本研究旨在构建预测神经重症患者在脑损伤后72 h内出现自主呼吸停止的Nomogram模型，用于潜在脑死亡供者的早期识别。
方法2017年10月至2019年1月期间，前瞻性纳入中山大学附属第一医院收治的神经重症患者，以创伤性颅脑损伤和自发性脑出血为主，动态记录评估脑损伤的相关参数；其中2017年10月1日至2018年5月31日期间数据用于构建训练集，2018年6月1日至2019年1月31日期间数据用于构建验证集。以脑损伤后72 h内出现自主呼吸停止作为时间兴趣点和分组因素，单因素和多因素分析与自主呼吸停止相关的因素，然后构建Nomogarm预测模型，最后在验证集中对Nomogarm预测模型进行验证。
结果依据纳入标准，共127例患者纳入研究；65例进入训练集，62例进入验证集。在训练集中，经单因素和多因素分析显示：中线结构移位(OR＝4.56, 95%CI: 1.87～19.21)，环池消失(OR＝4.83, 95%CI: 1.35～16.34)，咳嗽反射(OR＝3.82, 95% CI：1.15～12.42)，脑室内出血(OR＝3.16, 95%CI：1.53～14.52)和血Na+<125 mmol/L(OR＝3.06, 95% CI：1.53～13.44)是与神经重症患者在脑损伤后72 h内出现自主呼吸停止的相关因素，然后以相关因素构建Nomogram预测模型。在训练集和验证集中，神经重症患者72 h内出现自主呼吸停止率的预测C指数分别为0.81(95%CI：0.76～0.85)和0.80(95%CI：0.75～0.83)。进一步统计分析显示评分140分，160分和170分是危险分界点，其中140分，160分和170分在72 h内自主呼吸停止的概率分别为30.1%，65.6%和93.4%。
结论基于脑损伤评估参数构建的Nomogram模型，能预测神经重症患者自主呼吸停止发生的时间，可用于潜在脑死亡供者的早期识别，结果有待进一步外部数据验证。