GÜNCEL YAYIN Koruyucu Hekimlik, Yaşam Tarzı Tıbbı ve Hücresel Biyoloji
📅 16 Kasım 2026 · Bağımsız Editoryal Ağ
Nöroloji & Uyku

İnme Sonrası Erken Bilinç Bozukluğunu Öngören Dinamik Nomogram: Model Gelişimi ve Zamansal Doğrulama

✍️ Editör Masası • 📅 15 Kasım 2026 • ⏱️ 35 dk okuma
İnme Sonrası Erken Bilinç Bozukluğunu Öngören Dinamik Nomogram: Model Gelişimi ve Zamansal Doğrulama

Orijinal Araştırma Makalesi

Front. Neurol., 11 Kasım 2026

Bölüm: Kritik Bakım ve Nöroloji Hastane Bakımı

Cilt 17 – 2026 | https://doi.org/10.3389/fneur.2026.1956461

  • GF

    Gang Fang 1

  • QW

    Qinfen Wu 2

  • XL

    Xinhua Liu 1

  • SY

    Shan Yu 3

  • LW

    Liping Wang 4

  • HC

    Haixia Chang 3,5*

  • 1. Xinjiang Tıp Üniversitesi Hemşirelik Fakültesi, Urumqi, Çin

  • 2. Xinjiang Tıp Üniversitesi İkinci Bağlı Hastanesi, Nöroloji ve Nörocerrahi Tanı ve Tedavi Merkezi, Urumqi, Çin

  • 3. Xinjiang Tıp Üniversitesi Beşinci Bağlı Hastanesi, Hemşirelik Bölümü, Urumqi, Çin

  • 4. Xinjiang Tıp Üniversitesi Beşinci Bağlı Hastanesi, Diş Hekimliği Bölümü, Urumqi, Çin

  • 5. Xinjiang Bölgesel Nüfus için Sağlık Bakımı Araştırma Merkezi, Urumqi, Çin

Makale Metrikleri

Özet

Amaç:

Bu çalışma, laboratuvar sonuçlarına dayanmadan hızlı risk değerlendirmesinin acilen gerekli olduğu genel servis ortamları için uyarlanmış, inme sonrası bilinç bozukluğunun erken tahmininde kullanılmak üzere dinamik bir nomogram geliştirmek ve geçerliliğini sınamaktır.

Yöntem:

Bu çalışmada modelleme kohortu olarak 502 inme hastası dahil edilmiş; hastalar 7:3 oranında rastgele bir eğitim seti (n = 354) ve iç geçerlilik seti (n = 148) olarak ayrılmıştır. Ek olarak 186 inme hastası zaman geçerliliği kohortu olarak çalışmaya alınmıştır. Bağımsız risk faktörlerini elemek ve tahmin modelini oluşturmak için En Az Mutlak Sıkıştırma ve Seçim Operatörü (LASSO) regresyonu ve çok değişkenli lojistik regresyon uygulanmıştır. Model performansı alıcı işletim eğrisi (ROC) eğrileri, kalibrasyon grafikleri, karar kümesi analizi (DCA) ve Youden indeksi kullanılarak kapsamlı biçimde değerlendirilmiştir. Çalışma, gerçek zamanlı risk hesaplamasını olanaklayan dinamik bir nomogram da oluşturmuştur.

Sonuçlar:

Başvuru kohortunda bilinç bozukluğunun görülme sıklığı %20,52, zamanlı doğrulama kohortunda ise %24,19 olarak bulundu. Dört bağımsız öngörücü belirlendi: yaş, sigara kullanımı, sistolik kan basıncı ve Ulusal Sağlık Enstitüleri İnme Ölçeği (NIHSS) skoru. Nomogram, uygun ayırt edici kapasite gösterdi; ROC eğrisi altında kalan alan (AUC) değerleri sırasıyla eğitim, iç doğrulama ve zamanlı doğrulama kümelerinde 0,860, 0,852 ve 0,764 olarak hesaplandı. DCA, 0,1–0,3 eşik olasılık aralığında tatmin edici klinik net fayda gösterdi. Genel servis ortamlarında referans amacıyla 0,30 illustratif bir eşik sunulmuştur.

Sonuç:

Dört kolay erişilebilir klinik göstergeden oluşan, bu dinamik nomogram; laboratuvar veya görüntüleme sonuçlarının beklenmeden kabul anında elde edilebilen bu göstergelerle geliştirilmiş, makul düzeyde ayırt edici ve kalibrasyon yeteneğine sahiptir. Bu model, genel serviste inme sonrası bilinç bozukluklarının erken risk katmanlandırılması için keşif amaçlı bir referans aracı olarak kullanılabilir. Klinik yararlılığının doğrulanması için daha ileri düzeyde prospektif çalışmalar gereklidir.

1. Giriş

İnme, beyin-damar lezyonlarına bağlı olarak nörolojik disfonksiyona yol açan bir dizi hastalığı kapsar ve temel olarak iskemik ve hemajik alt tipler sınıflandırılır (). Küresel ölçekde ölümün ve uzun süreli engelliliğin önde gelen nedenleri arasında yer alır; özellikle Çin’de görülme sıklığının arttığı gözlemlenmektedir (). Iskemik inme (İİ), tüm akut beyin-damar hastalıklarının %70–80’ini oluşturarak inmenin en yaygın alt tipi haline gelir (). İnmeyle ilişkili hastalık yükü oldukça yüksektir; yüksek oranda engel ve ölüm oranlarıyla hastaların sağlığını ciddi biçimde tehdit eder (). Klinik bulguları çeşitlidir; baş ağrısı, kusma, hemipleji, yutma güçlüğü ve bilinç bozuklukları hastaların günlük aktivitelerini ciddi biçimde engeller. Dikkat çeken bir nokta, inme hastalarının yaklaşık üçte birinin hastalık başlangıcından sonra bilinç bozukluğu yaşamış olmasıdır ().

Sayısal bilinç bozukluğu, hastalarda olumsuz taburculuk sonuçlarıyla ve yükselmiş ölüm riskiyle ilişkilidir. Bugüne kadar, bilinç bozukluklarının altında yatan kesin patofizyolojik mekanizmalar ve etyolojiler kapsamlı şekilde incelenmemiştir. Ayrıca, bu bozukluklar için etkili klinik tedavi seçenekleri sınırlı kalmaya devam etmektedir. Önemli olan, güncel araştırmaların büyük ölçüde kronik bilinç bozukluklarına odaklanmasıyken, erken bilinç bozukluklarına odaklanan çalışmalar nispeten azdır. Komplikasyonların önlenmesi, inme yönetiminde kritik bir öneme sahiptir. Bu nedenle, erken aşamada prediktif taramanın uygulanması, sayısal bilinç bozukluklarının önlenmesi ve tedavi edilmesi için uygun bir stratejidir. Bilimsel, standartlaştırılmış ve görselleştirilmiş klinik prediktif araçlardan oluşan bir setin geliştirilmesi, önemli klinik değere sahiptir.

Nomogram, birden fazla prognoz risk faktörünü entegre ederek klinik hastalık sonuçlarını öngören görsel bir istatistiksel modelleme aracıdır. Günümüzde, sayısal bilinç bozuklukları için mevcut tahmin modellerinin çoğu laboratuvar biyomarker’larına veya ileri görüntüleme parametrelerine dayanmakta olup, bu durum risk değerlendirmesinde kaçınılmaz olarak gecikmelere yol açmaktadır; özellikle sınırlı acil test kaynaklarına sahip genel servislerde bu durum daha belirgindir. Bu açığı kapatmak amacıyla bu çalışma, yalnızca kabul anında anında erişilebilen rutin klinik göstergeleri kullanarak sayısal bilinç bozuklukları için bir risk tahmin modeli geliştirmeyi ve geçerliliğini değerlendirmeyi amaçlamaktadır. En Küçük Mutlak Sıkıştırma ve Seçim Operatörü (LASSO) regresyonu ile çok değişkenli lojistik regresyon birleştirilerek bir tahmin modeli geliştirilmiş ve hem statik hem de dinamik bir nomogram olarak sunulmuştur. Modelin zamansal tekrarlanabilirliğini ve zamansal açıdan bağımsız bir klinik kohorttaki performansını değerlendirmek için ayrıca zamansal geçerlilik gerçekleştirilmiştir.

2 Materyaller ve yöntemler

2.1 Çalışma popülasyonu

Bu çalışma, Xinjiang Tıp Üniversitesi Beşinci Bağlı Hastanesi Etik Kurulundan onay almıştır (Onay Numarası: XYDWFYLSk-2025-158). Klinik veriler, Ağustos 2025 ile Aralık 2025 tarihleri arasında Xinjiang Tıp Üniversitesi Beşinci Bağlı Hastanesi hastane ünitesinde tedavi edilen, tanısı konmuş 502 inme hastasından toplanmış ve böylece bir modelleme veri seti oluşturulmuştur. Kohort, 7:3 oranında rastgele bir eğitim seti (n = 354, 8 olay, yaygınlık = %22,0) ve bir iç validasyon seti (n = 148, 25 olay, yaygınlık = %16,9) olarak bölünmüştür. Aşırı uyuma (overfitting) nicelendirmek amacıyla eğitim seti içinde ayrıca bootstrap iyileştirme düzeltmesi (1.000 yeniden örnekleme) yapılmıştır. Son eğitim seti 354 hastayı, iç validasyon seti ise 148 hastayı içermektedir. Dış validasyon örneklemi boyutunu yöneten ilke gereği, örneklem boyutunun modelleme setinin 1/4 ile 1/2 arasında olması gerekmektedir (). Bu nedenle, bu çalışmada zamanlı validasyon için örneklem boyutu 125 ile 251 arasında belirlenmiştir. Hastaneden Ocak 2026 ile Mart 2026 tarihleri arasında tedavi edilen toplam 186 inme hastası zamanlı validasyon seti olarak seçilmiştir. Katılan tüm hastalar çalışmaya katılmadan önce, kişisel olarak ya da aile üyeleri aracılığıyla yazılı bilinçli onay vermiştir. Hasta seçim akışı Şekil 1’de sunulmuştur.

