冠心病合并2型糖尿病患者冠状动脉正性重构的影响因素及临床预测模型构建

目的探讨冠心病合并2型糖尿病患者发生冠状动脉正性重构的影响因素并构建相关的临床预测模型用以早期识别高危患者,指导临床治疗。方法选择2016年1月—2023年6月于首都医科大学附属北京同仁医院心血管中心诊断的冠心病合并2型糖尿病患者104例,通过冠状动脉内超声(IVUS)对靶病变进行测量,并计算重构指数(RI),根据RI将患者分为正性重构组和非正性重构组,搜集患者的临床资料,对2组数据进行统计并构建临床预测模型。结果Logistic回归分析结果发现,低血钙[OR(95%CI)=1.544(1.263~1.927),P<0.001]、并发急性冠状动脉综合征(ACS)[OR(95%CI)=1.198(1.024~1.401),P=0.024]、高糖化血红蛋白(HbA1c)[OR(95%CI)=1.498(1.104~2.032),P=0.010]和高低密度脂蛋白胆固醇(LDL-C)[OR(95%CI)=1.275(1.139~1.428,P<0.001]是冠心病合并2型糖尿病患者冠状动脉正性重构的独立危险因素。基于以上危险因素构建冠心病合并2型糖尿病患者冠状动脉正性重构的列线图模型,预测发生率与实际发生率基本一致,模型内部验证曲线下面积(AUC)为0.937,且具有良好的临床适用度。结论根据冠心病合并2型糖尿病患者的危险因素构建的列线图模型对其发生冠状动脉正性重构具有较好的预测效能。

基于OCTA构建糖尿病肾脏病临床预测模型

【目的】探讨基于光学相干断层扫描血管成像技术(OCTA),筛查糖尿病肾脏病(DKD)高风险人群的临床预测模型。【方法】本研究以567例糖尿病患者为研究对象,在逐步logistic回归分析的基础上,运用随机森林算法筛选纳入建模的指标,构建基于OCTA糖尿病肾脏病临床预测模型。通过受试者工作特征曲线评价模型区分度,通过决策曲线分析评估模型临床有效性。【结果】构建基于OCTA的DKD临床预测模型,ROC曲线下面积为0.878,Brier=0.11。【结论】本研究构建了基于OCTA结果进行糖尿病肾脏病临床预测的列线图预测模型,并从多维度验证模型,从而达到早期预警、提前实施干预的目的。

临床预测模型在妇科常见恶性肿瘤中的研究进展

临床预测模型可以计算未来一定时间内某些疾病的发病率。近年来有不少临床预测模型在妇科恶性肿瘤得以应用,为临床诊治提供了依据,提高了对疾病危险因素的认识,本文将综述临床预测模型在妇科常见恶性肿瘤中的研究进展。

核心结合因子相关成人急性髓系白血病患者总生存临床预测模型的建立

目的:分析影响核心结合因子相关成人急性髓系白血病(CBF-AML)患者总生存(OS)的因素,并建立预测模型。方法:回顾性分析2015年5月至2021年7月在郑州大学第一附属医院新诊断的216例CBF-AML的临床资料。将患者按照7∶3随机分成训练集和验证集。采用Cox回归模型对影响OS的临床因素进行分析。采用逐步回归建立最优模型,画出列线图。使用受试者工作特征(ROC)曲线、校准曲线和决策曲线分析(DCA)评估模型性能。结果:年龄≥55岁、外周血原始幼稚≥80%、AML1-ETO、KIT突变被确定为OS的独立预后不良因素。训练集和验证集3年ROC下面积分别为0.772、0.722;校正曲线预测值与实测值具有较好一致性。DCA表明此模型性能优于单一因素。结论:该预测模型简便易行,可有效预测CBF-AML的OS,为治疗决策提供依据。

择期手术患者术后恶心呕吐危险因素分析及临床预测模型构建

目的探讨择期手术术后恶心呕吐(PONV)的危险因素,建立预测择期手术PONV发生的临床列线图模型。方法收集1093例择期手术患者的临床资料,通过单因素分析和多因素回归得出PONV发生的独立危险因素,并将危险因素通过R语言绘制列线图。对临床预测模型进行Bootstrap内部验证与校正,诊断效能使用受试者工作特征曲线(ROC)评价。结果133例患者出现PONV,发生率为12.2%。女性(OR=2.070,95%CI:1.143~3.747)、晕动病史或PONV史(OR=60.760,95%CI:31.661~116.604)、术中低血压(OR=10.533,95%CI:5.182~21.411)、术后使用阿片类药物(OR=2.903,95%CI:1.667~5.056)、术后VAS评分>3分(OR=11.610,95%CI:6.362~22.221)是择期手术PONV发生的独立危险因素。ROC曲线下面积为0.922(95%CI:0.904~0.937),灵敏度为89.5%,特异度为84.2%,提示模型区分度良好。列线图模型内部验证校准曲线显示预测值与实测值曲线重合度良好。结论择期手术PONV发生的独立危险因素有女性、晕动病史或PONV史、术中低血压、术后使用阿片类药物以及术后VAS评分>3分。通过以上危险因素绘制的临床列线图预测模型区分度较好。

