组成,节点的数据是分析结果。分析时先建立一棵完整的树,再用交叉印证的方法剪枝,直到提供剪枝后的模型。此法适用于任何分布类型的数据,树型结构与临床思维十分接近,即先抓主要因素,后抓次要因素,可以根据变量在树中的位置来辨别变量的预测价值。1.GCS评分:为早期颅脑损伤患者死亡率提供依据,总分提示病人的昏迷程度,与预后相关,GCS评分越低,预后越差[3]。本组GCS出现在CART第一层中,在众多的预测因子中排列第一,以4分为节点,分层后出现不同的生存概率,提示GCS评分是重型颅脑损伤预后评价的最重要的因子,能反映病情的严重程度,预测预后。2.瞳孔:是与意识障碍密切相关的直接检查,瞳孔散大尤其双侧散大表示病情濒危,注射甘露醇后双瞳无缩小,示脑干受压严重,预后极差。GCS4分以上者,瞳孔情况作为分层的重要依据,瞳孔正常者生存的概率是94.1%,瞳孔一侧散大者为81.2%,而双侧异常者仅为47.4%。可见瞳孔与死亡率相关。对于GCS≤4分、血糖≤17.64mmol/L的患者,瞳孔情况位于CART第三层,也与生存概率相关。3.血糖值:重度颅脑损伤后,影响下丘脑和垂体前叶功能,交感神经-肾上腺髓质系统兴奋,血中儿茶酚胺升高,进而导致血糖升高。大量葡萄糖经无氧糖酵解产生大量乳酸和氢离子,造成细胞内酸中毒,破坏血脑屏障,导致脑水肿,加重中枢神经系统的继发性损伤[10]。GCS≤4分的患者,血糖为重要的预测因子,位于CART第二层,血糖≤17.64mmol/L的患者生存的概率为44.3%,>17.64mmol/L的患者,生存的概率仅有3.8%,死亡率极高。4.脑损伤的类型:头颅CT显示的脑损伤的类型与预后相关,即使GCS分数相同,脑损伤类型不同的患者死亡率和致残率亦不同。本组CART预测图可见:是否伴广泛脑挫伤、脑内血肿以及是否伴有蛛网膜下腔出血与生存概率相关。首先:广泛脑挫伤、脑内血肿的患者常伴严重创伤性脑水肿,多处挫伤灶、血肿位于同侧者,常引起中线结构明显移位,多需手术治疗,而且术中多伴脑膨出,预后差,生存率低;挫伤灶、血肿双侧广泛存在者,出现弥漫性脑肿胀,颅内压持续性增高,即使双侧开颅减压仍预后不良[11]。其次:伴有蛛网膜下腔出血者,易并发脑血管痉挛、蛛网膜粘连及脑积水,预后差。5.年龄:是影响重型颅脑损伤预后的一个重要指标。Marc[12]等研究发现:颅脑损伤的死亡率与年龄正相关。老年人再生能力差,受损组织功能恢复困难,器官老化造成心、肺、肾功能衰退,易出现器官功能衰竭或功能障碍,死亡率上升。对于GCS 4分以上、瞳孔一侧散大的患者,年龄位于CART第四层,>63岁者生存的概率57.9%,≤63岁者则为85.1%。随着年龄的增长,生存概率明显下降。6.白细胞计数:重型颅脑损伤后,儿茶酚胺和类固醇激素水平应激性升高,导致外周血白细胞上升,引起微血管损伤,血脑屏障受损,白细胞增多预示着预后较差,白细胞计数升高的幅度可以判定颅脑损伤的严重程度[13,14]。本组数据白细胞计数位于CART终末枝,15.05×109/L作为分层的节点,≤15.05×109/L者生存的概率是87.5%,大于此值者生存的概率是53.3%。7.开颅手术:是否开颅手术未能进入CART。考虑可能与以下原因有关:首先,本组病例中,GCS3分和GCS8分患者手术治疗与不手术治疗的病例数相当,而且GCS3分者无论是否手术,绝大部分仍然难以生存;GCS8分者无论是否手术,存活率都较高。其次:医师根据患者的病情综合评价决定是否开颅手术,受到多种因素干扰。再次:开颅手术受许多与病情无关的主观因素的影响。所以是否开颅手术不能进入CART。CART作为一种非参数回归模型,适用于任何分布类型的数据。而且CART采用交叉验证的方法,在每个终止结能得到该节点的验证概率,不必进行验证[9]。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,准确率高,预测重型颅脑损伤患者6个月后的生存准确率达91.4%,为重型颅脑损伤预后的预测提供了简单有效的预测模型。参考文献1.刘兵,张建宁,王志涛,等.重型颅脑损伤死亡相关因素分析.中华神经外科杂志,2007,23(7):496-498.2.刘敬业.急性颅脑损伤10730例临床分析.中华神经外科杂志.2007,23(7):510-512.3.江基尧,张浚,钟天安,等.急性重型颅脑损伤患者预后的影响因素.