Şekil 1

Dahil edilme kriterleri: ① Hastaların, 2023 tarihli Akut İskemik İnme Tanısı ve Tedavisi Çin Rehberleri’nde özetlenen iskemik inme tanı kriterlerini karşılaması ya da 2019 tarihli Beyin Kanaması Tanısı ve Tedavisi Çin Rehberleri’nde belirtilen hemorjik inme kriterlerini karşılaması ve bilgisayarlı tomografi (BT) veya manyetik rezonans görüntüleme (MRG) dahil görüntüleme incelemeleriyle kesin tanının konulması; ② Hastaların 18 yaşından büyük olması; ③ Hastaneye yatışın inme başlangıcından 24 saat içinde gerçekleşmesi; ④ Klinik tanı ve tedavi sürecinde tam ve erişilebilir klinik verilerin toplanması. ⑤ Girişte uyanık olan ve Glasgow Koma Ölçeği (GKÖ) skoru 15 olan ile Ulusal Sağlık Enstitüleri İnme Ölçeği (NIHSS) bilinç ögelerinin üçünün de (1a: Bilinç Düzeyi, 1b: Bilinç Düzeyi Soruları, 1c: Bilinç Düzeyi Emirleri) skoru 0 olan hastalar.

Dahil etmeme kriterleri: ① Malign tümör veya ciddi organ disfonksiyonunun varlığı; ② Inme başlangıcından 3 gün içinde ölüm; ③ Toplanan tüm değişkenlerde %5’ten fazla eksik veri içeren hastalar (modelleme kohortunda 37 hasta, zamansal doğrama kohortunda 70 hasta hariç tutuldu); ④ Çalışmaya dahil edildikten sonra 72. saatin değerlendirme noktasında sedatif ilaç tedavisi veya trakeal tübe yerleştirilen (entübasyon) hastalar.

İnme sonrası ilk hafta içinde hastalarda sıklıkla beyin ödemi gelişir ve bu durum genellikle 2. ile 4. günler arasında doruğa ulaşır (). Beyin ödemiyle ilişkili kitle etkisi, bu bireylerde nörolojik bozulmaya ve bilinç bozukluğuna yol açabilir (). Önceden yapılan çalışmalar, hastanın bilinç düzeyini değerlendirmede GCS’yi altın standart olarak kabul etmiştir (). Toplam GCS puanı 3 ile 15 puan arasında değişir: 15 puan açık bilinçi, 13–14 puan hafif bilinç bozukluğunu, 9–12 puan orta derecede bilinç bozukluğunu ve 3–8 puan şiddetli bilinç bozukluğunu gösterir; 8’den düşük puanlar koma açısından şüphe uyandırır (). Bu çalışmada tüm nörolojik değerlendirmeler, hastaların temel öngörü değişkenlerinden habersiz olan iki eğitimli nörolog tarafından bağımsız olarak yapıldı. Tutarsız değerlendirmeler bir üst düzey nörolog tarafından karara bağlandı. Resmi değerlendirici güvenilirlik testi yapılmadı; ancak sonuç güvenilirliğini sağlamak amacıyla konsensüs karara bağlamasıyla desteklenen çift bağımsız değerlendirme kullanıldı. Girişteki bilinç durumu titizlikle değerlendirildi. Kaydedilen tüm hastalar girişte 15 GCS puanıyla açık temel bilinç gösteriyordu. Birincil sonuç ölçütü, o zaman dilimi içinde meydana gelen geçici nörolojik bozulma olayları hariç tutularak inme sonrasında 72. saatte değerlendirilen bilinç durumuydu. 72. saat içinde geçici bir bilinç düşüklüğü yaşayan ancak 72. saat değerlendirmesinde 15 GCS puanı gösteren hastalar bilinç bozukluğu olmayan grubu içine alındı. 72. saat değerlendirmesinde yeni afazi tanısı alan hastalarda bilinç durumu öncelikle GCS’nin göz açma ve motor yanıt alt öğeleri temel alınarak belirlendi. Dil işlevindeki bozulma nedeniyle yalnızca konuşma alt öğesinin puanının düştüğü, ancak göz açma ve motor yanıtların korunduğu durumlarda, dil eksikliklerinden kaynaklanan yanlımı önlemek için bu durum bilinç bozukluğu olarak sınıflandırılmadı. 72. saat değerlendirmesinin sonuçlarına göre, GCS puanı

3 ile 14 arasında değişen puanlar bilinç bozukluğu grubuna (

n

= 103), GCS puanının 15 olduğu hastalarsa bilinç bozukluğu olmayan grubuna (

n

= 399) yerleştirildi. Tüm hastalar hastalık belirtileri başlamasından itibaren 24 saat içinde hastaneye yatırıldığından, hastaneye giriş ile 72. saate yapılan değerlendirmeye kadar olan süre 48 ile 72 saat arasında değişti.

2.2 Veri toplama

Bu çalışmada inme hastalarından toplanan ilgili bilgiler aşağıdaki gibi özetlenmektedir: ① Temel bilgiler ve klinik özellikler: Cinsiyet ve yaş, hastanenin elektronik tıbbi kayıt sistemi üzerinden çıkarılmıştır. Aktif sigara kullanımı, 1 yıldan fazla süreyle günde 1’den fazla sigara içmek olarak tanımlanırken, sigara bırakmış hastalar sigara içmeyenler kategorisine alınmıştır. Alkol kötüye kullanımı, 1 yıldan fazla süreyle günde 10 g’dan fazla alkol almak olarak tanımlanmıştır. NIHSS puanları, eğitimli klinik uzmanlar tarafından hastaneye başvuruda, genellikle ilk saat içinde değerlendirilmiştir. ② Vital bulgu göstergeleri: Hastaneye başvurudan sonra ölçülen vücut ısısı, kalp atım hızı ve sistolik kan basıncının başlangıç değerleri analiz için kullanılmıştır. Vücut ısısı: Hastaneye başvurudan sonra 15 dakikalık bir dinlenme periyodunun ardından, koltuk altı ısısı cıvalı termometre ile 5 dakika boyunca ölçülmüş ve ölçüm cihazı alındığı anda kaydedilmiştir. Kalp atım hızı ve sistolik kan basıncı: Sistolik kan basıncı, tekrarlanabilirliği sağlamak amacıyla standartlaştırılmış bir protokole göre ölçülmüştür. Hastalar sırtüstü pozisyona getirilmiş ve ölçümden önce 15 dakikalık bir dinlenme periyoduna olanak tanılmıştır. Basınç ölçümü için sağ kol üst kısmında otomatik bir sfigmomanometre kullanılmıştır. Ölçümler ardışık olarak üç kez alınmış, her ölçüm arasında 1 dakikalık bir aralık bırakılmış ve son iki ölçümün ortalaması nihai sistolik kan basıncı olarak kaydedilmiştir. Hastaneye başvurudan sonraki ilk saat içinde kaydedilen ilk kalp atım hızı analiz için kullanılmıştır. ③ Geçmiş tıbbi öykü, hastaneye başvuruda tıbbi öykü toplanması ve önceki tıbbi kayıtların gözden geçirilmesiyle elde edilmiş; bu süreçte hipertansiyon, diyabet, kalp hastalığı ve beyin-damar hastalığının varlığı ortaya konmuştur. Kalp hastalığı, koroner kalp hastalığı, kalp yetmezliği, aritmi ve ilgili diğer bozukluklar gibi durumları kapsarken, beyin-damar hastalığı serebral infarktüs (geçmiş atak), serebral hemoraji ve diğer çeşitli beyin-damar hastalıklarını içermektedir. Bu hastalıklardan birinin geçmişte belgelenmiş tanıları olan hastalar, ilgili durum için “pozitif” olarak sınıflandırılmıştır. ④ Laboratuvar

Acil giriş kan değerleri: Beyaz küre hücre sayısı, hemoglobin, trombosit, açlık kan şekeri, serum potasyum, serum sodyum, serum kreatinin ve kan üre azotu değerleri, hastanın yatışının ilk 24 saati içinde alınan venöz kan taramasının sonuçlarından elde edildi.

2.3 İstatistiksel analiz

Açıklayıcı istatistikler ve tek değişkenli analizler (ki-kare testi, bağımsız örneklem t-testi ve Mann–Whitney U-testi) SPSS 27.0 sürümü (IBM Corp., Armonk, NY, USA) kullanılarak gerçekleştirildi. Süreklilik değişkenlerinin normal dağılımı, klinik araştırmalarda veri dağılımını değerlendirmek için standart bir yöntem olan Shapiro–Wilk testiyle incelendi. Shapiro–Wilk testi için P > 0,05 olan değişkenler normal dağılımlı, P < 0,05 olanlar ise normal dağılımlı değil olarak sınıflandırıldı. Normal dağılımlı süreklilik değişkenleri için gruplar arası karşılaştırmalarda parametrik test (bağımsız örneklem t-testi) kullanıldı ve veriler ortalama ± standart sapma (ortalama ± SD) olarak bildirildi. Buna karşılık, normal dağılımlı olmayan değişkenler parametrik olmayan testler (Mann–Whitney U-testi) kullanılarak analiz edildi ve veriler medyan (çeyrekler arası aralık, IQR) olarak sunuldu.

