nmpЖурнал им. Н.В. Склифосовского «Неотложная медицинская помощь»Russian Sklifosovsky Journal "Emergency Medical Care"2223-90222541-8017“N.V. Sklifosovsky Research Institute for Emergency Medicine”10.23934/2223-9022-2017-6-1-30-33nmp-341Research ArticleМЕТОДОЛОГИЯ КЛИНИЧЕСКИХ ИССЛЕДОВАНИЙMETHODOLOGY OF CLINICAL STUDIESНОВЫЙ МЕТОД ПРОГНОЗИРОВАНИЯ ВЕРОЯТНОСТИ ВЫЖИВАНИЯ И ОЦЕНКИ НЕОПРЕДЕЛЕННОСТИ ДЛЯ ПАЦИЕНТОВ С ТРАВМАМИA NEW METHOD FOR PREDICTING SURVIVAL AND ESTIMATING UNCERTAINTY IN TRAUMA PATIENTSЩетининВ. Г.SchetininV. G.

Пенза;

кандидат технических наук, старший преподаватель кафедры вычислительной техники, Лутон

Penza;

PhD, Senior Lecturer in Computing and Information Systems, Luton

vitaly.schetinin@beds.ac.ukЯкайтеЛ. И.JakaiteL. I.

Лутон

Luton

КурякинВ. Ф.KuriakinV. F.

Пенза

Penza

ГорбаченкоВ. И.GorbachenkoV. I.

Пенза

Penza

ФГБОУ ВО «Пензенский государственный университет»; Университет Бедфордшира, ЛутонВеликобританияPenza State University; University of BedfordshireUnited KingdomУниверситет БедфордшираВеликобританияUniversity of BedfordshireUnited KingdomФГБОУ ВО «Пензенский государственный университет»РоссияPenza State UniversityRussian Federation201729032017613033Copyright © Щетинин В.Г., Якайте Л.И., Курякин В.Ф., Горбаченко В.И., 20172017Щетинин В.Г., Якайте Л.И., Курякин В.Ф., Горбаченко В.И.Schetinin V.G., Jakaite L.I., Kuriakin V.F., Gorbachenko V.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.jnmp.ru/jour/article/view/341

Для оценки тяжести травм и повреждений в настоящее время используется «золотой» стандарт Trauma and Injury Severity Score (TRISS), предназначенный для скрининга состояния пациента с целью предсказания вероятности выживания. Однако использование этого стандарта в течение более чем 40 лет выявило ряд проблем: первое — необъяснимую флуктуацию предсказанных значений, вызванную агрегированием скрининговых тестов, второе — недостаточную точность оценки интервалов неопределенности, в которых распределены предсказания. Для снижения негативного влияния этих факторов нами разработан новый метод и сделан доступным для практиков в виде web-калькулятора. Метод использует байесовскую методологию статистического вывода, которая теоретически позволяет достичь максимальной точности предсказаний, являясь, однако, вычислительно сложной в реализации. Метод был реализован и верифицирован нами на выборке данных, включающей 571 148 пациентов, зарегистрированных в US National Trauma Data Bank (NTDB), с числом травм от 1 до 20. Распределение пациентов по группам по числу травм: 1-я группа — 174 647 пациентов имели 1 травму, 2-я группа — 381 137— от 2 до 10 травм и 3-я группа 15 364 — от 11 до 20 травм. Доли выживших в каждой категории были 0,977, 0,953 и 0,831 соответственно. Предложенный нами метод улучшил точность предсказаний на 0,04%, 0,36% и 3,64% (значимость p<0,05) для каждой указанной группы. Критерий Хосмер-Лемешоу показал значительное улучшение калибрации новой модели. Интервалы неопределенности 2σ были снижены с 0,628 до 0,569 для пациентов 2-й группы и с 1,227 до 0,930 для пациентов 3-й группы (p<0,005). Новый метод показал статистически значимое улучшение как точности предсказания выживания, так и точности оценки интервалов неопределенности. Наибольшее улучшение достигается для пациентов 3-й группы. Метод сделан доступным для практиков как web-калькулятор http://www.traumacalc.org.

