gms | German Medical Science

50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds)
12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie (dae)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie
Deutsche Arbeitsgemeinschaft für Epidemiologie

12. bis 15.09.2005, Freiburg im Breisgau

Entwicklung eines Algorithmus zur automatischen Klassifikation der Hirninfarktätiologie

Meeting Abstract

  • Peter Heuschmann - Universität Münster, Münster
  • Klaus Kraywinkel - Universität Münster, Münster
  • Jan Heidrich - Universität Münster, Münster
  • Darius Nabavi - Universität Münster, Münster
  • Sybille Haimerl - Universität Münster, Münster
  • Martin Ritter - Universität Münster, Münster
  • Erich-Bernd Ringelstein - Universität Münster, Münster
  • Klaus Berger - Universität Münster, Münster

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. Deutsche Arbeitsgemeinschaft für Epidemiologie. 50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie. Freiburg im Breisgau, 12.-15.09.2005. Düsseldorf, Köln: German Medical Science; 2005. Doc05gmds412

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2005/05gmds098.shtml

Veröffentlicht: 8. September 2005

© 2005 Heuschmann et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung und Fragestellung

Die genaue Klärung der zugrundeliegenden Ursache eines ischämischen Hirninfarktes ist wichtig, um geeignete Maßnahmen der Sekundärprävention zu ergreifen sowie die weitere Prognose eines Patienten hinsichtlich Überleben und Wiederholungsgefahr zu beurteilen. Die TOAST-Klassifikation ist derzeit der internationale Standard für die Einteilung eines ischämischen Hirninfarktes nach zugrundeliegender Ätiologie und beruht auf der Beurteilung diagnostischer Untersuchungen, anamnestisch bekannter Risikofaktoren sowie neurologischer Ausfälle eines Patienten. Die Verwendung der TOAST-Klassifikation im klinischen Alltag wird jedoch erschwert durch eine nur „mäßige“ Interrator-Reliabilität. Deshalb wurden im Rahmen der folgenden Untersuchung Algorithmen zur automatischen Klassifikation des Hirninfarktes entwickelt, die auf einfachen routinemäßig im klinischen Alltag zu erhebenden Variablen basieren.

Material und Methoden

Bei 300 konsekutiven Patienten mit Hirninfarkt wurden standardisiert Routinedaten zu den Ergebnissen der zerebralen Bildgebung, EKG, Echokardiographie, Ultraschall der hirnversorgenden Gefäße sowie neurologischen Ausfällen erhoben. A priori wurde eine Reihe von Algorithmen zur automatischen ätiologischen Klassifikation des Hinrinfarktes definiert, die auf unterschiedlichen Zusammenstellungen der erhobenen Informationen beruhten. Die Einteilung der zugrundeliegenden Ätiologie des Hirninfarktes durch diese Algorithmen wurde verglichen mit der klinischen Klassifikation des Ereignisses gemäß den TOAST-Kriterien durch speziell trainierte Untersucher. Die Übereinstimmung der automatischen und der klinischen Klassifikation wurde mittels kappa-Statistik (k) untersucht.

Ergebnisse

Das Durchschnittsalter der eingeschlossenen Patienten betrug 66 Jahre, 61% waren Männer. Die ätiologische Ursache des Hirninfarktes war wie folgt verteilt: 19% Atherosklerose der hirnversorgenden Arterien, 25% kardiale Embolie, 14% Mikroangiopathie, 5% andere Ursache, 22% undefinierter Typ und 15% konkurrierende Ätiologie. Der einfachste Algorithmus, dem nur Informationen von EKG und Ultraschall Zugrundelagen, klassifizierte 63% aller Hirninfarkte korrekt (k 0.55). Durch die weitere Berücksichtigung der Ergebnisse der bildgebenden Verfahren konnte die Übereinstimmung deutlich verbessert werden (korrekte Einteilung in 85%, k 0.79). Zusätzliche Informationen der Ergebnisse der Echokardiographie führte zu einer exzellenten Übereinstimmung zwischen automatischer und klinischer Klassifikation. Durch diesen Algorithmus wurden 94% aller Hirninfarkte korrekt klassifiziert (k 0.92). Eine Einbeziehung der neurologischen Ausfälle in den Algorithmus führte zu keiner Verbesserung der Übereinstimmung.

Diskussion

Automatische Algorithmen, die auf einfachen routinemäßig im klinischen Alltag zu erhebenden Informationen beruhen, erlauben eine valide ätiologische Klassifikation des Hirninfarktes. Zu diesem Zwecke scheint die Berücksichtigung der neurologischen Ausfälle eines Patienten entbehrlich. Unsere Ergebnisse können somit zu einer einfachen automatischen Klassifikation der Hirninfarktätiologie in Schlaganfallregistern im klinischen Alltag herangezogen werden.

Danksagung

Diese Untersuchung wurde im Rahmen des Teilprojektes Z8 des Kompetenznetz Schlaganfall durchgeführt, das durch das Bundesministerium für Bildung und Forschung (BMBF) finanziert wird.