502 hastalıktan oluşan tam modelleme kohortu, 7:3 oranında rastgele olarak bir eğitim seti (n = 354) ve bir iç validasyon seti (n = 148) şeklinde ayrılmıştır. LASSO değişken seçimi ve çok değişkenli katsayı tahmini dahil tüm model geliştirme adımları yalnızca eğitim setinde gerçekleştirilmiştir. Son sabit model, herhangi bir yeniden uyarlama yapılmadan iç validasyon seti ve zamansal validasyon setine olduğu gibi uygulanmıştır. İç validasyon seti, model geliştirmenin hiçbir adımını etkilememiştir. Lojistik regresyon modeli için örneklem büyüklüğünün yeterliliği, klinik tahmin modellerinde yaygın olarak kabul gören bir standart olan değişken başına olay (EPV) kriteri () kullanılarak değerlendirilmiştir. Başlangıçtaki aday tahmin edici seti 21 değişkeni içermektedir. Eğitim setindeki (78 olay) bu durum, 10–20 arasındaki geleneksel eşiğin altında kalan bir değişken başına olay (EPV) oranının 3,7 olduğu anlamına gelmektedir. LASSO düzenlemesi, bilgisiz katsayıları sıfıra indirerek etkili parametre sayısını azaltmak amacıyla kullanılmıştır. Son 4-tahmin edicili model, eğitim setinde 19,5 EPV elde etmiş ve nihai model tahmini için yaygın olarak önerilen aralığa uymaktadır. Aşırı uyarlama ve performans iyimserliği nicelendirmek amacıyla 1.000 yeniden örnekleme ile bootstrap iyimserlik düzeltmesi uygulanmıştır.

Tüm faktörlerin boyut indirgeme işlemi, R 4.4.3 sürümündeki (R Foundation for Statistical Computing, Vienna, Austria) “glmnet” paketi kullanılarak LASSO regresyonu ile gerçekleştirilmiştir. Ardından, bilinç bozuklukları için bağımsız risk faktörlerini belirlemek amacıyla seçilen değişkenler üzerinde R 4.4.3 sürümünde çok değişkenli lojistik regresyon analizi yapılmıştır. Bu analiz, bir tahmin modeli kurulmasına ve inme hastalarında bilinç bozuklukları için bir nomogram oluşturulmasına olanak tanımıştır. Modelin tahmin performansı, uyum indeksi (C-index) kullanılarak değerlendirilmiştir.

İki tamamlayıcı iç geçerlilik yaklaşımı kullanıldı. İlk olarak, tam kohort bağımsız performans değerlendirmesi için 7:3 oranında eğitim kümesi ve ayrılmış iç geçerlilik kümesi olarak rastgele ikiye ayrıldı. İkinci olarak, model aşırı uyum derecesi, iyimser düzeltme amacıyla 1.000 kez Bootstrap yöntemiyle nicelendirildi. Her yeniden örnekleme, LASSO düzenlemesi parametrelerinin seçimi için 10 katlı çapraz geçerlilik, değişken elemek için tek standart kural ve nihai model katsayılarının tahmini dahil olmak üzere modelleme sürecinin tam tekrarını içeriyordu. Bu yaklaşım, hem değişken seçimi hem de parametre tahmini tarafından getirilen iyimser yanlıyı tümüyle yakalamayı amaçladı. Eğri ile 45° referans çizgisi arasındaki mesafe, model uyumunun derecesini temsil etti; tam örtüşme, tahmini ve gerçek olasılıklar arasındaki mükemmel uyumu gösterdi. Tüm istatistiksel testler iki uçlu oldu ve 0,05’ten küçük bir P değerinin istatistiksel olarak anlamlı olduğu kabul edildi.

Sürekli öngörücüler için logit içindeki doğrusallık varsayımı, Box-Tidwell testiyle değerlendirildi. Yaş (P = 0,187) ve NIHSS (P = 0,282) varsayımı karşıladı. Sistolik kan basıncı, küçük ancak istatistiksel olarak anlamlı bir doğrusallık sapması gösterdi (P = 0,015). Kısıtlı kübik eğri analizi, doğrusal olmayan bir belirtimin istatistiksel uyumu iyileştirdiğini (olasılık oranı testi: χ² = 12,98, serbestlik derecesi = 3, P = 0,0047) ancak ayırt edicilikte yalnızca mütevazı bir kazanç sağladığını (AUC farkı = 0,025) doğruladı. Bu nedenle doğrusal terim, klinik yorumlanabilirlik ve yatağın yanında kullanım kolaylığı için korundu.

3 Bulgular

3.1 İnme hastalarında bilinç bozukluğunun görülme sıklığı ve tek değişkenli analiz

İnme hastalarında bilinç bozukluğunun görülme sıklığı %20,52 (103/502) olarak bulundu. Bilinç bozukluğu olmayan grup ile karşılaştırıldığında, bilinç bozukluğu grubunda yaş, sigara kullanımı, NIHSS skoru, kalp hastalığı, beyin-damar hastalığı, vücut sıcaklığı, sistolik kan basıncı, beyaz hücre sayısı, açlık kan şekeri ve potasyum iyonu konsantrasyonu açısından anlamlı farklar gözlemlendi (tümünde P < 0,05); ayrıntılar Tablo 1’de verilmiştir. Ayrıca, dahil etme ve dışlama kriterlerini karşılayan 186 inme hastası, Ocak 2026 ile Mart 2026 tarihleri arasında zamansal doğrulama setine dahil edildi. Bu hastaların 45’inde bilinç bozukluğu gelişmiş ve görülme sıklığı %24,19 olmuştur. Zamansal doğrulama seti için tek değişkenli analiz bulguları Tablo 2’de özetlenmiştir.

Tablo 1

Değişkenler Bilinç bozukluğu grubu (n = 103) Bilinç bozukluğu olmayan grubu (n = 399) χ2/Z P
Yaş (medyan, Q1, Q3) 72 (57,84) 64 (56,74) −3,788 < 0,001
Cinsiyet (n, %) – – 0,019 0,890
Erkek 63 (61,17%) 247 (61,90%) – –
Kadın 40 (38,83%) 152 (38,10%) – –
İnme tipi (n, %) – – 3,694 0,055
İskemik inme 76 (73,79%) 328 (82,21%) – –
Hemorjik inme 27 (26,21%) 71 (17,79%) – –
Sigara (n, %) – – 42,455 < 0,001
Hayır 39 (37,86%) 288 (72,18%) – –
Evet 64 (%62,14) 111 (%27,82) – –
Alkol tüketimi (n, %) – – 1,832 0,176
Hayır 69 (%66,99) 294 (%73,68) – –
Evet 34 (%33,01) 105 (%26,32) – –
National Institutes of Health İnme Ölçeği puanı (ortanca, Q1, Q3) 5 (1, 26) 1 (0, 2) −6,901 < 0,001
Hipertansiyon (n, %) – – 1,292 0,256
Hayır 36 (%34,95) 164 (%41,10) – –
Evet 67 (%65,05) 235 (%58,90) – –
Diyabet mellitus (n, %) – – 3,147 0,076
Hayır 64 (%62,14) 284 (%71,18) – –
Evet 39 (%37,86) 115 (%28,82) – –
Kalp hastalığı (n, %) – – 4,189 0,041
Hayır 73 (%70,87) 320 (%80,20) – –
Evet 30 (%29,13) 79 (%19,80) – –
Serebrovasküler hastalık (n, %) – – 4,030 0,045
Hayır 72 (%69,90) 316 (%79,20) – –
Evet 31 (%30,10) 83 (%20,80) – –
Cisim sıcaklığı (medyan, Q1, Q3) 36,5 (36,4;36,8) 36,5 (36,4;36,6) −2,518 0,012
Nabız (medyan, Q1, Q3) 79 (72;93) 78 (68;88) −1,115 0,265
Sistolik kan basıncı (medyan, Q1, Q3) 165 (149;179) 139 (127;154) −7,849 < 0,001
Beyaz kan hücre sayısı (medyan, Q1, Q3) 8,90 (6,49;13,28) 6,63 (5,36;8,68) −5,581 < 0,001
Hemoglobin (medyan, Q1, Q3) 131 (119;144) 135 (125;145) −1,925 0,054
Platelet sayısı (medyan, Q1, Q3) 208 (152;245) 210 (173;252) −1,472 0,141
Açlık kan şekeri (medyan, Q1, Q3) 6,32 (5,26;8,38) 5,45 (4,66;7,20) −3,629 < 0,001
Serum potasyum (medyan, Q1, Q3) 3,88 (3,64;4,18) 3,81 (3,57;4,03) −2,325 0,020
Serum sodyum (medyan, Q1, Q3) 141 (139;143) 142 (140;143) −1,703 0,089
Serum kreatinin (medyan, Q1, Q3) 74,06 (60,40;87,68) 73,20 (62,28;84,45) −0,174 0,862
Kan üre azotu (medyan, Q1, Q3) 5,56 (4,50;7,65) 5,65 (4,66;6,82) −0,453 0,650

Stroke modelleme kohortundaki bilinç bozukluğu olan hastalar ile bilinç bozukluğu olmayan hastalar arasında etkileyici faktörlerin tek değişkenli analizi.

