Модели прогнозирования исходов черепно-мозговой травмы у пожилых людей с учётом когнитивного статуса

Введение. Для оптимизации диагностической и лечебной помощи пациентам важным является прогнозирование исходов черепно-мозговой травмы (ЧМТ) в зависимости от степени когнитивных нарушений, но последние редко используются в прогностических моделях.

Цель исследования. Разработка моделей прогнозирования исходов легкой и средней степени тяжести ЧМТ у пожилых пациентов с учетом когнитивного статуса.

Материал и методы. Обследовано 125 пациентов 60–74 лет на 8–9 и 20–21 сутки с легкой и средней степенью тяжести ЧМТ соответственно. Исходы ЧМТ классифицированы на 3 группы: 1 – способность пациентов выполнять двигательные и сенсорные действия; 2 – настроение и межличностное взаимодействие; 3 – социальные контакты и работа. Когнитивные нарушения выявлялись по шкале Mini-Mental State Examination (MMSE). Для разработки прогностических моделей вышеназванных исходов ЧМТ использована программа «Statistica 17.0» и регрессионный анализ.

Результаты. Установлены обратные слабые связи между легкой степенью тяжести ЧМТ и исходами ЧМТ. Однако ассоциация средней степени тяжести ЧМТ с исходами оказалась выше, чем для легкой ЧМТ, и особенно для участия в социальных контактах и работе (r=-0,452; p < 0,01), и для настроения и межличностного взаимодействия (r=-0,406; p < 0,01). С когнитивными нарушениями исходы ЧМТ во всех случаях имели прямую умеренную связь с коэффициентами корреляции от 0,339 до 0,372 (p < 0,01). Для прогнозирования способности пациентов выполнять двигательные и сенсорные действия (y₄) с учетом балла когнитивных нарушений (x₄) создана скорректированная модель y₄=7,3891,724x4, для прогнозирования настроения и межличностного взаимодействия скорректированная модель y₅=8,241-1,406x5, для прогнозирования участия пациентов в социальных контактах и работе скорректированная модель y =7,895-1,469x6, где x и x – балл когнитивных нарушений по шкале MMSE.

Заключение. Результаты показывают негативное влияние когнитивных нарушений на исходы ЧМТ, для прогнозирования которых разработаны прогностические модели.

1. Bittencourt M, Balart-Sanchez SA, Maurits NM, et al. Self-Reported Complaints as Prognostic Markers for Outcome after Mild Traumatic Brain Injury in Elderly: A Machine Learning Approach. Front Neurol. 2021; 12: 751539. doi: 10.3389/fneur.2021.751539

2. Dwyer B, Katz DI. Postconcussion syndrome. Handb Clin Neurol. 2018: 158: 163–178. doi: 10.1016/b978-0-444-63954-7.00017-3

3. Voormolen DC, Cnossen MC, Polinder S, et al. Prevalence of post-concussion-like symptoms in the general population in Italy, The Netherlands and the United Kingdom. Brain Inj. 2019; 33(8): 1078–1086. doi: 10.1080/02699052.2019.1607557

4. Yuan X, Xu Q, Du F, et al. Development and validation of a model to predict cognitive impairment in traumatic brain injury patients: a prospective observational study. EClinicalMedicine. 2025: 80: 103023. doi: 10.1016/j.eclinm.2024.103023

5. SlavoacaD, Birle C, Stan A, et al. Prediction of Neurocognitive Outcome after Moderate-Severe Traumatic Brain Injury Using Serum Neuron-Specific Enolase and S100 biomarkers. J Med Life. 2020; 13(3): 306–313. doi: 10.25122/jml-2020-0147

6. Nelson LD, Temkin NR, Barber J, et al. Functional Recovery, Symptoms, and Quality of Life 1 to 5 Years After Traumatic Brain Injury. JAMA Netw Open. 2023; 6(3): e233660. doi: 10.1001/jamanetworkopen.2023.3660

7. Voormolen DC, Cnossen MC, Spikman J, et al. Rating of pre-injury symptoms over time in patients with mild traumatic brain injury: the good-old-days bias revisited. Brain Inj. 2020; 34(8): 1001–1009. doi: 10.1080/02699052.2020.1761563

8. Gardner RC, Dams-O’Connor K, Morrissey MR, et al. Geriatric Traumatic Brain Injury: Epidemiology, Outcomes, Knowledge Gaps, and Future Directions. J Neurotrauma. 2018; 35(7): 889–906. doi: 10.1089/neu.2017.5371

9. Rabinowitz AR, Hart T, Whyte J, et al. Neuropsychological recovery trajectories in moderate to severe traumatic brain injury: influence of patient characteristics and diffuse axonal injury. J. Int. Neuropsychol. Soc. 2018; 24(3): 237–246. doi: 10.1017/S1355617717000996

10. Потапов А.А., Крылов В.В., Петриков С.С., и др. Клинические рекомендации «Очаговая травма головного мозга». М.: Ассоциация нейрохирургов России; 2024.

