磁気共鳴イメージングは、変性子宮頸部骨髄障害患者の外科的転帰を評価するために開発された検証済みの臨床予測ルールの予測性能を改善しますか？

研究デザイン：アンブイプステクティブ研究。 目的：MRIパラメーターが、DCMの外科的患者の機能的結果を評価するために使用される検証済みの臨床予測ルールの予測性能を改善するかどうかを判断する。 背景データの概要：変性頸部骨髄障害（DCM）は、世界中の高齢者の脊髄機能障害の最も一般的な原因です。術後の軽度の骨髄障害のある患者（MJOA≥16）と実質的な残存神経障害のある患者（MJOA <16）を識別するために、臨床予測規則が開発されました。最近、別の磁気共鳴画像法（MRI）ベースの予測モデルが作成されました。ただし、イメージングと臨床変数の組み合わせた予測値を調査するモデルは存在しません。 方法：Aospine CSM-North Americaの研究に登録されている278人の患者のコホートから、MRISの14人の患者が検査されました。99人の患者は、術前のイメージングと術後の結果データを完全に持っていました。MRIは、T2およびT1強調画像の信号変化の有無について評価されました。T2信号変化の定量分析が実施され、最大の運河の妥協とコード圧縮が計算されました。臨床モデルへの各MRIパラメーターの追加された予測パフォーマンスは、受信機オペレーターの特性曲線を使用して評価されました。 結果：サブサンプルで開発されたモデルは、0.811（95％CI：0.726-0.896）のレシーバーオペレーター曲線（AUC）の下の領域を生成しました。イメージング変数の追加は、予測パフォーマンスを大幅に改善しませんでした。T2高強度の矢状範囲（AUC：0.826、95％CI：0.743-0.908、1.35％の増加）または王の比率（AUC：0.823、95％CI：0.739-0.907、1.21％）が追加された場合、予測のわずかな改善が得られました。最大運河の妥協や最大コード圧縮などの解剖学的特性は、臨床予測モデルの識別能力を改善しませんでした。 結論：DCMの臨床的およびイメージの証拠を持つ外科患者のサンプルでは、​​MRIパラメーターは、以前に公開された臨床予測ルールの予測性能を有意に追加しません。最も強力な臨床予測とMRIの予測因子の組み合わせが類似または優れた予測モデルを生成する可能性があることはもっともらしい。 証拠のレベル：3。

STUDY DESIGN: Ambispective study. OBJECTIVE: To determine whether MRI parameters improve the predictive performance of a validated clinical prediction rule used to assess functional outcomes in surgical patients with DCM. SUMMARY OF BACKGROUND DATA: Degenerative cervical myelopathy (DCM) is the most common cause of spinal cord dysfunction in the elderly worldwide. A clinical prediction rule was developed to discriminate between patients with mild myelopathy postoperatively (mJOA ≥ 16) and those with substantial residual neurological impairment (mJOA < 16). Recently, a separate magnetic resonance imaging (MRI)-based prediction model was created. However, a model exploring the combined predictive value of imaging and clinical variables does not exist. METHODS: One hundred and fourteen patients with MRIs were examined from a cohort of 278 patients enrolled in the AOSpine CSM-North America Study. Ninety-nine patients had complete preoperative imaging and postoperative outcome data. MRIs were evaluated for the presence/absence of signal change on T2- and T1-weighted images. Quantitative analysis of the T2 signal change was conducted and maximum canal compromise and cord compression were calculated. The added predictive performance of each MRI parameter to the clinical model was evaluated using receiver operator characteristic curves. RESULTS: The model developed on our subsample yielded an area under the receiver operator curve (AUC) of 0.811 (95% CI: 0.726-0.896). The addition of imaging variables did not significantly improve the predictive performance. Small improvements in prediction were obtained when sagittal extent of T2 hyperintensity (AUC: 0.826, 95% CI: 0.743-0.908, 1.35% increase) or Wang ratio (AUC: 0.823, 95% CI: 0.739-0.907, 1.21%) was added. Anatomic characteristics, such as maximum canal compromise and maximum cord compression, did not improve the discriminative ability of the clinical prediction model. CONCLUSION: In our sample of surgical patients, with clinical and image-evidence of DCM, MRI parameters do not significantly add to the predictive performance of a previously published clinical prediction rule. It remains plausible that combinations of the strongest clinical and MRI predictors may yield a similar or a superior prediction model. LEVEL OF EVIDENCE: 3.