Tablo 2

Değişkenler Bilinç bozukluğu grubu (n = 45) Bilinç bozukluğu olmayan grup (n = 141) χ2/Z P
Yaş (ortanca, Q1, Q3) 80 (62,86) 66 (56,74) −4.655 < 0.001
Cinsiyet (n, %) – – 0.421 0.516
Erkek 28 (62.22%) 80 (56.74%) – –
Kadın 17 (37.78%) 61 (43.26%) – –
Inme tipi (n, %) – – 0.295 0.587
İskemik inme 38 (84.44%) 114 (80.85%) – –
Hemorjik inme 7 (15.56%) 27 (19.15%) – –
Sigara (n, %) – – 1.012 0.314
Hayır 33 (73.33%) 92 (65.25%) – –
Evet 12 (26.67%) 49 (34.75%) – –
Alkol tüketimi (n, %) – – 0.806 0.369
Hayır 35 (77.78%) 100 (70.92%) – –
Evet 10 (22.22%) 41 (29.08%) – –
Sağlık Enstitüleri İnme Ölçeği puanı (ortanca, Q1, Q3) 2 (1,10.5) 1 (0,1) −4.063 < 0.001
Hipertansiyon (n, %) – – 1.866 0.172
Hayır 9 (20.00%) 43 (30.50%) – –
Evet 36 (80.00%) 98 (69.50%) – –
Şeker hastalığı (n, %) – – 0.128 0.721
Hayır 30 (66.67%) 98 (69.50%) – –
Evet 15 (33.33%) 43 (30.50%) – –
Kalp hastalığı (n, %) – – 0.110 0.740
Hayır 34 (75.56%) 103 (73.05%) – –
Evet 11 (24.44%) 38 (26.95%) – –
Serebrovasküler hastalık (n, %) – – 1.619 0.203
Hayır 32 (71.11%) 113 (80.14%) – –
Evet 13 (28.89%) 28 (19.86%) – –
Vücut sıcaklığı (medyan, Q1, Q3) 36.5 (36.3,36.7) 36.5 (36.4,36.6) −0.665 0.506
Nabız (medyan, Q1, Q3) 83 (71.5,95) 77 (67,87) −1.842 0.065
Sistolik kan basıncı (medyan, Q1, Q3) 156 (145,170) 142 (128,159) −3.642 < 0.001
Beyaz hücre sayısı (medyan, Q1, Q3) 7.55 (6.37,10.80) 6.45 (5.62,7.92) −2.884 0.004
Hemoglobin (medyan, Q1, Q3) 134 (118,144) 135 (127,143) −1.391 0.164
Platelet sayısı (medyan, Q1, Q3) 202 (155,227) 217 (187,255) −2.361 0.018
Aç kan şekeri (medyan, Q1, Q3) 6,57 (5,28,8,06) 5,52 (4,81,7,09) −2,209 0,027
Serum potasyum (medyan, Q1, Q3) 3,86 (3,52,4,11) 3,76 (3,51,3,99) −1,174 0,241
Serum sodyum (medyan, Q1, Q3) 141 (138,143) 141 (140,143) −0,685 0,493
Serum kreatinin (medyan, Q1, Q3) 79,50 (60,14,92,42) 73,50 (59,92,84,78) −0,937 0,349
Kan üre azotu (medyan, Q1, Q3) 6,60 (5,48,7,74) 6,12 (4,93,6,81) −1,656 0,098

İnme kısa doğrulama kohortunda bilinç bozukluğu olan hastalar ile bilinç bozukluğu olmayan hastalar arasında etkileyici faktörlerin tek değişkenli analizi.

3.2. İnme hastalarında bilinç bozukluğunun LASSO regresyonu ve çoklu değişkenli lojistik regresyon analizleri

Gelişim kümesinde aday öngörücüler seçilmek amacıyla tüm 21 aday değişken LASSO regresyon analizine dahil edildi. Düzenleme parametresi λ arttıkça her değişkenin regresyon katsayıları kademeli olarak sıfıra yaklaştı ve sıfırdan farklı katsayıya sahip değişken sayısı azaldı (Şekil 2A). Minimum λ değeri ve buna karşılık gelen bir standart hata değeri belirlemek için 10 katlı çapraz doğrulama kullanıldı. Minimum λ’da (λ = 0,024) ve minimum λ’nın bir standart hatasında (λ = 0,066) dikey çizgiler çizildi. Sonuç olarak, optimal λ değeri olarak minimum λ’nın bir standart hatası seçildi (Şekil 2B). Eşzamanlı olarak sıfırdan farklı katsayıya sahip dört öngörücü değişken belirlendi: yaş, sigara kullanımı, sistolik kan basıncı ve NIHSS skoru. Bu faktörler sonrasında çok değişkenli lojistik regresyon analizine dahil edildi ve yaş, sigara kullanımı, sistolik kan basıncı ve NIHSS skorunun inme sonrası bilinç bozukluğu için bağımsız risk faktörleri olduğu görüldü (tüm P < 0,05). Detaylı sonuçlar Tablo 3’te verilmiştir.

Şekil 2

Tablo 3

Değişkenler β SE Wald χ² OR 95% GA P
Yaş 0,0417 0,012 11,47 1,043 1,019–1,069 < 0,001
Sigara kullanımı 1,1641 0,340 11,75 3,203 1,652–6,292 < 0,001
Sistolik kan basıncı 0,0254 0,007 13,39 1,026 1,012–1,040 < 0,001
Ulusal Sağlık Enstitüleri İnme Skoru 0,1261 0,020 40,60 1,134 1,094–1,183 < 0,001
Sabit −9,1231 1,353 45,49 – – –

İmeli hastalarda bilinç bozuklukları için çok değişkenli lojistik regresyon analizi.

3.3. İmeli hastalarda bilinç bozukluğunu öngören dinamik nomogram modelinin geliştirilmesi

Multivariate lojistik regresyon analizi sonuçlarına dayanarak, aşağıdaki denklemle bir tahmin modeli oluşturuldu: Logit (P) = −9.1231 + 0.0417 × yaş (yıl) + 1.1641 × sigara içimi (1 = aktif sigara içici, 0 = içmeyen) + 0.0254 × sistolik kan basıncı (mmHg) + 0.1261 × NIHSS skoru (toplam skor, 0–42 aralığı). Hem statik nomogram (Şekil 3) hem de R Shiny ile uygulanan dinamik nomogram geliştirildi. Nomogram, her bir risk faktörünün katkı ağırlığını görsel olarak sunar; dinamik nomogram ise kullanıcıların hasta parametrelerini girmesine ve gerçek zamanlı risk olasılıklarını %95 güven aralıklarıyla elde etmesine olanak tanıyarak klinik uygulamada hızlı yatak başı değerlendirmeyi kolaylaştırır.

Şekil 3

Şekil 4

Bu nomogram kullanılarak risk değerlendirmesinin ayrıntılı adımları şöyleidir: Öncelikle, her değişkenin ölçülen değeri, karşılık gelen skoru elde etmek için başlangıç ölçeğine dikey olarak eşlenir. Toplam skor, tüm değişkenlerin skorlarının toplanmasıyla hesaplanır ve toplam puan ölçeğine yerleştirilir. Ardından, toplam skor bilinç bozukluğunun olası olasılığını belirlemek için son ölçeğe dikey olarak eşlenir.

Örneğin, 76 yaşında, sigara içmeyen, sistolik kan basıncı 137 mmHg ve NIHSS skoru 11 olan bir hastayı düşünün. Yukarıdaki faktörlerin skorları toplandığında 37 + 30 + 25 + 42 = 134 puan ve buna karşılık gelen oluşum olasılığı 0.253’tür. Bu da hastanın bilinç bozukluğu yaşama olasılığının %25.3 olduğu anlamına gelir.

3.4 İnme hastalarında bilinç bozukluğunu tahmin eden nomogram modelinin validasyonu ve değerlendirilmesi

Model, hem modelleme setinden türetilen dahili bir doğrulama seti hem de zamansal bir doğrulama seti kullanılarak doğrulandı. Nomogram modelinin ayırt ediciliği ROC eğrileri üzerinden değerlendirildi. Eğitim setinde nomogram modeli 0.860 AUC’ye ulaştı (95% GA: 0.806–0.915), 81.5% özgüllük ve 80.8% duyarlılıkla birlikte. Dahili doğrulama setinde AUC 0.852’ye yükseldi (95% GA: 0.759–0.945), 75.6% özgüllük ve 84.0% duyarlılıkla birlikte. Zamansal doğrulama setinde AUC 0.764 olarak kaydedildi (95% GA: 0.680–0.849), 80.9% özgüllük ve 62.2% duyarlılıkla birlikte (Şekiller 5A–C).

Şekil 5

Yaş, sigara kullanım durumu ve sistolik kan basıncının bağımsız prognoz katkısını nicelendirmek için, yalnızca bu üç rutin klinik göstergeden oluşan ve NIHSS tamamen hariç tutulan modeli, dört değişkenli tam modelle karşılaştırdık. Tüm modeller yalnızca eğitim setinde uyarlandı ve tüm doğrulama kohortlarına herhangi bir yeniden uyarlama olmadan sabit katsayılarla uygulandı. Eğitim setinde tam model 0.860 AUC’ye ulaşırken, NIHSS’siz model 0.791 AUC’ye ulaştı. NIHSS’nin eklenmesi, üç-değişkenli klinik modele kıyasla AUC’de 0.069’luk anlamlı bir artış sağladı (DeLong testi: P = 0.002). Dahili doğrulama setinde karşılık gelen AUC değerleri sırasıyla 0.852 ve 0.851 idi. NIHSS’den gelen artış bu alt kümede önemsizdi (ΔAUC=0.001, DeLong testi: P = 0.972); bu durum, bu daha küçük kohorttaki olay sayısının sınırlı olması ve azalmış istatistiksel güç ile tutarlıdır. Zamansal doğrulama setinde tam model 0.764 AUC’ye ulaşırken, NIHSS’siz model 0.709 AUC’ye ulaştı. NIHSS’nin eklenmesi ayırt ediciliği 0.055 oranında anlamlı şekilde iyileştirdi (DeLong testi: P = 0.005).

Ayrıca, dört değişkenli tam model yalnızca NIHSS kullanan bir model ile karşılaştırıldı. Eğitim setinde AUC 0.860 (tam model) ile 0.729 (yalnızca NIHSS, ΔAUC = 0.131, DeLong P < 0.001) olarak bulundu. Dahili validasyon setinde karşılık gelen değerler 0.852 ile 0.657’ydi (ΔAUC = 0.195, P < 0.001). Zamanlı validasyon setinde değerler 0.764 ile 0.693’tü (ΔAUC = 0.071, P = 0.083). Çalışmaya alınan tüm hastalar kabul sırasında bilinçli olduğu için NIHSS’linin bilinç bileşeni çalışma popülasyonunda değişmedi ve NIHSS’in prognoz katkısı eşzamanlı bilinç durumundan çok genel nörolojik hasar şiddetini yansıtıyor.

