SYNCOPE RISK STRATIFICATION IN THE EMERGENCY DEPARTMENT: COMPARISON OF DIFFERENT PREDICTION MODELS AND THE POSSIBLE ROLE OF ATTRIBUTE MATCHING
Tesi di Dottorato
Data di Pubblicazione:
2018
Citazione:
SYNCOPE RISK STRATIFICATION IN THE EMERGENCY DEPARTMENT: COMPARISON OF DIFFERENT PREDICTION MODELS AND THE POSSIBLE ROLE OF ATTRIBUTE MATCHING / M. Solbiati ; tutor: P. Duca ; coordinatore: C. Lavecchia. DIPARTIMENTO DI SCIENZE BIOMEDICHE E CLINICHE "L. SACCO", 2018 Mar 07. 30. ciclo, Anno Accademico 2017. [10.13130/solbiati-monica_phd2018-03-07].
Abstract:
Gli strumenti fino ad ora disponibili hanno fallito nel tentativo di predire gli eventi avversi dei pazienti con sincope in pronto soccorso. Per valutare i possibili punti di forza e di debolezza e confrontare i diversi metodi statistici usati per la derivazione di score e scale di rischio, abbiamo deciso di derivare dei modelli basati su regressione logistica multivariata e reti neurali artificiali (ANN) a partire da un database retrospettivo e di validarli in un nuovo dataset di 354 pazienti. L’area sotto la curva ROC di regressione multivariata e ANN è risultata rispettivamente di 0.726 e 0.694 nella coorte di validazione. Vista la bassa accuratezza predittiva dei modelli analizzati, abbiamo provato a identificare metodi alternativi per predire il rischio di eventi avversi dei pazienti con sincope. Abbiamo ipotizzato che si potesse stimare una probabilità pre-test accurata appaiando ogni singolo paziente ad un gruppo di pazienti con le stesse caratteristiche cliniche, e valutando la proporzione che aveva sviluppato l’outcome di interesse (attribute matching). In teoria, il funzionamento ideale di tale sistema consentirebbe di confrontare un profilo clinico tanto più dettagliato e di avere stime di rischio molto precise quanto più il database di riferimento è ampio. Pertanto, questo strumento non è ancora utilizzabile nella pratica clinica, ma sembra un metodo promettente. Studi futuri dovrebbero costruire database prospettici che arruolino un gran numero di pazienti per valutare se l’attibute matching possa aggiungere informazioni agli strumenti predittivi tradizionali e alla stima del rischio da parte di medici esperti. Inoltre, la possibilità di introdurre variabili nuove e sempre più complesse e di poter predire nel dettaglio diversi tipi di outcome, potrebbe creare un profilo clinico più specifico e potenzialmente sempre più accurato.
Tipologia IRIS:
Tesi di dottorato
Keywords:
syncope; risk stratification; clinical prediction tools; attribute matching; emergency department; prognosis
Elenco autori:
M. Solbiati
Link alla scheda completa:
Link al Full Text: