ปัจจัยที่มีความสัมพันธ์กับการเสียชีวิตภายใน 30 วันของผู้ป่วยภาวะวิกฤตเลือดออกในสมอง ชนิดปฐมภูมิเฉียบพลันในโรงพยาบาลระดับตติยภูมิ

มณีชนก  สำมณี; กฤษณา เชื้อบุญมี

ผู้แต่ง

มณีชนก สำมณี โรงพยาบาลพระนั่งเกล้า
กฤษณา เชื้อบุญมี โรงพยาบาลพระนั่งเกล้า

คำสำคัญ:

ภาวะเลือดออกในสมอง, การเสียชีวิตภายใน 30 วัน, ปัจจัยพยากรณ์ Firth’s penalized logistic regression, ผู้ป่วยวิกฤต, intracerebral hemorrhage, 30-day mortality, prognostic factors, Firth’s penalized logistic regression, critical care

บทคัดย่อ

วัตถุประสงค์: ภาวะเลือดออกในสมองชนิดปฐมภูมิมีอัตราการเสียชีวิตสูง โดยเฉพาะในผู้ป่วยวิกฤต การทราบปัจจัยที่สัมพันธ์กับการเสียชีวิตช่วยในการประเมินความเสี่ยง การวางแผนการรักษา และการสื่อสารกับครอบครัว การศึกษานี้จึงมีวัตถุประสงค์เพื่อศึกษาปัจจัยที่มีความสัมพันธ์กับการเสียชีวิตในโรงพยาบาลภายใน 30 วัน ของผู้ป่วยภาวะเลือดออกในสมองชนิดปฐมภูมิเฉียบพลันในหอผู้ป่วยวิกฤต-ศัลยกรรมประสาท โรงพยาบาลพระนั่งเกล้า

วิธีการศึกษา: การศึกษาเชิงวิเคราะห์แบบย้อนหลังในผู้ป่วยที่เข้ารับการรักษาระหว่างปีงบประมาณ 2566–2568 วิเคราะห์ปัจจัยอิสระที่กำหนดไว้ล่วงหน้า 9 ตัวแปร ด้วยวิธี Firth’s penalized logistic regression ตามแบบจำลองที่กำหนดล่วงหน้า จัดการข้อมูลสูญหายด้วย multiple imputation by chained equations (MICE) และตรวจสอบความคงทนของผลด้วยการวิเคราะห์ความไว

ผลการศึกษา: จากกลุ่มตัวอย่าง 180 ราย อัตราการเสียชีวิตในโรงพยาบาลภายใน 30 วัน เท่ากับร้อยละ 81.1 ปัจจัยที่สัมพันธ์กับการเสียชีวิตอย่างมีนัยสำคัญและเป็นอิสระต่อกัน ได้แก่ ปริมาตรก้อนเลือด (adjusted OR 1.22 ต่อทุก 10 มิลลิลิตร; 95% CI 1.08–1.43) ภาวะเลือดออกเข้าสู่โพรงสมอง (adjusted OR 3.87; 95% CI 1.51–10.04) และคะแนน Glasgow Coma Scale ที่ต่ำ (adjusted OR 0.88 ต่อทุก 1 คะแนน; 95% CI 0.79–0.99) แบบจำลองมีความสามารถในการจำแนกระดับดี (AUC = 0.807) ส่วนอายุ ความดันโลหิตตัวบน ตำแหน่งใต้เทนทอเรียม ระดับน้ำตาลในเลือด และการเคลื่อนของแนวกึ่งกลางสมอง ไม่มีความสัมพันธ์อิสระหลังปรับความรุนแรงของโรค ผลดังกล่าวคงทนต่อการวิเคราะห์ความไวหลายรูปแบบ

สรุป: ปริมาตรก้อนเลือด ภาวะเลือดออกเข้าสู่โพรงสมอง และคะแนน Glasgow Coma Scale ที่ต่ำ เป็นปัจจัยที่มีความสัมพันธ์อย่างมีนัยสำคัญและเป็นอิสระกับการเสียชีวิต ควรใช้ประกอบการประเมินความเสี่ยงในหอผู้ป่วยวิกฤต โดยตีความอย่างระมัดระวังในบริบทของการตัดสินใจเรื่องเป้าหมายการรักษา

เอกสารอ้างอิง

Greenberg SM, Ziai WC, Cordonnier C, Dowlatshahi D, Francis B, Goldstein JN, et al. 2022 guideline for the management of patients with spontaneous intracerebral hemorrhage: A guideline from the American Heart Association/American Stroke Association. Stroke. 2022;53(7):e282–e361. doi: 10.1161/STR.0000000000000407.

Feigin VL, Abate MD, Abate YH, Abd ElHafeez S, Abd-Allah F, Abdelalim A, et al. Global, regional, and national burden of stroke and its risk factors, 1990–2021: A systematic analysis for the Global Burden of Disease Study 2021. Lancet Neurol. 2024;23(10):973–1003. doi: 10.1016/S1474-4422(24)00369-7.