Eğitim setinde modelin kalibrasyonu, Hosmer-Lemeshow testi, kalibrasyon eğrileri ve genel kalibrasyon kesimi ile kalibrasyon eğimi dahil kalibrasyon metrikleri kullanılarak değerlendirildi. Kesim ve eğimin tahmini için lojistik regresyon analizi, model tarafından tahmin edilen logit değerlerini yalnızca bağımsız değişken, gözlemlenen sonuçları ise bağımlı değişken olarak kullanarak gerçekleştirildi. 1.000 bootstrap iyileştirme düzeltmesinin ardından—her yeniden örneklemede LASSO parametre ayarlaması, değişken eleme ve katsayı tahmini dahil olmak üzere tam modelleme sürecinin tekrarlandığı bu süreçten sonra—iyileştirme düzeltmesi sonrası AUC 0,833 (ortalama iyileştirme = 0,027), düzeltilmiş kalibrasyon kesimi −0,127 olarak bulundu. Kalibrasyon eğiminin 0,862 olduğu belirlendi. Negatif bir kesimin, modelin riski genel olarak hafif biçimde aşırı tahmin ettiğini göstermesi, bu bulgular modelin aşırı uyum derecesinin nispeten düşük olduğunu işaret ediyor. Hosmer–Lemeshow testi sonuçları, eğitim setinde istatistiksel açıdan anlamlı bir sistematik kalibrasyon sapması olmadığını gösterdi (P > 0,05). İç geçerlilik setinde kalibrasyon kesimi −0,053, eğim 1,108 ve Brier skoru 0,089 olarak bulundu. Zamanlı geçerlilik kohortunda kalibrasyon kesimi 0,430 (95% IG: −0,213–1,131), kalibrasyon eğimi 0,964 (95% IG: 0,622–1,361) ve Brier skoru 0,144 olarak hesaplandı (Şekiller 6A–D). Pozitif bir kesimin, genel riskin hafif biçimde az tahmin edildiğini gösterebileceği; 1’den küçük bir eğimin ise tahmin edilen olasılığın nispeten yüksek olduğu durumlarda hafif bir sönümlenme olduğunu işaret ettiği belirtiliyor. Her iki güven aralığı da kendi ideal değerlerini kapsadığından, istatistiksel açıdan anlamlı bir sistematik kalibrasyon sapması gözlemlenmediği vurgulandı.

Şekil 6

DCA, kohort çalışma tasarımı kullanılarak gerçekleştirildi ve gözlemlenen yaygınlık her veri setine uygulandı. 0,1–0,3 aralığında eşik olasılığı, model rehberliğindeki yaklaşım hem “tümünü tedavi et” hem de “hiçini tedavi et” yaklaşımlarına göre daha yüksek net fayda sağladı (Şekiller 7A–C). Makale, genel servis senaryosu için 0,30 değerini bir referans olarak sunmaktadır. Kritik değer zaman doğrulama kohortunda uygulandığında model 42,2% duyarlılık, 92,2% özgüllük, 63,3% pozitif prediktif değer, 83,3% negatif prediktif değer ve 0,317 standartlaştırılmış net fayda gösterdi. Bu kritik değer, yüksek özgüllüğü nedeniyle seçildi; bu durum, düşük riskli hastalarda gereksiz muayenelerin önlenmesi ve yanlış pozitif uyarıların minimize edilmesi amacıyla genel serviste tarama ilkeleriyle uyumludur. Ancak, bu eşikteki duyarlılığın nispeten düşük olduğu, bilinç bozukluğu olan hastaların yarısından fazlasının tespit edilmeden kaçabileceği kabul edilmelidir. Dolayısıyla, bu kritik değer kapsamlı klinik değerlendirmenin yerini alan değil, tarama için yardımcı bir referans olarak değerlendirilmelidir. Makalede önerilen risk katmanlandırması, hipotezik bir çerçeve içinde kalmakta ve prospektif çalışmalarla doğrulamaya ihtiyaç duymaktadır.

Şekil 7

Nomogram için en uygun olasılık eşiği, klinik tahmin modellerinde duyarlılık ve özgüllüğü dengelemek için yaygın olarak kabul gören Youden indeksi (duyarlılık+özellük−1) kullanılarak belirlendi. Analiz, en uygun eşiğin eğitim setinde 0,179 (Youden indeksi = 0,623, duyarlılık = 80,8%, özgüllük = 81,5%), iç doğrulama setinde 0,156 (Youden indeksi = 0,596, duyarlılık = 84,0%, özgüllük = 75,6%) ve zaman doğrulama setinde 0,202 (Youden indeksi = 0,431, duyarlılık = 62,2%, özgüllük = 80,9%) olduğunu gösterdi.

İnme alt tipleri arasında heterojenliği değerlendirmek için duyarlılık analizi gerçekleştirdik. Eğitim setinde inkemik inme için AUC 0.858 (n = 287), hemorjik inme için 0.858 (n = 67) olarak bulundu. Dahili doğrulama setinde inkemik inme için AUC 0.863 (n = 117), hemorjik inme için 0.828 (n = 31) olarak hesaplandı. Zamansal doğrulama setinde inkemik inme için AUC 0.821 (n = 152) olsa da hemorjik inme için yalnızca 0.524 (n = 34) bulundu; bunun bu alt gruptaki olay sayısının az olması muhtemeldir.

4 Tartışma

Bu çalışma, genel servislere yatırılan inme hastalarının ilk değerlendirmesini incelemektedir. Erken risk stratifikasyonuna odaklanan tasarım, kollinariteyi azaltmak, aşırı uyuma (overfitting) riskini minimize etmek ve tahmin modelinin güvenilirliğini artırmayı hedeflemektedir. Yaş, sigara kullanımı, sistolik kan basıncı ve NIHSS skoru gibi dört rutin olarak toplanan gösterge, LASSO regresyonu kullanılarak öngörücü olarak belirlendi. Bu göstergeler, laboratuvar sonuçları veya görüntüleme verilerinin beklenmesine gerek kalmadan girişte kolayca elde edilebilir. Bu yaklaşım yalnızca tahmin doğruluğunu sağlamakla kalmayıp, değerlendirme sürecini de sadeleştirerek genel servislerde inme hastalarında bilinç bozukluğunun hızlı taraması için değerli bir araç sunmaktadır.

Mevcut çalışmada, yaş, Liu ve ark. (). tarafından betimlenen patolojik mekanizmalarla tutarlı olarak, inme hastalarında bilinç bozukluğu için bağımsız bir risk faktörü olarak saptanmıştır. Bu ilişki, yaşa bağlı olarak beynin yapısal ve işlevsel yedek kapasitesinde meydana gelen azalmalardan kaynaklanabilir; bu azalmalar, kanamaya bağlı hasara yanıt olarak beynin telafi kapasitesini düşürür. Dünya Sağlık Örgütü (DSÖ), 65 yaşından büyük bireyleri yaşlı (). olarak sınıflandırır ve bu demografik grubun %90’dan fazlasında beyaz madde lezyonları (). gözlemlenmektedir. Bu lezyonlar, bilinçi düzenleyen kritik sinir devreleri olan kortikotalamik ve kortikospinal yolların bütünlüğünü bozar (). Çalışmamızda, bilinç bozukluğu grubunun medyan yaşının (72 yaş) bilinç bozukluğu olmayan grubun (64 yaş) medyan yaşından anlamlı derecede daha yüksek olduğu görülmüştür; bu durum yaşın bilinç bozukluklarına yatkınlıktaki rolünü bir kez daha vurgulamaktadır. Klinik açıdan bakıldığında, bu bulgular yaşlı inme hastaları için hedefe yönelik bakımın gerekliliğini ortaya koymaktadır. Hastane servisleri ortamlarında, yaşlı inme hastalarının dikkatli gözlem altındaki ana konular olarak önceliklendirilmesi, bilinç değerlendirmeleri ile yaşam bulguları izlemleri arasındaki aralığın azaltılması ve kritik bakım hazırlıklarının önceden yapılması önerilmektedir.

Mevcut çalışmada, sigaranın inme hastalarında bilinç bozuklukları için anlamlı bir risk faktörü olarak saptanması, bu bulgunun Cheraghian ve arkadaşlarının raporuyla büyük ölçüde uyumlu olduğunu ve sigaranın sağlığa zararlı olduğuna dair yerleşik anlayışın ardındaki bilimsel dayanağı güçlendirdiğini ortaya koymaktadır. Ardındaki mekanizmalar, sigara kaynaklı vasküler hasar ve inflamuar yanıtlar ile azalmış serebral kan akımı ve oksijen teslimini içerebilir; bunlar bir araya gelerek serebral iskemiyi şiddetlendirir ve bilinç bozuklukları riskini artırır. Kanıtlar, sigara içenlerin genel sağlık durumunun içmeyenlere kıyasla daha kötü ve hastalık sonrasında iyileşme kapasitesinin belirgin derecede bozulmuş olduğunu göstermektedir. Bu nedenle, yatan hasta yönetiminde, uzun süreli sigara öyküsünün risk stratifikasyonu için bir referans olarak kullanılması ve hastanede yatan sigara içen hastalara bireyselleştirilmiş sigarayı bırakma eğitimi verilmesi önerilmektedir.

Önemli bir nokt olarak, sigara içimi ile bilinç bozukluğu arasındaki tek değişkenli ilişkinin gelişim ve zamanlı kohortlar arasında farklılık gösterdiği görülmüştür. Gelişim kohortunda güncel sigara içimi, bilinç bozukluğu olan hastalarda olmayanlara göre daha sık görülmüştür (62,1’e karşı 27,8%). Ancak zamanlı kohortta sigara içimi, bilinç bozukluğu olan hastalarda daha az sık görülmüştür (26,7’ye karşı 34,8%) ve tek değişkenli ilişki anlamlı değildir. Bu tutarsızlık büyük ölçüde zamanlı doğrulama kohortundaki olay sayısının sınırlı olması (n = 45) ile açıklanabilir; bu durum bireysel öngörücülerin ilişkileri için istatistiksel gücü azaltır. Sigara tanımı ve veri toplama işlemleri her iki kohortta da aynıydı. Ayrıca eski sigara içicilerin sigara içmeyenler olarak sınıflandırıldığını, bunun maruz kalma yanlış sınıflandırmasını içerebileceğini de kabul ediyoruz. Zanlı doğrulama kohortunda kalibrasyon kabul edilebilir ancak mükemmel değildi; genel olarak hafif aşırı tahmin ve yüksek risk düzeylerinde hafif azalma eğilimi gözlemlendi. Bu derecede bir kalibrasyon sapması, genel servis tarama bağlamında, mütevazı derecede muhafazakâr bir yanılmanın kötüleşen hastaları kaçırma riskini azalttığı bir ortamda klinik yararlılığı muhtemelen önemli ölçüde etkilemez.

