11.5.1 Az intenzív osztályos halálozás prognózisa
Az akut fiziológiai és krónikus állapotértékelési modellsorozat (APACHE-II (Knaus et al., 1991) és APACHE-IV (Zimmerman et al., 2006)) a legszélesebb körben használt logisztikus regresszió alapú előrejelző modellek közé tartozik. Ezeket az eszközöket az intenzív osztályokon (ICU) használják a kórházi halálozás előrejelzésére különböző fiziológiai alapú változók alapján. Az APACHE első változata (Knaus és mtsai., 1981) figyelemre méltó volt, mint az első olyan klinikai előrejelző modell, amely kizárólag objektív fiziológiai paramétereket használt a kimenetel előrejelzésére, és egy szakértői alapú pontozási rendszer volt, amely ezeket a paramétereket használta a kimenetel kockázatának becslésére.
Az APACHE-II és az APACHE-IV ma is használatos a kutatásban, a minőségellenőrzésben és a klinikai alkalmazásokban. Az APACHE-II-t 1985-ben publikálták egy sokkal nagyobb fejlesztési adathalmaz (5815 felvétel 13 kórházból) felhasználásával, mint az APACHE-t, és továbbfejlesztette a szakértői alapú pontozási rendszert egy logisztikus regressziós modell bevonásával, amely a beteg szakértői alapú fiziológiai pontszámát, sürgősségi állapotát és bizonyos diagnosztikai kategóriák kiigazítását használja. A modell jó diszkriminációt mutatott különböző független értékelési halmazokon (Jacobs és mtsi., 1987; Giangiuliani és mtsi., 1989; Chisakuta és Alexander, 1990; Turner és mtsi., 1991; Teskey és mtsi., 1991; Wong és mtsi., 1995), de kalibrációját igen változónak találták. Mivel a modellt nyilvánosan hozzáférhetővé tették, számos különböző validációs vizsgálatban használták.
Az APACHE-III 1991-ben jelent meg, miután az APACHE-II esetösszetételével és általánosíthatóságával kapcsolatos kritikákra válaszul kifejlesztették. A rendszert az Egyesült Államok 40 intenzív osztályának 17 440 beteget tartalmazó adatbázisából fejlesztették ki. Az APACHE-III kereskedelmi termék volt, és nem tették olyan könnyen hozzáférhetővé a szélesebb orvosi közösség számára, mint az APACHE-II-t. Az elvégzett külső értékelések azonban az APACHE-II-hez hasonlóan jó diszkriminációt és igen változó kalibrációt jeleztek (Zimmerman et al., 1998; Pappachan et al., 1999; Carneiro et al., 1997; von Bierbrauer et al., 1998; Bastos et al., 1996; Ihnsook et al., 2003; Rivera-Fernandez et al., 1998; Cook, 2000). Az APACHE-IV 2006-ban került bevezetésre az APACHE-III nagyszabású átalakításaként, és szintén kereskedelmi termék. Ez az átalakítási erőfeszítés magában foglalta az APACHE-III alapjául szolgáló 72 egyenletből 42 átalakítását és 11 olyan egyenlet eltávolítását, amelyek már nem voltak megfelelőek, vagy már nem tükrözték a klinikai gyakorlatot (Zimmerman és mtsai., 2006).
Ezek a modellek továbbra is hasznosak a kutatásban, de a kalibráció és az eltérő betegpopulációk közötti korlátok korlátozzák a használatukat bizonyos klinikai helyzetekben (különösen az egyes betegekre való alkalmazás tekintetében). Más, Európában elterjedtebb prognosztikai rendszerek a felnőtt intenzív osztályon az Egyszerűsített Akut Fiziológiai Score SAPS-3 és a Mortality Prediction Model MPM-III. A Sequential Organ Failure Assessment SOFA modellt is használják a szervi funkciók időbeli értékelésére. Ezeket a modelleket vagy korábbi változataikat világszerte széles körben összehasonlították különböző betegpopulációkban. A mai napig számos áttekintés és összehasonlítás jelent meg e modellek között (Vincent et al., 1996; Ohno-Machado et al., 2006; Castella et al., 1991; Rowan et al., 1994; Wilairatana et al., 1995; Del Bufalo et al., 1995; Castella et al., 1995; Moreno et al., 1998; Nouira et al., 1998; Tan, 1998; Patel és Grant, 1999; Vassar et al., 1999; Katsaragakis et al., 2000; Livingston et al., 2000; Capuzzo et al., 2000; Markgraf et al., 2000; Beck et al., 2003; Keegan et al., 2012; Vasilevskis et al., 2009; Hwang et al., 2012; Costa e Silva et al., 2011; Shrope-Mok et al., 2010).
Sok tanulmány hasonlította össze a logisztikus regressziót a mesterséges neurális hálózatokkal ezen a területen. Clermont és munkatársai (Clermont et al., 2001) azt találták, hogy megfelelő méretű (1200) fejlesztési adathalmaz esetén a helyileg kifejlesztett logisztikus regresszió és a mesterséges neurális hálózatok egyenértékűen teljesítettek mind a kalibráció (megfelelő), mind a diszkrimináció (0,80 és 0,84 közötti AUC értékek) tekintetében. Mindkét modell teljesítménye azonban romlott, ahogy a fejlesztési minta mérete csökkent. Egy másik kisebb vizsgálat, amelyet Dybowski és munkatársai (Dybowski és munkatársai, 1996) végeztek 168 fős fejlesztési mintával, az ANN jobb diszkriminációt mutatott az LR-hez képest (0,863 vs. 0,753 AUC).
Egy másik vizsgálat az APACHE-II LR modellt hasonlította össze az ANN-ekkel. Nimgaonkar és munkatársai (Nimgaonkar et al., 2004) egy indiai intenzív osztályon 1 962 betegre egy ANN kifejlesztése után a 22 APACHE-II változóval azt találták, hogy az ANN jobb diszkriminációval rendelkezik, mint az APACHE-II (0,87 vs. 0,77 AUC). Wong és munkatársai (Wong és Young, 1999) hasonló összehasonlítást végeztek egy 2932 brit betegből álló fejlesztési adatsorral, és azt találták, hogy a két módszer diszkriminációja egyenértékű (0,82 vs. 0,83 AUC az ANN és az APACHE esetében).
A kalibráció összehasonlítását is elvégezték néhány tanulmányban, de ezek problémásak voltak, mivel az LR-modellt olyan külső betegpopulációkon fejlesztették ki, amelyek eltérnek az ANN-modellekhez felhasznált, helyben keletkezett brit és indiai populációktól. A diszkrimináció összehasonlítása nem szenved ugyanilyen módon ettől a problémától.