Fernando SM, Qureshi D, Talarico R, Tanuseputro P, Dowlatshahi D, Sood MM, et al. Intracerebral hemorrhage incidence, mortality, and association with oral anticoagulation use: A population study. Stroke. 2021;52(5):1673–81. doi: 10.1161/STROKEAHA.120.032550.

Ironside N, Chen CJ, Dreyer V, Christophe B, Buell TJ, Connolly ES. Location-specific differences in hematoma volume predict outcomes in patients with spontaneous intracerebral hemorrhage. Int J Stroke. 2020;15(1):90–102. doi: 10.1177/1747493019830589.

Béjot Y, Aboa-Eboulé C, Hervieu M, Jacquin A, Osseby GV, Rouaud O, et al. The deleterious effect of admission hyperglycemia on survival and functional outcome in patients with intracerebral hemorrhage. Stroke. 2012;43(1):243–5. doi: 10.1161/STROKEAHA.111.632950.

Riley RD, Ensor J, Snell KIE, Harrell FE Jr, Martin GP, Reitsma JB, et al. Calculating the sample size required for developing a clinical prediction model. BMJ. 2020;368:m441. doi: 10.1136/bmj.m441.

Peduzzi P, Concato J, Kemper E, Holford TR, Feinstein AR. A simulation study of the number of events per variable in logistic regression analysis. J Clin Epidemiol. 1996;49(12):1373–9. doi: 10.1016/s0895-4356(96)00236-3.

Lynn MR. Determination and quantification of content validity. Nurs Res. 1986;35(6):382–5.

Polit DF, Beck CT. The content validity index: are you sure you know what's being reported? Critique and recommendations. Res Nurs Health. 2006;29(5):489–97. doi: 10.1002/nur.20147.

Firth D. Bias reduction of maximum likelihood estimates. Biometrika. 1993;80(1):27–38. doi: 10.1093/biomet/80.1.27

Heinze G, Schemper M. A solution to the problem of separation in logistic regression. Stat Med. 2002;21(16):2409–19. doi: 10.1002/sim.1047.

Hemphill JC 3rd, Bonovich DC, Besmertis L, Manley GT, Johnston SC. The ICH score: A simple, reliable grading scale for intracerebral hemorrhage. Stroke. 2001;32(4):891–7. doi: 10.1161/01.str.32.4.891.

ระบบคลังข้อมูลสุขภาพ (Health Data Center: HDC) กระทรวงสาธารณสุข. รายงานอัตราการเสียชีวิตของผู้ป่วยโรคหลอดเลือดสมอง (I60–I62) ปีงบประมาณ 2569 [อินเทอร์เน็ต]. 2569 [เข้าถึงเมื่อ 14 สิงหาคม 2569]; เข้าถึงได้จาก: URL: https://hdcservice.moph.go.th

Chongruksut W, Limpastan K, Jetjumnong C, Watcharasaksilp W, Vaniyapong T, Norasetthada T, et al. Age as a prognostic factor of 30-day mortality in hemorrhagic stroke patients: A Thai large tertiary care referral center. Asian J Surg. 2020;43(10):991–5. doi: 10.1016/j.asjsur.2019.11.010.

Champawong K, Thaloengsok S, Kajai C.Prognosis factors for in-hospital mortality in spontaneous intracerebral hemorrhage. Greater Mekong Subreg Med J. 2024;4(2):47–62.

Lim MJR, Neo AYY, Singh GD, Liew YST, Rajendram MF, Tan MWX, et al. The evaluation of prognostic scores in spontaneous intracerebral hemorrhage in an Asian population: A retrospective study. J Stroke Cerebrovasc Dis. 2020;29(12):105360. doi: 10.1016/j.jstrokecerebrovasdis.2020.105360.

Duangthongphon P, Kitkhuandee A, Kasemsiri P, Limwattananon P, Phankhongsab A. Development and validation of an improved ICH score: integrating clinical and radiographic parameters for enhanced prediction of 30-day mortality in spontaneous intracerebral hemorrhage [Epub ahead of print]. Brain Hemorrhages. 2025.

Zheng J, Yu Z, Ma L, Guo R, Lin S, You C, et al. Association between blood glucose and functional outcome in intracerebral hemorrhage: A systematic review and meta-analysis. World Neurosurg. 2018;114:e756–65. doi: 10.1016/j.wneu.2018.03.077.

Yang WS, Li Q, Li R, Liu QJ, Wang XC, Zhao LB, et al. Defining the optimal midline shift threshold to predict poor outcome in patients with supratentorial spontaneous intracerebral hemorrhage. Neurocrit Care. 2018;28(3):314–21. doi: 10.1007/s12028-017-0483-7.