Sistolik kan basıncı, hastanın kan basıncı durumunu değerlendirmek için temel bir klinik göstergedir. Kalp kasılması (sistol) sırasında arter duvarlarına uygulanan basıncı yansıtır ve kalbin pompalama fonksiyonunu değerlendirmek için kritik bir işaret görevi görür (). Ayrıca sistolik kan basıncındaki değişimler, inme de dahil olmak üzere çeşitli kardiyovasküler ve serebrovasküler hastalıkların gelişimi ile yakından ilişkilidir; bu nedenle bu parametrenin izlenmesi hastanın genel sağlık durumunun belirlenmesi açısından kritik önem taşır. Araştırmalar, yükselmiş sistolik kan basıncının inme riskinin artması ile ilişkili olduğunu () ve ayrıca özellikle bilinç bozukluğu gibi kötü sonuçlar açısından uzun vadeli hastalık prognozunu etkileyebileceğini göstermektedir. Sonuç olarak, düzenli kan basıncı izlenmesi ile birlikte hedefli müdahaleler, kardiyovasküler ve serebrovasküler olayların oluşumunu önemli ölçüde azaltabilir ve nihayetinde hastanın yaşam kalitesini artırabilir.

NIHSS skorunun inme hastalarında prognoz risk faktörü olarak kabul edildiği, çok sayıda önceki çalışmanın bulguları ile uyumlu olduğu belirtiliyor. Ulusal Sağlık Enstitüleri İnme Ölçeği (NIHSS), inme hastalarında nörolojik defisitlerin şiddetini değerlendirmek için temel bir araç olup, yüksek skorlar daha ciddi nörolojik hasarı göstermektedir. Patofizyolojik açıdan yüksek bir NIHSS skoru genellikle daha büyük bir lezyon hacmini işaret eder; bu durum ciddi beyin ödemi, komşu kan damarlarına bası ve buna bağlı olarak etkilenen damarlarda endotelyal hasar ile inflamuar yanıtlar riskini artırır. Bu olay dizisi, bilinç bozukluğunun gelişimine katkıda bulunur. Uygulamada, akut inme geçiren hastalar genellikle inme acil kanalından hastaneye yatırılır ve yatış sonrası NIHSS ölçeği hızlı biçimde tamamlanır. NIHSS ölçeği kullanım kolaylığı sunar ve kısa bir eğitimle klinik görevliler tarafından etkili biçimde öğrenilebilir. Hastaların yatışındaki ilk değerlendirmelerde rutin başlangıç aracı olarak hizmet verir. Yüksek skorlu hastalar, bilinç bozuklukları için yüksek risk yönetimi yoluna hızla dahil edilir ve böylece en iyi bakımı alırlar ve bilinç durumları sürekli olarak izlenir.

NIHSS ile yalnızca kullanılarak yapılan karşılaştırmalar, hem eğitim hem de iç doğrulama setinde yaş, sigara öyküsü ve sistolik kan basıncının NIHSS’ye ek olarak anlamlı tahminleyici değer sağladığını doğruladı. Ancak zaman doğrulama kohortunda, etki yönleri tutarlı kalsa da, yalnızca NIHSS içeren modelle karşılaştırıldığında kapsamlı modelin sağladığı ek yararlar istatistiksel olarak anlamlı olmadı. Bu durum, zaman doğrulama setinin sınırlı örneklem büyüklüğü ve yetersiz istatistiksel güç ile açıklanabilir. NIHSS’ye ek yeni öngörücülerin sağladığı ek tahminleyici değer, daha büyük ölçekli prospektif çalışmalarla doğrulanmalıdır. NIHSS’nin nörolojik defisitlerin şiddetini etkili biçimde yansıttığını kabul etmekle birlikte, tüm hastaların giriş bilinçli olduğunu belirtmek önemlidir. Dolayısıyla bu model, yalnızca girişte mevcut bilinç bozukluğu olan hastaları belirlemek yerine, bilinçteki yeni kötüleşmeyi öngörmek için tasarlanmıştır.

Önceden yayımlanan inme sonrası nörolojik kötüleşme için tahmin modelleriyle karşılaştırıldığında, modelimizin iki klinik avantajı vardır. Birincisi, dahil edilen tüm öngörücüler— yaş, sigara durumu, sistolik kan basıncı ve NIHSS skoru—kan tahlili sonuçlarının beklenmesi veya görüntülemenin işlenmesinin beklenmesi gerekmeden, girişte hızlı biçimde elde edilebilen rutin klinik göstergelerdir. Bu özellik, modeli özellikle hastaların çoğuna acil uzman muayeneleri yapılamayan genel servislerde ön izleme için uygun kılar. İkincisi, eşlik eden dinamik nomogram, manuel puanlamaya gerek kalmadan klinik hemşirelerin ve hekimlerin gerçek zamanlı olarak doğru risk olasılıklarını almalarını sağlar. Önceki benzer çalışmaların çoğu yalnızca statik nomogramlar sunmuştur.

Logit modeli, logit dönüşümü ile ilişkilendirilen doğrusal bir modeldir ve regresyon katsayılarının yorumlanması kolaydır. Bu model, hastaların risk gruplarına ayrılmasını sağlayan bir nomogram oluşturmak için kullanılmıştır. Nomogram, regresyon analizinden türetilen iki boyutlu grafiksel bir modeldir ve regresyon denklemlerini sezgisel bir biçime dönüştürür. Bu çalışmada geliştirilen dinamik nomogram, manuel karşılaştırma ve puanlama gerektirmez; aynı anda olası risk değerlerini çıktı alarak, geleneksel statik nomogramlara kıyasla daha büyük bir kolaylık sunar. Doğrulama sonuçları, nomogramın güçlü ayrıştırma ve kalibrasyon yeteneğine sahip olduğunu göstermektedir. İnme hastalarının yatırıldığı klinik ortamlarda bu model, yaş, sigara kullanımı ve sistolik kan basıncı gibi kolayca erişilebilir klinik göstergeleri kullanarak bilinç bozukluğunun ortaya çıkma olasılığını hızlı biçimde tahmin edebilir. Tahmin edilen olası risk değerlerine dayanarak, kavramsal bir çerçeve olarak hastalar, hipotetik izleme amacıyla düşük risk (< 10%), orta risk (10–30%) ve yüksek risk (≥30%) gruplarına ayrılabilir. Önerilen bu risk kategorilerinin rutin klinik uygulamadan önce prospektif değerlendirme gerektirdiği; kritik bakım hazırlıklarının tıbbi ve hemşirelik kaynaklarının doğru biçimde ayrılmasını sağlamak amacıyla yapılması gerektiği, dolayısıyla optimize edilmiş nörolojik izleme ve kaynak ayrımını destekleyebileceği öngörülmektedir.

5 Sınırlılıklar

Bu çalışmanın kabul edilmesi gereken birkaç sınırı bulunmaktadır. Birincisi, gözlemsel bir çalışma olduğu için doğuştan gelen seçim yanlılığı ve bilgi yanlılığı bulunabilir ve modelin performansının daha ileri düzeyde doğrulanması için prospektif çalışmalara ihtiyaç vardır. İkincisi, başlangıçtaki 21 aday öngörücünün yanı sıra olay sayısı sınırlıdır (eğitim kümesinde EPV = 3.7) ve bu durum, yaygın kabul gören 10–20 eşiğinin altındadır; bu da bildirilen model performansında iyimserliğe yol açabilir. LASSO düzenlemesi ve bootstrap iyimserlik düzeltmesi aşırı uydurmayı azaltmak amacıyla uygulanmış olsa da, bu riski tamamen ortadan kaldıramaz. Üçüncüsü, sistolik kan basıncı, istatistiksel olarak saptanabilen doğrusal olmayan bir ilişki var olmasına rağmen doğrusal terim olarak modellenmiştir. Doğrusal olmayan bir tanımlamadan elde edilen prediktif performans artışı mütevazıydı ve klinik sadelik ile yorumlanabilirlik nedeniyle doğrusal biçim tercih edilmiştir. Dördüncüsü, tek merkezli zaman doğrulaması gerçekleştirilmiştir; dolayısıyla bu modelin diğer bölgelere ve tıbbi kurumlara genelleştirilebilirliği ve aktarılabilirliği hâlâ doğrulanmamıştır. Beşincisi, 72 saatlik bilinç durumu değerlendirmesine tabi tutulamayacakları için hastalığın başlangıcından 3 gün içinde ölen hastalar çalışmadan çıkarılmıştır. Bu işlem, en ciddi olguları ortadan kaldırmış ve seçim yanlılığına yol açmış olabilir; çünkü fatal inme, ciddi nörolojik yaralanma ve bilinç bozukluğu ile yakından ilişkilidir. Altıncısı, eski sigara içenler sigara içmeyenler kategorisine alınmıştır; bu durum maruz kalma yanlış sınıflandırmasına ve sigara ilişkisinin olası biçimde zayıflatılmasına yol açabilir. Yedincisi, 72 saatlik değerlendirmiden önce uygulanan tromboliz, trombektomi, kan basıncı yönetimi ve intrakraniyal basınç tedavisi gibi tedaviler sonucu etkilemiş olabilir ve bu çalışma bu konuyu göz ardı etmiştir. Buna ek olarak, bu modelin ayırt edici etkinliği belirgin biçimde düşmüş ve zaman doğrulama kümesinin hemorjik inme alt kümesinde istikrarı yetersiz kalmıştır. Bu düşüş, küçük örneklem boyutundan ve bu alt kümedeki sınırlı sayıda olumlu olaydan kaynaklanmaktadır. Sonuç olarak, bu modelin hemorjik inmeli hastaların klinik değerlendirmesinde doğrudan kullanılması önerilmez

bu aşamada inme. Doğrulama çalışmalarının daha büyük hemorjik inme kohortlarında yürütülmesi gerekmektedir. Ayrıca, zaman doğrulama setinde, dört göstergeyi içeren tam modelin yalnızca NIHSS kullanımıyla karşılaştırıldığında öngörülebilir kazancı istatistiksel olarak anlamlı düzeye ulaşmamıştır. Yaş, sigara kullanım durumu ve sistolik kan basıncının NIHSS ile birlikte değerlendirildiğinde sağladığı tamamlayıcı öngörülebilir değerin, daha büyük örneklem büyüklüklü prospektif çalışmalarla doğrulanması gerekmektedir. Ayrıca, bu çalışmada kullanılan 0,30 eşik değeri, zaman doğrulama setinde nispeten düşük duyarlılık göstermekte ve bu eğin bilinç bozukluğu olan hastaların yarısından fazlasının kaçırılmasına yol açabileceğini göstermektedir. Dolayısıyla, bu eşik değeri yalnızca genel servislerde tarama amacıyla keşif amaçlı bir gösterge olarak kullanılmalı ve klinik kararların alınmasında bağımsız bir dayanak olarak kullanılmamalıdır. Modelin daha ileri düzeyde doğrulanması ve farklı klinik ortamlarda kullanım alanının artırılması için büyük örneklemli, çok merkezli prospektif çalışmalar şarttır.