The Trauma and Injury Severity Score (TRISS) is the current “gold” standard of screening patient’s condition for purposes of predicting survival probability. More than 40 years of TRISS practice revealed a number of problems, particularly, 1) unexplained fluctuation of predicted values caused by aggregation of screening tests, and 2) low accuracy of uncertainty intervals estimations. We developed a new method made it available for practitioners as a web calculator to reduce negative effect of factors given above. The method involves Bayesian methodology of statistical inference which, being computationally expensive, in theory provides most accurate predictions. We implemented and tested this approach on a data set including 571,148 patients registered in the US National Trauma Data Bank (NTDB) with 1–20 injuries. These patients were distributed over the following categories: (1) 174,647 with 1 injury, (2) 381,137 with 2–10 injuries, and (3) 15,364 with 11–20 injuries. Survival rates in each category were 0.977, 0.953, and 0.831, respectively. The proposed method has improved prediction accuracy by 0.04%, 0.36%, and 3.64% (p-value <0.05) in the categories 1, 2, and 3, respectively. Hosmer-Lemeshow statistics showed a significant improvement of the new model calibration. The uncertainty 2σ intervals were reduced from 0.628 to 0.569 for patients of the second category and from 1.227 to 0.930 for patients of the third category, both with p-value <0.005. The new method shows the statistically significant improvement (p-value <0.05) in accuracy of predicting survival and estimating the uncertainty intervals. The largest improvement has been achieved for patients with 11–20 injuries. The method is available for practitioners as a web calculator http://www.traumacalc.org.

