NGHIÊN CỨU GIÁ TRỊ TIÊN LƯỢNG THỞ MÁY KÉO DÀI CỦA THANG ĐIỂM ROTTERDAM VÀ PHÂN LOẠI MARSHALL Ở NGƯỜI BỆNH CHẤN THƯƠNG SỌ NÃO NẶNG
DOI:
https://doi.org/10.59459/1859-1655/JMM.1102Từ khóa:
thở máy kéo dài, chấn thương sọ não nặng, điểm Marshall, điểm RotterdamTóm tắt
Mục tiêu: Xác định giá trị tiên lượng thở máy kéo dài của phân loại Marshall và thang điểm Rotterdam ở người bệnh nhân chấn thương sọ não nặng.
Đối tượng và phương pháp: Nghiên cứu tiến cứu, mô tả 68 người bệnh chấn thương sọ não nặng, điều trị tại Khoa Hồi sức ngoại, Bệnh viện Quân y 103, từ tháng 12/2024 đến tháng 11/2025. Lượng giá tổn thương theo phân loại Marshall và thang điểm Rotterdam, đánh giá kết quả thở máy kéo dài ở thời điểm người bệnh ra viện.
Kết quả: Phân loại Marshall và điểm Rotterdam ở nhóm thở máy kéo dài cao hơn có ý nghĩa so với nhóm thở máy không kéo dài (p < 0,05). Phân tích đường cong ROC, thang điểm Rotterdam tiên lượng thở máy kéo dài ở mức khá với diện tích dưới đường cong (AUC) là 0,72; ở điểm cắt 3,5 tiên lượng thở máy kéo dài với độ nhạy 69,7%, độ đặc hiệu 80,0%. Phân loại Marshall tiên lượng thở máy kéo dài ở mức kém, với diện tích dưới đường cong (AUC) là 0,691, tại điểm cắt 4,5 tiên lượng thở máy kéo dài với độ nhạy 72,7% và độ đặc hiệu 65,7%.
Kết luận: Phân loại Marshall và thang điểm Rotterdam đều có khả năng tiên lượng thở máy kéo dài ở người bệnh chấn thương sọ não nặng. Điểm Rotterdam với AUC là 0,72 có giá trị tiên lượng thở máy kéo dài tốt hơn phân loại Marshall, với AUC là 0,691.
Tài liệu tham khảo
1. Asehnoune K, Roquilly A, Cinotti R, “Respiratory Management in Patients with Severe Brain Injury”, Crit Care, 22 (1): 76, 2018.
2. Robba C, Galimberti S, Graziano F, et al., “Tracheostomy practice and timing in traumatic brain-injured patients: a CENTER-TBI study”, Intensive Care Med., 46 (5): 983-994, 2020.
3. Abujaber A, Fadlalla A, Gammoh D, et al., “Using trauma registry data to predict prolonged mechanical ventilation in patients with traumatic brain injury: Machine learning approach”, PLoS One, 15 (7): e0235231, 2020.
4. Vali M, Paydar S, Seif M, et al., “Prediction prolonged mechanical ventilation in trauma patients of the intensive care unit according to initial medical factors: a machine learning approach”, Sci Rep, 13 (1): p. 5925, 2023.
5. Maas A.I, Hukkelhoven C.W, Marshall L.F, “Prediction of outcome in traumatic brain injury with computed tomographic characteristics: a comparison between the computed tomographic classification and combinations of computed tomographic predictors”, Neurosurgery, 57 (6): pp. 1173-1182, 2005.
6. Holevar M, Dunham CM, Brautigan R, et al., “Practice management guidelines for timing of tracheostomy: the EAST Practice Management Guidelines Work Group”, J Trauma, 67 (4): pp. 870-874, 2009.
7. Rotar E.P, Beller J.P, Smolkin M.E, et al., “Prediction of Prolonged Intensive Care Unit Length of Stay Following Cardiac Surgery”, Semin Thorac Cardiovasc Surg, 34: pp. 172-179, 2022.
8. Figueroa-Casas J.B, Dwivedi A.K, Connery S.M, et al., “Predictive models of prolonged mechanical ventilation yield moderate accuracy”, J Crit Care, 30: pp. 502-505, 2015.
9. Bùi Xuân Cương, Đồng Văn Hệ, “Một số đặc điểm dịch tễ học bệnh nhân chấn thương sọ não tại Bệnh viện Việt Đức”, Tạp chí Y học Việt Nam, 502 (1): 20-25, 2021.
10. Phạm Nguyên Hoàng, Nguyễn Trung Kiên, “Nghiên cứu giá trị tiên lượng tử vong sớm của thang phân loại Marshall và điểm Rotterdam ở bệnh nhân chấn thương sọ não nặng”, Tạp chí Y học Việt Nam, 520 (1A): pp. 128-132, 2022.
11. Habibzadeh A, Khademolhosseini S, Taheri R, et al., “The Field Attributes May not Accurately Predict the Need for Early Tracheostomy Tube Insertion in Severe TBI Patients: A New Insight With the Help of AI Algorithms”, Health Sci Rep, 8 (3): e70556, 2025.
12. Huang Y.H, Deng Y.H, Lee T.C, “Rotterdam computed tomography score as a prognosticator in head-injured patients undergoing decompressive craniectomy”, Neurosurgery, 71 (1): pp. 80-85, 2012.
Tải xuống
Đã Xuất bản
Cách trích dẫn
Số
Chuyên mục
Ngày xuất bản 30-06-2026