6 Sonuç

Sonuç olarak, yaş, sigara kullanım durumu, sistolik kan basıncı ve NIHSS puanı, inme sonrası bilinç bozukluklarını etkileyen bağımsız faktörlerdir. Bu değişkenlerden geliştirilen nomogram, hem modelleme kohortunda hem de iç doğrulama kohortunda kabul edilebilir ayırt edicilik, kalibrasyon ve klinik net fayda göstermiş; zaman doğrulama setinde orta düzeyde etki sergilemiştir. Bu model, değerlendirme için yalnızca servisten rutin göstergeleri gerektirmekte ve klinik personelin inme sonrası bilinç bozukluklarının erken risk categorilendirmesine yardımcı olacak bir keşif amaçlı gösterge aracı olarak kullanılabilmektedir; böylece hedefli izleme ve hemşirelik müdahalelerini yönlendirmektedir. Bununla birlikte, klinik pratikte rutin kullanımdan önce klinik etkinliğinin doğrulanması için daha ileri çok merkezli prospektif çalışmalar gerekmektedir.

İfadeler

Veri erişim ifadesi

Çalışmada sunulan özgün katkılar makale/supplémenter malzemede yer almaktadır; daha ileri başvurular ilgili yazarlara yöneltilebilir.

Etik beyan

İnsanların dahil edildiği çalışmalar, Xinjiang Tıp Üniversitesi Beşinci Bağlı Hastanesi Etik Kurulu tarafından onaylanmıştır (Onay numarası: XYDWFYLSk-2025-158). Çalışmalar yerel mevzuat ve kurumsal gerekliliklere uygun olarak yürütülmüştür. Ulusal mevzuat ve kurumsal gerelicilikler doğrultusunda katılımcılardan veya katılımcıların yasal veli/akrabalarından katılım için yazılı aydınlatılmış onay talep edilmemiştir. Makaleye dahil edilen potansiyel olarak kimliği belirlenebilir görüntü veya verilerin yayımlanması için bireylerden yazılı aydınlatılmış onay alınmıştır.

Yazar katkıları

GF: Görselleştirme, Veri yönetimi, Gözden geçirme ve düzenleme, Biçimsel analiz, Kaynaklar, Proje yönetimi, Doğrulama, Metodoloji, Yazılım, Araştırma, Özgün metin yazımı, Kavramsal tasarım, Gözetim, Finansman edinme. QW: Gözden leftirme ve düzenleme, Biçimsel analiz. XL: Özgün metin yazımı, Kavramsal tasarım. SY: Metodoloji, Gözden leftirme ve düzenleme. LW: Gözden leftirme ve düzenleme, Kaynaklar. HC: Gözden leftirme ve düzenleme, Finansman edinme, Gözetim, Özgün metin yazımı.

Finansman

Yazar(lar), bu çalışma ve/veya yayımlanması için finansal destek alındığını beyan etmiştir. Bu çalışma, Sincan Uygur Özerk Bölgesi Hastane Yönetimi Araştırma Enstitüsü (Hastane İdaresi Departmanı) Projesi tarafından desteklenmiştir (Hibe No.: YGYJYB2025003). Finansman sağlayıcılarının çalışma tasarımı, veri toplama ve analiz, sonuçların yorumlanması veya makalenin yazımı ile hiçbir rolü yoktur.

Tesekkürler

Bu çalışmaya katılan tüm personele içten teşekkür ederiz.

Çıkar çatışması

Yazar(lar), bu çalışmanın, potansiyel bir çıkar çatışması olarak değerlendirilebilecek herhangi bir ticari veya finansal ilişki olmadan yürütüldüğünü beyan etmiştir.

Üretken Yapay Zeka beyanı

Makaleyi hazırlayan yazar(lar), Üretken Yapay Zeka’nın bu makalenin oluşturulmasında kullanılmadığını beyan etmiştir.

Bu makaledeki figürlerle birlikte sağlanan herhangi bir alternatif metin (alt text), yapay zeka desteğiyle Frontiers tarafından oluşturulmuş olup, mümkün olduğunca yazarların gözden geçirmesini de içeren makul çabalar doğruluk sağlamak amacıyla alınmıştır. Herhangi bir sorunu tespit ederseniz, lütfen bizimle iletişime geçin.

Yayıncının notu

Bu makalede ifade edilen tüm iddialar yalnızca yazarların görüşlerini yansıtır ve bağlı oldukları kuruluşların, yayıncının, editörlerin veya hakemlerin görüşlerini mutlaka yansıtmaz. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisinin yapabileceği herhangi bir iddia, yayıncı tarafından garanti edilmez veya desteklenmez.

  • 1.

    RenSChenYLiuYLvQPengJSongLet al. Acupuncture for somatosensory deficits after stroke: a systematic review and meta-analysis. Front Med. (2025) 12:1504215. doi: 10.3389/fmed.2025.1504215

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 2.

    WangNXueYWangTQiuFLiCWangZet al. Different light color temperatures in the morning on the effectiveness of rehabilitation training in patients with ischemic stroke: a prospective, single-center, randomized controlled clinical trial. J Neuroeng Rehabil. (2025) 22:162. doi: 10.1186/s12984-025-01679-9

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 3.

    YangK-JHuangJ-JXuanC-X. Association of stent thrombectomy and conventional treatment with neuroprotection, complications, anxiety, and depression in acute ischemic stroke patients. World J Psychiatry. (2025) 15:101182. doi: 10.5498/wjp.v15.i1.101182

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 4.

    Cha, Z., Qiao, Y., Lu, Q., Wang, Q., Lu, X., Zhou, H., ve diğerleri. İskemik inme için hücre tedavisinin araştırma ilerlemesi ve zorlukları. Front Cell Dev Biol. (2024) 12:1410732. doi: 10.3389/fcell.2024.1410732

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 5.

    Zhang, W., Liu, X., Feng, X., Lu, D., Li, R., Guo, H., ve diğerleri. İnme sonrası nörolojik fonksiyon iyileşmesi için ferroptozis hedefleyen akupunktür üzerine deneytsel kanıtlar: sistematik derleme ve meta-analiz. Brain Behav. (2025) 15:e70507. doi: 10.1002/brb3.70507

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 6.

    Li, J., Fang, H., Liu, T., Li, P., Ou, Z., Li, Z., ve diğerleri. Minimal bilinç durumunda hastalarda işlevsel yeniden örgütlenmeyi teşvik eden uyanma için akupunktür ile birlikte tekrarlayan kranial manyetik uyarım: rastgele kontrollü bir çalışmanın çalışma protokolü. Front Neurol. (2025) 16:1610462. doi: 10.3389/fneur.2025.1610462

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 7.

    Yu, F., Gao, Y., Li, F., Zhang, X., Hu, F., Jia, W., ve diğerleri. Bilinç bozukluğu sonrası durumda dinlenme durumu EEG mikrodurumları: electrofizyolojik biyomarkerlar. Front Neurosci. (2023) 17:1257511. doi: 10.3389/fnins.2023.1257511

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 8.

    Formisano, R., Giustini, M., Aloisi, M., Contrada, M., Schnakers, C., Zasler, N., ve diğerleri. Bilinç bozukluğu hastalarında tanısal ve prognozsal protokoller üzerine uluslararası anket. Brain Inj. (2019) 33:974–84. doi: 10.1080/02699052.2019.1622785

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 9.

    Xu C, Zhu Z, Wu W, Zheng X, Zhong H, Huang X ve diğerleri. Farklı bireyselleştirilmiş 10 Hz tekrarlayan kranial manyetik uyarımın bilinç bozukluğu hastalarında etkileri: keşif amaçlı, çift kör, çapraz, randomize, sham ile kontrollü bir çalışmanın protokolü. Trials. (2023) 24:249. doi: 10.1186/s13063-023-07122-5

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 10.

    Song Y, Wang X, Lang K, Wei T, Luo J, Song Y ve diğerleri. Şiddetli topluluk kökenli pnömonili yaşlı hastalarda başvuruda 28 günlük ölüm riskini öngören nomogramın geliştirilmesi ve geçerliliğinin değerlendirilmesi. J Inflamm Res. (2022) 15:4149–58. doi: 10.2147/JIR.S369319

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 11.

    Zhao Y, Guo R, Sai J, Wang Y, Meng X, Lu J ve diğerleri. Huzurevlarında yaşayan yaşlılarda geri döndürülebilir bilişsel zayıflık için öngörücü modelin oluşturulması ve geçerliliğinin değerlendirilmesi. BMC Geriatr. (2026) 26:340. doi: 10.1186/s12877-025-06930-5

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 12.