11. Агарков Н.М., Копылов А.Е., Османов Р.Э., и др. Дефицит зрения — новый маркер когнитивных нарушений. Офтальмология. 2024; 21(2): 326–331. doi: 10.18008/1816-5095-2024-2-326-331

12. Копылов А.Е., Агарков Н.М., Попова Н.В., и др. Жизнестойкость пациентов с саркопеническим ожирением и возрастной патологией органа зрения. Российский офтальмологический журнал. 2025; 18(2): 50–55. doi: 10.21516/2072-0076-2025-18-2-50-55

13. Kean J, Malec JF, Altman IM, et al. Rasch measurement analysis of the Mayo-Portland Adaptability Inventory (MPAI-4) in a community-based rehabilitation sample. J Neurotrauma. 2011; 28(5): 745–753. doi: 10.1089/neu.2010.1573

14. Quang H, Nguyen AL, Do C, et al. Examining the Vietnamese Montreal cognitive assessment in healthy and moderate-to-severe traumatic brain injury populations. Clin Neuropsychol. 2023; 37(5): 1062–1077. doi: 10.1080/13854046.2023.2170281

15. Aiello EN, Gramegna C, Esposito A, et al. The Montreal Cognitive Assessment (MoCA): updated norms and psychometric insights into adaptive testing from healthy individuals in Northern Italy. Aging Clin Exp Res. 2022; 34(2): 375–382. doi: 10.1007/s40520-021-01943-7

16. Gao G, Wu X, Feng J, et al. Clinical characteristics and outcomes in patients with traumatic brain injury in China: a prospective, multicentre, longitudinal, observational study. Lancet Neurol. 2020; 19(8): 670–677. doi: 10.1016/s1474-4422(20)30182-4

17. Singh A, Kumar R, Singh NP, et al. Evaluation of Cognitive Functions in Traumatic Brain Injury Patients Using Mini Mental State Examination and Clock Drawing Test. Asian J Neurosurg. 2021; 16(1): 99–105. doi: 10.4103/ajns.AJNS_331_20

18. Jia H, Chen Y, Wang Y, et al. The neuroprotective effect of electro-acupuncture on cognitive recovery for patients with mild traumatic brain injury: A randomized controlled clinical trial. Medicine (Baltimore). 2023; 102(6): e32885. doi: 10.1097/MD.0000000000032885

19. Zhang H, Zhang XN, Zhang HL, et al. Differences in cognitive profiles between traumatic brain injury and stroke: A comparison of the Montreal Cognitive Assessment and Mini-Mental State Examination. Chin J Traumatol. 2016; 19(5): 271–274. doi: 10.1016/j.cjtee.2015.03.007

20. Guan DX, Peters ME, Pike GB, et al. Cognitive, behavioral, and functional outcomes of suspected mild traumatic brain injury in community-dwelling older persons without mild cognitive impairment or dementia. J Acad Consult Liaison Psychiatry. 2025; 66(2): 118–129. doi: 10.1016/j.jaclp.2024.12.004

21. Del Pozzo J, Spielman L, Yew B, et al. Detecting and Predicting Cognitive Decline in Individuals with Traumatic Brain Injury: A Longitudinal Telephone-Based Study. J Neurotrauma. 2024; 41(15–16): 1937–1947. doi: 10.1089/neu.2023.0589

22. Dang H, Su W, Tang Z, et al. Prediction of motor function in patients with traumatic brain injury using genetic algorithms modified back propagation neural network: A data-based study. Front Neurosci. 2023; 16: 1031712. doi: 10.3389/fnins.2022.1031712

23. Mavroudis I, Ciobica A, Bejenariu A, et al. Cognitive impairment following mild traumatic brain injury (mTBI): a review. Medicina (Kaunas). 2024; 60(3): 380. doi: 10.3390/medicina60030380