A structural clinical model for predicting the probability of pulmonary embolism

Purpose: To develop a structured model to predict the clinical probability of pulmonary embolism (PE). Subjects and methods: Logistic regression was applied to a clinical data base of 1100 consecutive patients with suspected PE in whom a definite diagnosis had been established. The probability of PE predicted by the model was categorized as low (<=10%), intermediate (>10%, <=50%), moderately high (>50%, <=90%), or high (>90%). Results: The overall prevalence of PE was 40% (440/1100). The model included 15 variables of which 10 were positively associated with PE (male gender, older age, history of thrombophlebitis, sudden onset dyspnea, chest pain, hemoptysis, electrocardiographic signs of acute right ventricular overload, radiographic signs of oligemia, amputation of hilar artery, and pulmonary consolidation suggestive of infarction), and 5 were negatively associated with PE (prior cardiovascular or pulmonary disease, high fever, pulmonary consolidation other than infarction or pulmonary edema on chest radiograph). With this model, 432 patients (39%) were rated a low probability of whom 19 (4%) had PE; 283 (26%) an intermediate probability of whom 62 (22%) had PE; 72 (7%) a moderately high probability of whom 53 (74%) had PE; and 313 (28%) a high probability of whom 306 (98%) had PE. Conclusion: The prediction model described here may find application to formally evaluate the clinical probability of PE. The latter may serve as pretest probability in calculating the post-test probability of PE after appropriate objective testing.

In questo articolo viene sviluppato un modello strutturato di predizione della probabilità clinica di embolia polmonare (EP) impiegando la regressione logistica al fine di identificare i parametri significativamente associati con EP in una popolazione di 1100 pazienti consecutivi con sospetto clinico di malattia. L’esame pneumoangiografico è stato impiegato come standard diagnostico di riferimento. Sono state identificate dieci variabili associate ad un aumento significativo del rischio di EP e cinque variabili associate con una riduzione del rischio. La probabilità clinica di EP può essere definita in ogni paziente mediante una formula che utilizza i coefficienti di regressione associati a ciascuna delle suddette variabili nel modello di regressione logistica. Avendo definito quattro categorie di rischio (basso: <10%, intermedio: >10% <= 50%, moderatamente elevato: >50% <=90%, elevato: >90%), la prevalenza di EP in ciascuna categoria risulta consistente con il rischio predetto. L’equazione di predizione della probabilità clinica di EP inserita in un calcolatore consente ai medici di definire rapidamente ed in maniera accurata la probabilità clinica di EP. Il dato ottenuto può essere impiegato per selezionare pazienti da avviare ad ulteriori indagini, o essere utilizzato come probabilità pre-test nel calcolo della probabilità post-test di EP, ovvero della probabilità di malattia conseguente all’esecuzione di qualsivoglia test successivo alla valutazione clinica.