基于炎症标志物和临床特征的恶性肿瘤相关脑卒中风险预测列线图模型构建

目的基于炎症标志物和临床特征构建恶性肿瘤相关脑卒中(CAS)风险预测列线图模型,为临床诊治提供参考依据。方法选取2018年1月至2022年12月在杞县人民医院诊治的恶性肿瘤患者,通过电子病例系统获取患者的临床资料数据。根据患者是否发生脑卒中,将患者分为脑卒中组和非脑卒中组。采用t检验和χ^(2)检验对炎症标志物和临床特征进行组间差异变量筛选。采用多因素Logistic回归分析探讨CAS的独立危险因素。使用R软件构建CAS的风险预测列线图模型。采用曲线下面积(AUC)评估模型的预测效能。采用校准曲线分析和决策曲线分析评估模型的临床实用性。结果150例恶性肿瘤患者被纳入本研究,包括45例脑卒中患者和105例非脑卒中患者。多因素Logistic回归分析表明,年龄[2.443(95%CI:1.302~4.583),P=0.005]、高血压[21.199(95%CI:10.521~42.71),P<0.001]、糖尿病[6.635(95%CI:3.056~14.408),P<0.001]、中性粒细胞与淋巴细胞比值[5.350(95%CI:2.508~11.412),P<0.001]、单核细胞与高密度脂蛋白比值[5.048(95%CI:2.653~9.607),P<0.001]、C反应蛋白与白蛋白比值[4.496(95%CI:2.215~9.125),P<0.001]是CAS独立危险因素。基于独立危险因素构建的CAS风险预测列线图模型具有良好的预测效能,其AUC(95%CI)、敏感性、特异性分别为0.940(0.919~0.962)、91.6%和87.4%。决策曲线分析和校准曲线分析表明CAS风险预测模型具有良好的临床实用性。结论CAS风险预测模型的建立有利于在恶性肿瘤患者群体中早期识别高危脑卒中患者,有利于临床早期干预决策,值得临床上广泛推广。