レベル1の外傷センターに認められた外傷患者のリハビリテーションへの移転の予測因子 - モデル派生および内部検証研究

目的：外傷患者のコホートにおけるリハビリテーションへの移転の予測因子を決定し、損傷管理の急性期にそのような患者を特定するリスクスコアベースの臨床予測ツールを導き出します。 方法：2007年から2011年の間に負傷により認められた15〜65歳のすべての患者について、単一レベル1の外傷センターでの外傷レジストリデータが得られました。モデルは、データセット全体でレシーバーオペレーターの特性分析とブートストラップクロス検証を使用して、検証データセットでテストされました。臨床予測リスクスコアは、最終モデルに基づいて開発されました。 結果：この研究には4900人の患者が含まれていました。段階的選択によるロジスティック回帰後のリハビリテーションの最も強力な予測因子であることがわかった変数は、骨盤損傷（OR 12.6 95％CI 6.2、25.2 P <0.001）、集中介護ユニット入院の必要性（OR 7.2 95％CI 4.2、12.3 P <0.001）および神経精巣の操作（OR 10.5 95％CI 4.7ブートストラップクロス検証後、平均AUCは0.86（95％CI 0.84、0.89）でした。このモデルの感度は89％、特異性は64％でした。 結論：集中ユニット入院、脳神経外科手術、骨盤損傷、およびその他の下肢損傷は、外傷後のリハビリテーションの必要性の最も重要な予測因子でした。予測モデルは、全体的な感度と差別が良好であり、臨床診療で使用するためにさらに検証できます。

OBJECTIVE: Determine the predictors of transfer to rehabilitation in a cohort of trauma patients and derive a risk score based clinical prediction tool to identify such patients during the acute phase of injury management. METHODS: Trauma registry data at a single level one trauma centre were obtained for all patients aged between 15 and 65 years admitted due to injury between 2007 and 2011. Multivariable logistic regression with stepwise selection was performed to derive a prediction model for transfer to rehabilitation. The model was tested on a validation dataset using receiver operator characteristic analyses and bootstrap cross validation on the entire dataset. A clinical prediction risk score was developed based on the final model. RESULTS: There were 4900 patients included in the study. Variables found to be the strongest predictors of rehabilitation after logistic regression with stepwise selection were pelvic injuries (OR 12.6 95% CI 6.2, 25.2 p<0.001), need for intensive care unit admission (OR 7.2 95% CI 4.2, 12.3 p<0.001) and neurosurgical operation (OR 10.5 95% CI 4.7, 23.1 p<0.001). After bootstrap cross validation the mean AUC was 0.86 (95% CI 0.84, 0.89). The model had a sensitivity of 89% and specificity of 64%. CONCLUSION: Intensive unit admission, neurosurgical operation, pelvic injuries and other lower limb injuries were the most important predictors of the need for rehabilitation after trauma. The prediction model has good overall sensitivity, discrimination and could be further validated for use in clinical practice.