机器学习模型可预测感染SARS-CoV-2的自身免疫性脑炎患者的预后

本研究前瞻性多中心队列评估了308例自身免疫性脑炎（AE）患者新冠病毒感染后神经预后，发现预感染mRS≥1、免疫治疗、嗜睡及胃肠道症状是预后差风险因素，ranger模型预测准确率达0.96。

李行杰|孔雪英|李爱青|龚雪|郭昆甸|刘旭|刘月|张天宇|邓小琳|李金梅|周东|洪珍

中华人民共和国四川省成都市四川大学华西医院神经内科

摘要

目的

评估自身免疫性脑炎（AE）患者在严重急性呼吸综合征冠状病毒2型（SARS-CoV-2）感染后的神经系统预后，并构建预后不良的风险预测模型。

方法

这是一项前瞻性、多中心、观察性队列研究。无论是否感染SARS-CoV-2，患者每3个月进行一次随访。使用多变量逻辑回归分析确定影响神经系统预后的因素。利用九种机器学习方法构建预测模型。

结果

在308名患者中，有241人感染了SARS-CoV-2。多变量逻辑回归显示，灭活疫苗联合重组或腺病毒载体疫苗可预防SARS-CoV-2感染（比值比[OR] 0.05，95%置信区间[CI] 0.01–0.52，p = 0.01）。感染后3个月，12.4%的AE患者预后较差，6.2%的患者未能恢复工作能力。感染前的改良Rankin量表（mRS）评分=1（OR 4.06，95% CI 1.11–14.91，p = 0.04）和mRS评分>1（OR 13.4，95% CI 3.31–54.02，p < 0.01）、感染期间的免疫治疗（OR 5.1，95% CI 1.65–15.79，p = 0.01）、SARS-CoV-2相关的嗜睡（OR 19.5，95% CI 5.42–70.34，p < 0.01）以及胃肠道症状（OR 4.4，95% CI 1.58–11.96，p < 0.01）被确定为预后不良的风险因素。使用这四个参数的预测模型（https://xingjieli1999.shinyapps.io/clinical_prediction_app/）的鉴别准确率为0.96（95% CI 0.94–0.99）。

结论

SARS-CoV-2感染后，AE患者的神经系统症状可能会加重。机器学习算法显示出基于临床信息预测AE患者预后的可行性。

引言

截至2024年3月，全球约有7.7亿人感染了严重急性呼吸综合征冠状病毒2型（SARS-CoV-2），超过700万人死于2019冠状病毒病（COVID-19）（https://covid19.who.int/）。COVID-19感染可导致持续的肺部和神经系统症状（Sudre, Murray等人，2021）。COVID-19还与神经系统并发症（Ellul, Benjamin等人，2020）和长期健康影响（Davis, McCorkell等人，2023）相关。

自身免疫性脑炎（AE）是一种罕见但严重的中枢神经系统自身免疫炎症性疾病（Dubey, Pittock等人，2018；Esposito, Principi等人，2019）。大多数患者会出现类似病毒的前驱症状，如发热和头痛，随后出现严重的癫痫发作、精神症状、运动障碍和记忆丧失（Dalmau, Tüzün等人，2007；Tüzün, Zhou等人，2009）。许多研究表明，单纯疱疹病毒（Armangue, Leypoldt等人，2014；Dalmau, Armangué等人，2019）或SARS-CoV-2（Patone, Handunnetthi等人，2021；Valencia Sanchez, Theel等人，2021；Gelibter, Bellavia等人，2022）感染可诱发AE。

关于AE患者感染SARS-CoV-2风险的具体数据有限。目前尚不清楚SARS-CoV-2感染是否会加重AE症状，或者AE患者的异常免疫系统是否会影响SARS-CoV-2的严重程度。本研究旨在评估AE患者在SARS-CoV-2感染后的神经系统预后，识别风险因素，并开发一个实用的临床预测模型。次要目标是评估感染后三个月AE患者的生活状况。

研究设计和队列

“中国自身免疫性脑炎研究结果”（CHASE）（原名“西部中国自身免疫性脑炎研究结果[ONE-WC”（Gong, Chen等人，2021））是一项针对AE患者的前瞻性、观察性、多中心队列研究。作为CHASE研究的一部分，这些患者于2011年10月至2023年3月期间从中国西部的三个大型综合性神经科中心招募。

人群统计学特征

本研究共纳入647名AE患者，其中308名患者符合纳入标准（图1）。中位随访时间为68（8–132）个月。241名患者（78.2%，n = 241/308）被检测出SARS-Cov-2阳性。根据SARS-CoV-2暴露情况将患者分为两组（表S2，表S3）。大多数（54.0%）参与者为女性。患者的中位年龄为33岁（四分位数范围：25–50岁）。两组在基础合并症和人口统计学特征（如年龄、性别、教育程度、BMI和婚姻状况）方面相似（P

讨论

据我们所知，这是首次关于AE患者感染SARS-CoV-2风险的研究。此外，本研究填补了相关流行病学数据的空白，并推进了AE患者中SARS-CoV-2的研究；确定了影响AE患者预后的关键风险因素，并基于临床风险因素构建了性能良好且具有临床价值的预测模型，有助于快速识别高风险AE患者。

贡献

李行杰和孔雪英参与了研究的构思与设计、患者随访、数据分析和可视化、初稿撰写以及修订（审阅和编辑）。李爱青、郭昆甸、刘旭、龚雪、刘月、张天宇和邓小琳参与了患者随访、结果讨论和手稿修订。李金梅和周东参与了结果讨论。洪珍参与了研究的构思与设计。

研究资助

本研究得到了中国国家重点研发计划（项目编号2022YFC2503800）和四川大学华西医院临床研究孵化项目的支持（22HXFH022）。

伦理批准

所有涉及人类参与者的程序均符合机构和/或国家研究委员会的伦理标准，以及1964年《赫尔辛基宣言》及其后续修订版或相应的伦理标准。本研究已在全球卫生组织国际临床试验注册数据库（ChicTR1800019762）中注册。

数据获取

本研究的数据可在文章中找到，更多数据见补充材料。

资金来源的作用

本研究得到了中国国家重点研发计划（项目编号2022YFC2503800）和四川大学华西医院临床研究孵化项目（22HXFH022）的支持。

资金来源未参与研究设计、数据收集、数据分析、报告撰写或文章发表的决定。

作者贡献声明

李行杰：数据可视化、方法学、正式分析、撰写（初稿审阅与编辑）、软件应用、调查、概念构思、撰写（初稿）。孔雪英：数据验证、概念构思、方法学、数据管理、撰写（初稿）、正式分析。李爱青：数据验证、方法学。龚雪：方法学。郭昆甸：方法学、数据验证。刘旭：方法学、数据验证。刘月：方法学、数据验证。张天宇：方法学。

利益冲突声明

所有作者均无需要披露的利益冲突。资金来源未参与研究设计、数据收集、数据分析、报告撰写或文章发表的决定。

致谢

我们感谢所有患者及其家属对这项研究的贡献，也感谢三家合作医院对数据库系统的支持。