    Liu K, Yang L, Liu Y, Zhang Y, Zhu J, Zhang H ve diğerleri. Sistemik bağışıklık-iltihap indeksi (SII) ve nötrofil-limforatio (NLR): büyük damar aterosklozu (LAA) inme hastalarında hastalık şiddetinin güçlü öngörücüsü. J Inflamm Res. (2025) 18:195–202. doi: 10.2147/JIR.S500474

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 13.

    Xie J, Li J, Sun Q, Jiang J. “Mikrobitota-bağırsak-beyn eksenleri” teorisine dayalı olarak inme sonrası depresyonda zihni dengileyici akupunkturun klinik etkinliği: randomize kontrollü çalışma. Neuropsychiatr Dis Treat. (2025) 21:1349–58. doi: 10.2147/NDT.S525238

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 14.

    Song JJ, Stafford R, Pohlmann JE, Kim ISY, Cheekati M, Dennison S ve diğerleri. Orta serebral arter büyük inmesinden sonra ortaya çıkan orta çizgi kayışının, hastaneden taburculuk durumuyla ilişkisi. Sci Rep. (2025) 15:11738. doi: 10.1038/s41598-025-95954-3

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 15.

    Faizan M, Halfawi A, Alkuwari A, Ali M, Elgassim M, Anjum S. Malign MCA inmesinde akut spastisite: olgu raporu ve literatür taraması. Oxf Med Case Rep. (2025) 2025:omaf114. doi: 10.1093/omcr/omaf114

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 16.

    Chawnchhim A, Mahajan C, Kapoor I, Sinha T, Prabhakar H, Chaturvedi A. Travmatik beyin hasarlı hastalarda prognozu tahmin etmek için Glasgow Koma Ölçeği’nin tam yanıtısızlık taslağı ve pupil puanının karşılaştırılması. Indian J Crit Care Med. (2024) 28:256–64. doi: 10.5005/jp-journals-10071-24651

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 17.

    Liu Y, Li Z, Xu W, Zhao Z, Zhang W, Wu J. Midbrain çevresinde anjiografik olarak negatif subaraknoit kanama sonrası bilişsel bozukluğun risk faktörleri. J Multidiscip Healthc. (2025) 18:1473–82. doi: 10.2147/JMDH.S487479

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 18.

    Zhu J, Liang W, Ding Y, He X, Zhao J, Li G ve diğerleri. Endovasküler tedavi sonrası büyük damar oklüzyonu inmesinde hipostatik pnömoni riskini tahmin eden prognostik nomogramın geliştirilmesi ve geçerliliğinin değerlendirilmesi. Front Neurol. (2025) 16:1654147. doi: 10.3389/fneur.2025.1654147

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 19.

    Chen NZ, Zhang J, Wang Z. Orta yaşlı ve yaşlı bireylerin öz-yeterliliğinin sağlık davranışlarını teşvik etme üzerindeki etkileri: spor faaliyetinin aracılık etkileri. Front Psychol. (2022) 13:889063. doi: 10.3389/fpsyg.2022.889063

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 20.

    Waller R, Narramore R, Simpson J, Heath P, Verma N, Tinsley M ve ark. Yaşlanma sıfır beyaz madde ve Alzheimer hastalığı ile küçük damar hastalığı patolojileriyle ilişkisi açısından hücresal inflamatuar yanıtların heterojenliği. Brain Pathol. (2021) 31:e12928. doi: 10.1111/bpa.12928

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 21.

    Lou J, Teng Z, Zhang L, Yang J, Ma L, Wang F ve ark. β-kariofillen/hidroksipropil-β-siklodekstrin inklüksyon kompleksi, kan-vasküler demanslı sıçanlarda kanoabinoid reseptör tipi 2 aracılı yolak yoluyla bilişsel kayıpları iyileştirir. Front Pharmacol. (2017) 8:2. doi: 10.3389/fphar.2017.00002

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 22.

    Cheraghian B, Rahimi Z, Hashemi SJ, Torabipour A. Güneybatı İran’da sigara kullanımı ve amnezi arasındaki ilişki: popülasyona dayalı kesitsel çalışma. J Res Health Sci. (2025) 25:e00647. doi: 10.34172/jrhs.2025.182

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 23.

    Bhujade R, Ibrahim T, Wanjpe AK, Chouhan D. Hindistan’ın merkezinde yaşlı nüfusta tütün kullanıcıları ve kullanmayanların genel sağlık durumu ve ağız sağlığı puanını değerlendirmeye yönelik karşılaştırmalı bir çalışma. J Fam Med Prim Care. (2020) 9:3387–91. doi: 10.4103/jfmpc.jfmpc_157_20

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 24.

    Cui Q, Jin P, Ren Y, Yang P, Chen X, Lian C. Akut miyokardiyal infarktüsli hastalarda irdiği arter basancı ile 28 günlük mortalite arasındaki şekillenmiş ilişki. Sci Rep. (2025) 15:9064. doi: 10.1103/s41598-025-92648-8

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 25.

    Ariyada K, Yamagishi K, Kihara T, Muraki I, Imano H, Kokubo Y ve ark. Beş spesifik kanama yerinde intraserebral kanamanın risk faktörleri: Japonya halk sağlığı merkezine dayalı prospektif çalışma. Eur Stroke J. (2025) 10:600–9. doi: 10.1177/23969873241290680

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 26.

    Li X, Zhang J, Wang Q, Xiang L, Dong J. Rehabilitasyon eğitimi iskemik stroke hastalarında serum IL-11 seviyelerini belirgin şekilde artırabilir ve prognozu iyileştirebilir. Mediat Inflamm. (2023) 2023:1865760. doi: 10.1155/2023/1865760

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 27.

    Cheng Y, Wang Q, Sun C, Cui D. Akut pons infaktüsli hastalarda plazma aterojenik indeksi ile 90 günlük klinik prognoz arasındaki ilişki: tek merkezli çalışma. Int J Gen Med. (2024) 17:3453–63. doi: 10.2147/IJGM.S471545

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 28.

    Huang Y, Huang Y-T, Yuan J, Wu Y, Yang Z-Y, Zhang X, Yu C-Q. Beyin kanama ameliyatı sonrası kineziyofobi hastaları için bir risk predikasyon modelinin oluşturulması ve doğrulanması. BMC Neurol. (2025) 25:289. doi: 10.1186/s12883-025-04296-0

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 29.

    Hao Y, Zhou H, Pan C, Xie G, Hu J, Zhang B, et al. Tahmin edilecek faktörler ve intravenöz trombolizden sonra ortaya çıkan farklı tip kanamalı dönüşümün klinik önemi. Eur J Med Res. (2023) 28:509. doi: 10.1186/s40001-023-01503-x

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 30.

    Lou C, Zhang M, Li J, Xu D. Hafif inme hastalarında tromboliz sonrası erken nörolojik kötüleşmeyi tahmin etmekte lojistik regresyon ve makine öğrenimi yöntemlerinin karşılaştırılması. Front Neurol. (2026) 17:1703890. doi: 10.3389/fneur.2026.1703890

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 31.

    Li N, Li Y-L, Shao J-M, Wang C-H, Li S-B, Jiang Y. Intravenöz tromboliz sonrası akut iskemik inme hastalarında nörolojik kötüleşmenin tahmininin optimize edilmesi: bir LASSO regresyon modeli yaklaşımı. Front Neurosci. (2024) 18:1390117. doi: 10.3389/fnins.2024.1390117

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 32.

    Zhu X-Y, Jiang Z-M, Li X, Su F-F, Tian J-W. Akut koroner sendromlu yaşlı hastalarda PCI sonrası nomogramın oluşturulması ve doğrulanması. Front Cardiovasc Med. (2025) 12:1529476. doi: 10.3389/fcvm.2025.1529476

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article

Özet

Anhtar kelimeler

bilinç bozukluğu, genel servis, nomogram, inme, zamansal doğrulama

Başvuru

Fang G, Wu Q, Liu X, Yu S, Wang L ve Chang H (2026) Inme hastalarında erken post-inme bilinç bozukluğunu tahmin etmek için dinamik bir nomogram: model geliştirme ve zamansal doğrulama. Front. Neurol. 17:1956461. doi: 10.3389/fneur.2026.1956461

Mürajaat tarihi

02 Ağustos 2026

Düzelleme tarihi

25 Ekim 2026

Kabul tarihi

28 Ekim 2026

Yayınlanma tarihi

11 Kasım 2026

17 – 2026

Mohamed Abul Hassan, Kaliforniya Üniversitesi, Davis, Amerika Birleşik Devletleri

Dongwei Sun, Kaliforniya Üniversitesi, Riverside, Amerika Birleşik Devletleri

Frontiers | A dynamic nomogram for predicting early post-stroke disorder of consciousness among stroke patients: model development and tempo
Frontiers | A dynamic nomogram for predicting early post-stroke disorder of consciousness among stroke patients: model development and tempo

Meng-Ke Lyu, Henan Geleneksel Tıp Üniversitesi, Çin

© 2026 Fang, Wu, Liu, Yu, Wang ve Chang.

Bu, Creative Commons Atıf Lisansı (CC BY) koşulları altında dağıtılan açık erişimli bir makaledir. Orijinal yazar(lar)ın ve telif hakkı sahibinin(lerin) atıf yapılması ve bu dergideki orijinal yayının, kabul edilen akademik uygulamalara uygun olarak belirtilmesi şartıyla, diğer forumlarda kullanım, dağıtım veya çoğaltma izinlidir. Bu koşullara uymayan herhangi bir kullanım, dağıtım veya çoğaltma izinlidir.

*İletişim: Haixia Chang, 13899991389@163.com

Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve mutlaka bağlı oldukları kuruluşların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmaz. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisinin yapabileceği herhangi bir iddia, yayıncı tarafından garanti edilmez veya desteklenmez.

İlginizi Çekebilir: Hamilelikte Astım için Hasta Eğitimide Büyük Dil Modellerinin Çok Boyutlu Değerlendirmesi: Kesit Tarayıcı Karşılaştırmalı Bir Çalışma →
Kaynak: Frontiersin ↗
BENZER İNCELEMELER

İlgili Diğer Rehberler