Objective: To determine whether a p

Objective: To determine whether a prediction model combining self-reported symptoms, sociodemographic and clinical parameters could serve as a reliable first screening method in a step-by-step diagnostic approach to sleep apnea syndrome (SAS) in stroke rehabilitation. Design: Retrospective study. Setting: Rehabilitation center. Participants: Consecutive sample of patients with stroke (N=620) admitted between May 2007 and July 2012. Of these, 533 patients underwent SAS screening. In total, 438 patients met the inclusion and exclusion criteria. Interventions: Not applicable. Main Outcome Measures: We administered an SAS questionnaire consisting of self-reported symptoms and sociodemographic and clinical parameters. We performed nocturnal oximetry to determine the oxygen desaturation index (ODI). We classified patients with an ODI ≥15 as having a high likelihood of SAS. We built a prediction model using backward multivariate logistic regression and evaluated diagnostic accuracy using receiver operating characteristic analysis. We calculated sensitivity, specificity, and predictive values for different probability cutoffs. Results: Thirty-one percent of patients had a high likelihood of SAS. The prediction model consisted of the following variables: sex, age, body mass index, and self-reported apneas and falling asleep during daytime. The diagnostic accuracy was .76. Using a low probability cutoff (0.1), the model was very sensitive (95%) but not specific (21%). At a high cutoff (0.6), the specificity increased to 97%, but the sensitivity dropped to 24%. A cutoff of 0.3 yielded almost equal sensitivity and specificity of 72% and 69%, respectively. Depending on the cutoff, positive predictive values ranged from 35% to 75%. Conclusions: The prediction model shows acceptable diagnostic accuracy for a high likelihood of SAS. Therefore, we conclude that the prediction model can serve as a reasonable first screening method in a stepped diagnostic approach to SAS in stroke rehabilitation. © 2014 American Congress of Rehabilitation Medicine.

ผลลัพธ์ (ไทย) 1:

วัตถุประสงค์: เพื่อกำหนดว่า การรวมแบบจำลองทำนายตนเองรายงานอาการ sociodemographic และพารามิเตอร์ทางคลินิก สามารถให้บริการเป็นที่น่าเชื่อถือก่อนตรวจคัดกรองวิธีในกลุ่มอาการแสง (SAS) วิธีวินิจฉัยการทีละขั้นตอนในจังหวะฟื้นฟู ออกแบบ: คาดศึกษา การตั้งค่า: ศูนย์ฟื้นฟู ผู้เรียน: อย่างต่อเนื่องของผู้ป่วยที่มีโรคหลอดเลือดสมอง (N = 620) ยอมรับระหว่าง 2007 พฤษภาคมและ 2555 กรกฎาคม เหล่านี้ ผู้ป่วย 533 เปลี่ยนคัดกรอง SAS รวม ผู้ป่วย 438 ตรงตามเงื่อนไขการรวมและแยก การรักษา: ใช้ไม่ หลักประเมินผล: เราจัดการแบบสอบถาม SAS ที่ประกอบด้วยพารามิเตอร์ทางคลินิกอาการรายงานด้วยตนเอง และ sociodemographic เราทำ oximetry บรรณาธิการเพื่อกำหนดดัชนี desaturation ออกซิเจน (จาก) เราแบ่งผู้ป่วย≥ 15 จากการมีความเป็นไปได้สูงของ SAS เราสร้างแบบจำลองพยากรณ์ใช้ย้อนหลังถดถอยโลจิสติกตัวแปรพหุ และประเมินวินิจฉัยถูกต้องโดยใช้ตัวรับสัญญาณที่ทำการวิเคราะห์ลักษณะ เราคำนวณความไว specificity และค่างานสำหรับ cutoffs ความแตกต่างกัน ผลลัพธ์: หนึ่งสามสิบเปอร์เซ็นต์ของผู้ป่วยที่มีความเป็นไปได้สูงของ SAS แบบจำลองการคาดการณ์ประกอบด้วยตัวแปรต่อไปนี้: เพศ อายุ ดัชนีมวลกาย และ apneas รายงานด้วยตนเอง และหลับในเวลากลางวัน ความถูกต้องวินิจฉัยถูก.76 ใช้ตัดต่ำ (0.1), แบบนั้นมีความสำคัญมาก (95%) แต่ไม่เฉพาะ (21%) ที่ตัดสูง (0.6), specificity ที่เพิ่มขึ้น 97% แต่ความไวจะลดลง 24% ตัดของ 0.3 ผลความไวเกือบเท่าและ specificity 72% และ 69% ตามลำดับ ขึ้นอยู่กับการตัดยอด บวกคาดการณ์ค่าอยู่ในช่วงจาก 35% เป็น 75% บทสรุป: แบบจำลองการคาดการณ์แสดงความยอมรับการวินิจฉัยสำหรับโอกาสสูงของ SAS ดังนั้น เราสรุปว่า สามารถทำหน้าที่แบบทำนายแรกเหมาะสมวิธีการในวิธีวินิจฉัยการก้าวการ SAS ในจังหวะฟื้นฟูการตรวจคัดกรอง © อเมริกัน 2014 คองเกรสของแพทย์เวชศาสตร์ฟื้นฟู