第二军医大学学报,2001,22(8):763-766.4.Marshall LF,Marshall SB,Klauber MR,et al.A new classification of head injury based on computerized tomography.Journal of Neurosurgery.1991,75;14-20.5.Mattioli C,Beretta L,Gerevini S,et al.Traumatic subarachnoid hemorrhage on the computerized tomography scan obtained at admission:a multicenter assessment of the accuracy of diagnosis and the potential impact on patient outcome.J Neurosurg,2003,98:37-42.6.Carter BG,Butt W.Are somatosensory evoked potentials the best predictor of outcome after severe brain injury?A systematic review.Intensive Care Med.2005,31:765-775.7.张士刚,王继跃,郝华,等.脑干听觉及体感诱发电位对重型颅脑损伤病人预后的判断.中华神经医学杂志,2005,4(5):479-481.8.李宁,沈建康,徐福林,等.S-100B蛋白评估重型脑损伤预后的临床研究.中华创伤杂志,2004,20(7):395-397.9.Breiman L,Friedman J H,Olshen R A,et al.Classification and Regression Trees[M].Belmont,California:Wadsworth,USA,CRC Press,1984.1-357.10.张赛,杨树源,王明璐,等.重型脑损伤急性期血儿茶酚胺和与血糖变化及意义.中华神经外科杂志,1994,10(5):255.11.Marmarou A,Signoretti S,Fatouros PP,et al,Predominance of cellular edema in traumatic brain swelling in patients with severe head injuries.Journal of Neurosurgery.2006,104:720-730.12.Schaan M,Jaksche H,Boszczyk B.Predictors of outcome in head injury:Proposal of a new scaling system.The journal of Trauma.2002,52:667-674.13.Rovlias A,Kotsou S.The blood leukocyte count and its prognostic significance in sever head injury.Surg Neurol,2001,55:190114.唐晓平,唐文国,苟章洋,等.颅脑损伤后外周血白细胞和中性粒细胞的变化及其继发性脑损伤的关系.中华神经外科杂志,2007,23:38.
王建莉 金国良 俞学斌 李锦泉 王晓明 裘天仑【摘要】目的建立一个关于闭合性重型颅脑损伤预后的简单、便于使用、变量可以在日常工作中快速获得的预测准确率高的预测模型。方法采用分类和回归树(classification and regression tree,CART)分析方法,选择8个预后因子,对579例闭合性重型颅脑损伤患者的预后进行分析,预后指标为外伤后6个月GOS。结果 GCS是最好的预测因子,血糖、头颅CT表现、年龄、瞳孔情况是强有力的预测因子,白细胞计数也对预后产生有意义的影响。CART中的所有变量都与预后相关,预测准确率达87%。结论 CART预测模型能较好地预测闭合性重型颅脑损伤患者的预后,是一种简单有效、准确率高的预测方法。