RSS-Feed abonnieren
DOI: 10.1055/s-0042-118957
Prognosefaktoren in der Frührehabilitation nach schwerem Schlaganfall
Prognostic Factors in Early Rehabilitation after Severe StrokePublikationsverlauf
Publikationsdatum:
23. November 2016 (online)
![](https://www.thieme-connect.de/media/aktneu/201609/lookinside/thumbnails/0101_10-1055-s-0042-118957-1.jpg)
Zusammenfassung
Aus Daten des Registers zur neurologischen Frührehabilitation nach Schlaganfall der Asklepios Kliniken Hamburg wurde eine Analyse der Prädiktoren für ungünstiges Outcome durchgeführt. Alle Fälle (DRG: I61, 60, 63 und 64) und deren rehabilitive Behandlung erfüllten die Kriterien der OPS 8-552. Die deskriptive Statistik (Median [1. Quartil, 3. Quartil]) und ein Regressionsmodell für die Vorhersage eines Frührehabilitation Barthel-Index (FRBI)<30 Punkte am Ende der Behandlung wurden erstellt. Von 7/2012 bis 06/2015 konnten Datensätze von 818 Schlaganfall-Patienten (medianes Alter 72 Jahre [61, 78], 43% weiblich, hämorrhagische [28%] und ischämische [72%] Schlaganfälle) analysiert werden. Der mediane FRBI bei der Aufnahme lag bei – 40 [−75,0] Punkte. Die mediane Aufenthaltsdauer betrug 34 [21, 48] Tage. Die Prädiktoren für Tod oder das Erreichen von weniger als 30 Punkten im FRBI am Ende der Behandlung waren höheres Alter, weibliches Geschlecht, Vorhofflimmern, Langzeitpflege vor Schlaganfall, neuropsychologische Defizite, epileptische Anfälle, Delir oder Psychose und Pneumonie oder Tracheobronchitis. Aus diesen Ergebnissen wurde ein Prognose-Score entwickelt, der im individuellen Fall die Wahrscheinlichkeit für Tod oder einen FRBI<30 Punkte am Ende der Behandlung prädiziert (Prognose-Score in der Schlaganfall-Frührehabilitation=PSSF). Eine Optimierung der modifizierbaren Prädiktoren könnte zu einer Verbesserung des Behandlungsergebnisses führen. Dies muss im Rahmen einer prospektiven Untersuchung überprüft werden.
Abstract
Early rehabilitation is an important factor for reducing the level of long-term disability in stroke patients. Using the early stroke rehabilitation registry data from the Asklepios Kliniken Hamburg, we analysed predictors of unfavourable outcome. Hospital-based rehabilitative treatment was organized following the criteria of the OPS 8-552 of the German version of the International Classification of Procedures in Medicine (ICPM). Descriptive statistics (median [1st quartile, 3rd quartile]) and a regression model were created for the prediction of poor outcome defined as less than 30 points in the Early Rehabilitation Barthel Index (ERBI) at the end of hospital treatment. Records from 7/2012 to 06/2015 of 818 stroke patients (median age 72 years old [61, 78], 43% female, haemorrhagic [28%] and ischaemic [72%] stroke) were analyzed. The median ERBI was − 40 [−75.0] points on admission. The median length of stay was 34 [21, 48] days. The predictors of death or a score of less than 30 points in ERBI on discharge were older age, female gender, atrial fibrillation, long-term care before stroke, neuropsychological deficits, seizures, delirium or psychosis, and pneumonia or tracheobronchitis. From these results, a prognostic score was created, which predicted the probability of death or an ERBI<30 points in individual patients at the time of discharge from the early rehabilitation unit. Optimization of modifiable predictors could lead to an improvement in treatment outcome. This must be verified in a prospective study.
-
Literatur
- 1 Seidel G, Kücken D, Eggers L et al. Qualitätsmanagement in der Frührehabilitation nach Schlaganfall – Deskriptive Analyse und Qualitätsindikatoren. Akt Neurol 2015; 42: 351-356
- 2 Pohl M, Bertram M, Bucka C et al. Rehabilitationsverlauf von Patienten in der neurologisch-neurochirurgischen Frührehabilitation: Ergebnisse einer multizentrischen Erfassung im Jahr 2014 in Deutschland. Nervenarzt 2016; 87: 634-644
- 3 R Core Team . R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing; 2015. URL https://www.R-project.org/
- 4 Harrell FE. Regression Modeling Strategies. Springer Series in Statistics. 2015. ISBN 978-3-319-19424-0
- 5 Van Buuren S. Flexible Imputation of Missing Data. Chapman & Hall/CRC Press; 2012. ISBN 9781439868249