ผลลัพธ์ (ไทย) 2:

วัตถุประสงค์ของโครงการเพื่อตรวจสอบว่ารุ่นที่ผสมผสานการคาดเดาอาการด้วยตนเอง - รายงาน sociodemographic และตัวแปรทางการแพทย์ไม่สามารถทำหน้าที่เป็นวิธีการคัดเลือกครั้งแรกที่น่าเชื่อถือในแนวทางการวินิจฉัยแบบทีละขั้นตอนเพื่อการนอนหลับโรค apnea ( SAS )ในการฟื้นฟูตี. การออกแบบการศึกษามีผลย้อนหลังได้ การตั้งค่าศูนย์ฟื้นฟู ผู้ร่วมประชุมตัวอย่างต่อเนื่องของผู้ป่วยที่มี( N =ตัวประมวลผล 620 M ,)ยอมรับว่าระหว่างเดือน พฤษภาคม 2007 และเดือนกรกฎาคม 2012 ในจำนวนนี้ 533 ผู้ป่วยได้รับการตรวจคัด SAS ในจำนวนผู้ป่วย, 438 ล้านตรงตามเงื่อนไขการยกเว้นและการรวมเข้าไว้ด้วยกันได้ การแทรกแซงไม่สามารถใช้ได้. หลักผลมาตรการเราบริหารแบบสอบถาม SAS ที่ประกอบด้วยอาการแบบรายงานและ sociodemographic และตัวแปรทางการแพทย์.เราดำเนินการ oximetry ออกหากินเวลากลางคืนเพื่อกำหนดดัชนีลดออกซิเจน( odi ) เราได้รับการจำแนกให้เป็นผู้ป่วยที่มี odi กำหนดขั้นต่ำไม่น้อยกว่า≥ 15 ที่เป็นมีโอกาสสูงที่มาของ SAS เราสร้างรุ่นการคาดเดาโดยใช้ด้านการขนส่ง( Log multivariate ย้อนกลับและประเมินความแม่นยำการวินิจฉัยโดยใช้อุปกรณ์รับสัญญาณทำงานการวิเคราะห์ลักษณะ เราคำนวณ Mainstream )เพียงเท่านั้นความไวแสงและค่าแบบคาดการณ์เอาไว้แล้วสำหรับชุดแบบขาเว้าโอกาสแตกต่างกัน ผลการค้นหาสามสิบ - หนึ่งเปอร์เซ็นต์ของผู้ป่วยมีโอกาสสูงที่มาของ SAS . รุ่นที่ประกอบด้วยการทำนายของตัวแปรต่อไปนี้:เพศดัชนีมวลกายอายุและในแบบบริการตัวเองและรายงาน apneas หลับในระหว่างช่วงเวลากลางวัน การวินิจฉัยที่ถูกต้องแม่นยำเป็น .76 การใช้ตัดโอกาสต่ำ( 0.1 )รุ่นที่เป็นความลับเป็นอย่างมาก( 95% )แต่ระบุไม่ได้( 21% ) ที่ตัดสูง( 0.6 ) Mainstream )เพียงเท่านั้นที่เพิ่มขึ้นเป็น 97% แต่ความไวแสงที่ลดลงถึง 24% ตัดที่ 0.3 ของพวกเขาถกเถียงเกือบจะสิ้นลมหายใจและความไวเท่ากัน 72% และ 69% ตามลำดับ ทั้งนี้ขึ้นอยู่กับตัดค่าแบบคาดการณ์เอาไว้แล้วว่า Fixed Ranged Discount Promotion ในเชิงบวกจาก 35% เป็น 75% บทสรุปรุ่นการคาดการณ์จะแสดงความแม่นยำการวินิจฉัยที่ยอมรับได้สำหรับความเป็นไปได้สูงของ SAS ดังนั้นเราจึงสรุปได้ว่าการทำนายของรุ่นที่สามารถจัดให้บริการวิธีการสรรหาเป็นครั้งแรกที่เหมาะสมและอยู่ในแนวทางการวินิจฉัยก้าวที่จะ SAS ในแต้มการฟื้นฟู © .2014 ชาวอเมริกันการประชุมฟื้นฟูยารักษาโรค.