研 究 方 法   

研究队列：

对急诊入院的自发颅内出血患者进行回顾性分析：该研究不包括创伤性颅内出血、实质外出血、外院转来患者及在院发生颅内出血的患者。理由：创伤性颅内出血的多发伤可能会影响住院时长；外院患者可能原先已入住ICU，会混淆住院时长分析；在院发生颅内出血的患者病情复杂，且护理措施和入住ICU可能与急诊入院者不同，例如，带有起搏器的患者会入住CICU而非NICU。

数据采集：

记录每位患者的人口数据、抗血栓药或抗凝药的使用情况、临床表现、及入院检验及头部CT。记录血肿位置（脑叶/基底神经节/丘脑/脑干/小脑），血肿量（使用ABC/2公式计算）和脑室内出血情况。计算每位患者的ICH评分。还记录了神经外科手术情况，包括开放性血肿清除、微创手术、半球或枕下去骨瓣减压术，以及脑室外引流（EVD）。住院时长是根据ICU中的过夜天数计算的。还回顾了医院的总住院时长、住院死亡率和出院情况。

数据分析：

使用泰勒方法进行了变化点分析。这是一种微积分方法，将患者总住院天数积分形成累积总计曲线，曲线方向的变化代表数据平均值的变化，之后使用自助法确定所得变化点的置信区间和置信度。

建模：

研究者在205名患者中训练了决策树模型，因为样本量比较小，因此使用十倍交叉验证，方法如下：数据等分为10“叠”，1叠用于建模，其他9叠作为“测试组”。以此类推重复9次，使所有数据都经历建模及测试。这种方法可以防止过拟合，有助于建立更泛用的模型。之后使用MATLAB及R进行二元分析，创建决策树模型。

   研 究 结 果   

205例颅内出血患者的人口数据和临床特征见表1如下。

ICU的三种不同出院方式：转普通病房；转康复医院；死亡。死亡方式在NCCU中被分类为心肺停止、脑死亡和放弃生命支持治疗。111名患者（74％）转到普通病房，35名患者（17％）在NCCU死亡，19名（9％）转到康复医院。共有44例患者死亡（住院死亡率= 21％）。44名死亡患者中，7名（16％）脑死亡，8名（18％）心源性死亡，29名（66％）放弃生命支持治疗后心源性死亡。

绘制累积总和曲线后，确定更改点为8天（95％CI 2-8天）。因此，在本研究队列中，长期住院被定义为在NCCU中住院超过8晚。在205例患者中，有68例患者（33％）长期住院，非长期住院患者的众数为2天（n = 37，18％）。存活患者的NCCU住院时长中位数为5天，住院期间死亡的患者为5.5天（Mann-Whitney U检验，p = 0.559）。中位NCCU住院时长与死亡原因无关（Kruskal–Wallis H检验，p = 0.794）。

决策树算法将神经外科手术、插管和GCS评分确定为重要变量。模型的准确度为0.8，AUC为0.83（95％CI为0.78-0.89）。

   讨 论   

作者团队讨论认为：神经外科手术、插管和GCS评分是和住院时长最相关的变量，住院超过8天的患者可认为属于长期住院；早期EVD或分流或可缩短住院时长；未手术患者中，GCS≥7的插管患者轻度倾向于长期住院，作者将之解释为治疗策略或有不同。作者认为本研究的不足有，单中心结论可能无法推广；放弃生命支持的死亡患者的住院时间并非其自然病程的结果等。

   阅 读 体 会   

这篇文章的选题比较有意思，是确有临床需要又确实较少研究的点，但很可惜文章的质量相当一般，高高举起轻轻放下，给出的结论不痛不痒甚至少数观点明显牵强。译者认为，文章中值得学习的精彩之处是数据处理的方式，“十倍交叉验证”方法充分利用了样本量，使得样本量小的不利被很大程度压缩；决策树模型也是非常适合转化为临床收益的模型工具。本文明显的问题首先是单中心，因为医疗机构收治患者通常各家有各自的“规矩”，换言之8天的结论很可能是芝大附院的一家之言，换做其他医院这个数据有可能变成7天或者9天，在“可以出院”和“应当出院”之间院方和患方都有很大的操作空间，所以这个结论必然是有水分的；更加牵强的是，由于插管患者中GCS≥7者分析结果轻度倾向于长期住院，于是作者给出了“早期气切可减少住院时长”的解释，这明显是对着弹坑画靶子，人家明明就是因为不需要气切才插管的，或者不需要机械通气的患者就不插管了，怎么反而GCS高的倒需要气切了呢！此外，一些细节处理上也有待商榷，例如作者使用ABC/2公式计算血肿体积，但近年来部分观点认为ABC/2公式的准确性劣于计算机辅助方法（CAVA）。所以，译者认为，读文献时切记囫囵吞枣，应当学习值得借鉴的地方，批判值得商榷的地方，做到去芜存菁。