基于二元logistic回归模型分析急诊脑电图对癫痫的诊断价值

摘要

目的 探讨急诊场景下脑电图(electroencephalogram, EEG)监测参数对癫痫诊断的价值，为急诊快速决策提供依据。方法 回顾性收集2024年1月1日至2024年12月31日宁夏医科大学总医院急诊科就诊并完成急诊EEG检查的493例神经系统症状(如意识障碍)患者的临床资料，依照国际抗癫痫联盟(International League Against Epilepsy, ILAE)标准将其分为癫痫组(n=123)与非癫痫组(n=370),收集患者的基线资料及EEG参数。通过单因素和二元logistic回归分析筛选癫痫诊断的独立预测因素，构建预测模型，并采用受试者工作特征(receiver operating characteristic, ROC)曲线评估其诊断效能。结果 单因素分析显示，“年龄<60岁”“长程EEG监测(>24 h)”“EEG结果异常”及“存在痫样放电”4个变量在两组间比较，差异有统计学意义(P<0.05);logistic回归分析显示，“年龄<60岁”“长程监测(>24 h)”“EEG结果异常”及“存在痫样放电”是癫痫诊断的独立危险因素，其中“存在痫样放电”预测价值最高；基于上述因素构建的预测模型ROC曲线下面积(area under the curve,AUC)为0.741。结论 在急诊环境下，EEG是辅助鉴别诊断癫痫的有效工具。“年龄<60岁”“长程EEG监测”“EEG结果异常”以及“存在痫样放电”是癫痫诊断的关键指标。构建的预测模型对急诊癫痫诊断具有一定效能，痫样放电是核心预测因子。尽管长程视频监测有助于提高检出率，但视频EEG(video EEG, VEEG)在急诊环境下的优势需进一步适配优化。

关键词

癫痫 / 脑电图 / 急诊 / 预测模型 / 痫样放电