【关键词】脑损伤,重型;预后;因素分析;统计学Classification and regression tree for prediction of the outcome of severe closed brain injury.WANG jian-li,JIN guo-liang,YU xue-bin,LI jin-quan,WANG xiao-ming,QIU tian-lun.Department of Neurosurgery,shaoxing Peoples Hospital,shaoxing, 312000,China【Abstract】Objective To develop a simple and convenient predictive model with a high predictive accuracy, involving variables that can be rapidly and easily achieved in daily routine practice for the outcome of severe closed brain injury.Methods A classification and regression tree (CART) technique was employed in the analysis of data from 579 cases with severe closed brain injury. A total of 8 prognostic indicators were selected, while Glasgow Outcome Scale(GOS) at 6 months after severe closed brain injury was used as prognostic criterion. Results Our results indicated that GCS was the best predictor of outcome. Glucose level, computed tomographic findings, age and pupillary response were proved to be strong predictors. In the meantime, leukocytosis was found to correlate significantly with prognosis. The overall predictive accuracy of CART model for these data was 87%. All variables included in this tree were found to be related to the external fixators outcome. Conclusions The CART proves to be a useful and accurate method in developing a simple and effective model for predicting outcome after severe closed brain injury.【Key words】 Brain injuries, severe; Prognosis; Factor analysis; Statistics重型颅脑损伤具有较高的死亡率和致残率,学者们建立了许多预测模型,但是有些预测符合率低,有些设备昂贵,有些取材费时,有些涉及伦理等。笔者采用分类和回归树(classification and regression tree,CART)分析方法,对自2004年1月1日至2006年3月31日收治的579例重型颅脑损伤患者的预后进行前瞻性预测分析。1 临床资料与方法1.1 病例选择纳入标准:只有闭合性重型颅脑外伤(GCS8分)纳入研究。入院时脑死亡、酒精性昏迷、药物中毒性昏迷、癫痫被排除在外,其他系统明显受伤排除在外:⑴腹部损伤需要手术治疗的。⑵胸部或肺部损伤需要手术或闭式引流的。⑶骨盆骨折或其他骨折需要复杂治疗的。⑷脊髓损伤或有意义的脊椎骨折。同时排除原有炎症、糖尿病和任何影响血糖及白细胞的药物者。1.2 一般资料本组男412例,女167例;年龄1岁~91岁,[(42.4217.66)岁]。伤情:GCS 3分76例,4分67例,5分52例,6分 69例,7分134例,8分181例;空腹血糖(9.955.37)mmol/L;白细胞计数(14.694.72)109/L;瞳孔情况:313例瞳孔正常,266例瞳孔一侧或双侧散大;头颅CT示:主要由硬膜外血肿引起的168例,伴有蛛网膜下腔出血287例。开颅手术治疗367例,非手术治疗212例。1.3初始变量的获得入院处置[复苏和生命支持(advanced trauma life support,ATLS)]后即进行相关指标评价(GCS、瞳孔变化、神经功能),随后行CT扫描。根据需要送入ICU或普通病房或行开颅手术。留取次日晨血液样本,监测血常规及血糖。1.4伤后6个月GOS评价分为预后良好和预后不良。