оценка тяжести травм и поврежденийTRISSпредсказание выживанияweb-калькуляторtrauma caretrauma injury severity scoresurvival predictionProf Lecky, Dr Bouamra (UK Trauma Audit and Research Network, University of Manchester)ReferencesBoyd C.R., Tolson M.A., Copes W.S. Evaluating trauma care: The TRISS method. Trauma Score and the Injury Severity Score. J. Trauma. 1987; 27(4): 370–378. PMID: 310664.Boyd C.R., Tolson M.A., Copes W.S. Evaluating trauma care: The TRISS method. Trauma Score and the Injury Severity Score. J Trauma. 1987; 27(4): 370–378. PMID: 310664.Committee on Trauma, American College of Surgeons NTDB Research Data Set and National Sample Program. 2014. URL: http://www.facs.org/trauma/ntdb/ntdbapp.html. Accessed Jul 01, 2016.Committee on Trauma, American College of Surgeons. NTDB Research Data Set and National Sample Program. 2014. URL: http://www.facs.org/trauma/ntdb/ntdbapp.html. (Accessed Jul 01, 2016.)Kilgo P., Meredith J., Osler T. Injury severity scoring and outcomes research. In: Trauma / eds. D.V. Feliciano, K.L. Mattox, E.E. Moore. 6th ed. New York: McGraw-Hill, 2008. 223–230.Kilgo P., Meredith J., Osler T. Injury severity scoring and outcomes research. In: Feliciano D.V., Mattox K.L., Moore E.E., eds. Trauma. 6th ed. New York: McGraw-Hill, 2008: 223–230.Brohi K. TRISS: Trauma — injury severity score. TRISS — Overview and Desktop Calculator. 2012. URL: http://www.trauma.org/index.php/main/article/387. Accessed Jul 01, 2016.Brohi K. TRISS: Trauma — injury severity score. TRISS — Overview and Desktop Calculator. 2012. URL: http://www.trauma.org/index.php/main/article/387. (Accessed Jul 01, 2016.)Osler T., Glance L., Buzas J., et al. A trauma mortality prediction model based on the anatomic injury scale. Ann. Surg. 2008; 247(6): 1041–1048. DOI: 10.1097/SLA.0b013e31816ffb3f.Osler T., Glance L., Buzas J., et al. A trauma mortality prediction model based on the anatomic injury scale. Ann Surg. 2008; 247(6): 1041–1048. DOI: 10.1097/SLA.0b013e31816ffb3f.Steyerberg E., Vickers A., Cook N., et al. Assessing the performance of prediction models: A framework for traditional and novel measures. Epidemiology. 2010; 21(1): 128–138. DOI: 10.1097/EDE.0b013e3181c30fb2.Steyerberg E., Vickers A., Cook N., et al. Assessing the performance of prediction models: A framework for traditional and novel measures. Epidemiology. 2010; 21(1): 128–138. DOI: 10.1097/EDE.0b013e3181c30fb2.Rogers F., Osler T., Krasne M., et al. Has TRISS become an anachronism? A comparison of mortality between the National Trauma Data Bank and Major Trauma Outcome Study databases. J. Trauma Acute Care Surg. 2012; 73(2): 326–331. DOI: 10.1097/TA.0b013e31825a7758.Rogers F., Osler T., Krasne M., et al. Has TRISS become an anachronism? A comparison of mortality between the National Trauma Data Bank and Major Trauma Outcome Study databases. J Trauma Acute Care Surg. 2012; 73(2): 326–331. DOI: 10.1097/TA.0b013e31825a7758.Bailey T.C., Everson R.M., Fieldsend J.E., et al. Representing classifier confidence in the safety critical domain — an illustration from mortality prediction in trauma cases. Neur. Comput. Applicat. 2007; 16(1): 1–10. DOI: 10.1007/s00521-006-0053-y.Bailey T.C., Everson R.M., Fieldsend J.E., et al. Representing classifier confidence in the safety critical domain – an illustration from mortality prediction in trauma cases. Neur Comput Applicat. 2007; 16(1): 1–10. DOI: 10.1007/s00521-006-0053-y.Negrin M.A., Nam J., Briggs A.H. Bayesian solutions for handling uncertainty in survival extrapolation. Med. Decis. Making. 2016. pii: 0272989X16650669. DOI: 10.1177/0272989X16650669.Negrin M.A., Nam J., Briggs A.H. Bayesian solutions for handling uncertainty in survival extrapolation. Med Decis Making. 2016. PII: 0272989X16650669. DOI: 10.1177/0272989X16650669.Schetinin V., Jakaite L., Krzanowski W.J. Bayesian prediction for survival of patients: Study on the US national trauma data bank. Comput. Methods Programs Biomed. 2013; 111(3): 602–612. DOI: 10.1016/j.cmpb.2013.05.015.Schetinin V., Jakaite L., Krzanowski W.J. Bayesian prediction for survival of patients: Study on the US national trauma data bank. Comput Methods Programs Biomed. 2013; 111(3): 602–612. DOI: 10.1016/j.cmpb.2013.05.015.Schetinin V., Jakaite L., Krzanowski W.J. Prediction of survival probabilities with Bayesian decision trees. Exp. Syst. Applicat. 2013; 40(14): 5466–5476. DOI: 10.1016/j.eswa.2013.04.009.Schetinin V., Jakaite L., Krzanowski W.J. Prediction of survival probabilities with Bayesian decision trees. Exp Syst Applicat. 2013; 40(14): 5466–5476. DOI: 10.1016/j.eswa.2013.04.009.Schetinin V., Jakaite L. TraumaCalc. Bayesian prediction of trauma survival. 2016. URL: http://www.traumacalc.org Accessed Jul 01, 2016.Schetinin V., Jakaite L. TraumaCalc. Bayesian prediction of trauma survival. 2016. URL: http://www.traumacalc.org (Accessed Jul 01, 2016.)Schetinin V., Jakaite L., Jakaitis J., Krzanowski W. Bayesian decision trees for predicting survival of patients: A study on the US national trauma data bank. Computer Methods and Programs in Biomedicine. 2013; 111(3): 602–612. DOI: http://dx.doi.org/10.1016/j.cmpb.2013.05.015.Schetinin V., Jakaite L., Jakaitis J., Krzanowski W. Bayesian decision trees for predicting survival of patients: A study on the US national trauma data bank. Computer Methods and Programs in Biomedicine. 2013; 111(3): 602–612. DOI: http://dx.doi.org/10.1016/j.cmpb.2013.05.015.

The authors declare that there are no conflicts of interest present.