预后良好:Ⅴ级为预后佳,Ⅳ级为轻度功能障碍;预后差:Ⅲ级为重残,Ⅱ级为持续植物状态,Ⅰ级为死亡。预后良好373例,预后差206例,其中死亡140例。1.5统计学分析采用CART统计。统计软件为SPSS13.0,本组以伤后6个月后的GOS评分为应变量,以年龄、GCS、血糖值、白细胞计数、瞳孔、脑损伤类型、开颅手术作为自变量,选择分类和回归树作为树形的生长模式。横向有效分层取值为10,最大深度为8,选择母节点30,子节点13,剪枝1枝。2 结果采用CART统计结果显示,579例重型颅脑损伤患者伤后6个月GOS情况如图1。卵圆形框为预后因子,分层后呈树状分布,方框表示终末结果,患者数和预后差的预测概率在方框内显示。CART第一层为GCS,节点是4分,GCS4分以下的患者意味着更重的重型颅脑损伤,而GCS>4分与GCS4分在分层以后显示不同模式,即不同预后不良的概率。GCS4分的患者预后不良的概率为90%,而GCS>4分的患者预后不良的概率为18%。对于GCS4分的患者,血糖为重要的预测因子,位于CART第二层,8.66mmol/L作为分层的节点,血糖8.66mmol/L的患者预后不良的概率为78%。白细胞计数位于CART第三层,12.25109/L者预后不良的概率是57%,大于此值者预后不良的概率是86%。而对于血糖>8.66mmol/L的患者,预后不良的概率高达97%。年龄成为进一步分层的依据,38岁者预后不良的概率为91%,而>38岁者预后不良的概率达100%,预后最差。对于GCS 4分以上者,6分者瞳孔情况位于CART第二层,双侧瞳孔正常者预后不良的概率是21%,一侧或双侧瞳孔异常者预后不良的概率为51%,而硬膜外血肿又是分层的节点,显示硬膜外血肿引起的瞳孔异常改变者预后好。对于>6分的患者,年龄作为分层的重要依据,>64岁者预后不良的概率39%,而64岁者预后不良的概率为仅为5%,预后最好。所以,患者的预后可以由CART得到。一个重型颅脑损伤患者GCS 5分,瞳孔一侧散大,光反应消失,头颅CT示硬膜外血肿,则预后差的概率为32%。3 讨论重型颅脑损伤的预后一直是人们关心的问题。多年的临床研究显示,患者的GCS、损伤的类型、瞳孔反应、年龄、头颅CT表现、颅内压水平、特异的血浆生化标记物如肌酸激酶同工酶、神经元特异酶、S100-B蛋白[1]、血清髓鞘碱性蛋白、体感诱发电位[2]、脑电图、脑灌注压、经颅多普勒超声的血流速度、高血压、缺氧、高二氧化碳血症、贫血、高凝病、高血糖、高白细胞血症等与预后相关。笔者在研究中采纳的变量简单易行,包括GCS、年龄、头颅CT表现、瞳孔情况、血糖值、白细胞计数、是否开颅手术。3.1 GCSGCS反映患者的昏迷程度,普遍认为GCS越低,预后越差。本组GCS出现在CART第一层中,提示GCS是重型颅脑损伤预后评价的重要因子,在众多的预测因子中排列第一,4分者预后最差,以4分为节点,分层后出现不同的预后不良概率。GCS包括睁眼、言语、运动反应,能反映病情的严重程度,同时也能很好的预测预后。3.2 年龄许多研究表明,随着年龄的增长,预后逐渐变差。Gan等[3]回顾性分析324例重型颅脑损伤患者,认为年龄是一个独立的重要的预后因子,证实年龄升高与预后不良的相关性。本组资料显示,年龄作为一个重要的分层依据,对于GCS3~4分、血糖>8.66mmol/L的重型颅脑损伤患者,>38岁者预后不良的概率达100%。而38岁者预后不良的概率降至91%。对于GCS7~8分的患者,年龄节点在64岁,也直接与预后相关。考虑随着年龄的增长,器官老化造成心、肺、肾功能衰退,在颅脑伤后,易出现器官功能衰竭或功能障碍;老年人因体质弱,反应差,易发生感染等;又因再生能力差,使受损组织的功能恢复困难。因此,随着年龄增大,颅脑损伤患者病死率趋之上升。3.3 脑损伤的类型笔者把硬脑膜外血肿和外伤性蛛网膜下腔出血作为预测因子,对于GCS 5~6分,且瞳孔有异常改变者,是否由于硬膜外血肿引起的瞳孔改变在CART中表现出重要意义,因为硬膜外血肿的死亡率与手术前患者的意识水平相关。若合并其他颅内损伤,如脑挫裂伤、硬膜下血肿等,对预后较差,而为硬膜外血肿者,通常预后良好。但是,是否伴有蛛网膜下腔出血不能进入决策树,认为与预后无明确相关性,可能与本研究未将蛛网膜下腔出血的严重程度进一步细分有关。3.4 瞳孔瞳孔改变在临床上意义重大,对于GCS6分的患者,瞳孔情况位于CART第二层,与预后关系密切,瞳孔正常者预后差的概率是21%,而一侧或双侧瞳孔异常者预后差的概率达到51%。脑疝发生后一旦动眼神经受刺激或受压,则通常伤情重,预后差。3.5 血糖与白细胞计数血糖值与白细胞计数在CART中位于第二层和第三层。血糖是一个强有力的预测因子,对于GCS 3~4分的患者,血糖>8.66mmol/L者预后差的概率97%,而8.66mmol/L者降为78%,其中白细胞计数>12.25109/L者预后差的概率为86%,而12.25109/L者预后差的概率为57%。创伤急性期的血糖与白细胞计数由于应激而增高,通常创伤程度重者应激反应明显,CART中反映出数值高者预后差。3.6 开颅手术是否开颅手术未能进入CART。考虑可能与以下原因有关:首先,虽然开颅手术可以挽救生命、降低死亡率已被认同,但是开颅手术治疗总的利弊尚有较大争议[4]。本组病例中,GCS3分和GCS8分患者手术治疗与不手术治疗的病例数相当,而且GCS3分者无论是否手术,绝大部分仍然难以生存;GCS8分者无论是否手术,通常亦能取得良好的神经病学预后,而手术治疗需要承受手术本身的风险。其次:临床医师通常根据患者的年龄、病史、体征、实验室检查、头颅CT、颅内压监测等综合评价决定是否开颅手术,对于决策树来讲,将一个受许多因素影响的变量作为单纯的因素来分析,不甚合理。再次:开颅手术受许多与病情无关的主观因素的影响,如:患方的意愿、患方的经济社会条件、医师的判断、医师的手术基本操作水平等,从某种程度上也影响了决策树的分析。所以,是否开颅手术不能进入本决策树。多种预后因子结合较单个因子预测模型更敏感和更特异[5]。采用分类树方式创建了一个以树形为基础的分类模型。这个模型以预测目标作为应变量,以预测因素作为自变量进行分类分析,在统计分析过程中,不管此自变量能否最终进入决策树,CART已经综合考虑了各自变量之间的重叠与干扰,不受其影响,并根据应变量的均一性使数据分层生成CART。将各种可能的方案和结局,按照其主要的预测因子和次要预测因子的顺序勾画成一棵不断分叉的树形图,再通过对各个枝节的期望概率计算来进行临床决策。任何一个重型颅脑损伤的患者都可以根据收集的初始变量数据,直接从树状图中得出唯一的预后组,得到不同的预后概率,为重型颅脑损伤的预后提供了简单有效的预测模型,便于临床诊治过程做出相应的决策。本研究获取变量简单、方便,有着较高的敏感性和特异性,本组准确率达87%。但是,这项技术只是补充,不能取代或影响临床医生的判断和其他的统计预测模型,更重要的是,不能影响患者的治疗。参考文献1. Ucar T,Baykal A,Akyuz M,et al.Comparison of serum and cerebrospinal fluid prote in S-100b levels after severe head injury and their prognostic importance.J Trauma, 2004, 57:95-98.2. Amantini A, Grippo A, Fossi S,et al.Prediction of 'awakening' and outcome in prolonged acute coma from severe traumatic brain injury: evidence for validity of short latency SEPs. Clin Neurophysiol, 2005, 116:229-235.3. Gan BK, Lim JH, Ng IH.Outcome of moderate and severe traumatic brain injury amongst the elderly in Singapore. Ann Acad Med Singapore, 2004, 33:63-67.4. Chantal Hukkelhoven, Ewout Steyerberg, J Dik, et al: Predicting outcome after traumatic brain injury: development and validation of a prognosis score based on admission characteristics. Neurotrauma, 2005, 22: 1025-1039.5. Pillai SV, Kolluri VR, Praharaj SS.Outcome prediction model for severe diffuse brain injuries: development and evaluation. Neurol India, 2003, 51:345-349.