临床预测模型常用统计模型及其SAS实现

临床预测模型在医学研究中的应用越来越广泛,欲达到良好的预测性能,选择正确的模型非常关键。对于预测模型类型的选择,预测结局的类型起着决定性作用。本文从数据类型的角度出发,将结局变量分为连续变量(正态分布、偏态分布)、分类变量(二分类、无序多分类、有序多分类)以及时间-事件变量(无竞争风险、有竞争风险),分别介绍不同类型结局变量的特点、对应的模型、建模案例以及SAS实现程序,以期为研究者构建预测模型提供参考。

2型糖尿病患者并发高尿酸血症的临床预测模型构建及应用评估研究

目的:构建并评估2型糖尿病患者并发高尿酸血症的临床预测模型,探究其独立危险因素。方法:回顾性分析2020年1月至2021年12月昭通市中医医院内分泌科收治的553例2型糖尿病患者的病历资料,按是否并发高尿酸血症将患者分为高尿酸血症组和非高尿酸血症组。采用LASSO回归筛选预测变量并构建Logistic回归模型,筛选出2型糖尿病患者并发高尿酸血症的独立危险因素,绘制列线图对模型进行可视化展示,并通过区分度、校准度、临床适用度对模型的预测效能进行评估。结果:2组患者在体重指数、并发糖尿病肾病、规范降糖治疗、总胆固醇、甘油三酯、血清肌酐、血尿素氮、胰岛素抵抗指数、湿热困脾证、气阴两虚证等方面差异有统计学意义(P<0.05);对LASSO回归筛选出8个预测变量进行多重共线性诊断,删除气阴两虚证后构建预测模型并进行多因素Logistic回归分析。结果显示7个预测变量均为2型糖尿病患者并发高尿酸血症的独立危险因素(P<0.05),该模型的区分度、校准度、临床适用度均较好。结论:体重指数、并发糖尿病肾病、规范降糖治疗、总胆固醇、甘油三酯、胰岛素抵抗指数、湿热困脾证是2型糖尿病患者并发高尿酸血症的独立危险因素,以此为基础构建的临床预测模型能够为临床防治2型糖尿病并发高尿酸血症提供可靠依据。

社区获得性肺炎患者并发胸腔积液临床预测模型的构建与验证

目的 建立并验证社区获得性肺炎(CAP)患者并发胸腔积液的临床预测模型。方法 研究纳入NPHDC数据库中的305例CAP患者,依据是否并发胸腔积液,将患者分为CAP组和CAP伴胸腔积液组;分析与比较CAP患者伴胸腔积液可能相关的29项危险因素。采用Lasso回归与多因素Logistic回归分析筛选最佳预测变量并构建临床预测模型。模型进一步基于500次重复抽样的Boots trap法分别通过受试者工作特征(ROC)曲线下的AUC面积及Hosmer-Lemeshow检验下的校准曲线评估其区分度及校准度,并绘制临床决策(DCA)曲线评估模型的临床适用性。结果 Lasso回归筛选出5个预测因子,更进一步通过Logistic回归分析筛选出最终的3个预测因子(心功能不全、血清白蛋白、PSI评分),并据此构建Nomogram列线图。经模型评估,该模型ROC曲线下AUC面积为0.790(95%CI:0.734~0.838),表明疾病区分度较好;校准曲线显示预测概率与实际发生概率具有较好的一致性(Chi-square:5.497,P=0.789>0.05);DCA则提示良好的临床适用度(范围约0.10~0.95)。结论 心功能不全、血清白蛋白及PSI评分是CAP患者胸腔积液判定的主要预测因素,通过预测因素所构建的列线图预测模型具有较高的预测价值,有助于临床医生对CAP患者是否并发胸腔积液的风险评估。

解毒复胰汤治疗瘀毒互结型重症急性胰腺炎患者的临床预测模型构建

目的建立解毒复胰汤治疗瘀毒互结型重症急性胰腺炎患者的临床预测模型。方法选取2018年1月至2022年12月在河南省中医院急诊科住院治疗的重症急性胰腺炎患者,回顾性收集解毒复胰汤治疗7 d的患者临床资料,包括性别、年龄、病因、白细胞计数(WBC)、血红蛋白(HGB)、C反应蛋白(CRP)、凝血酶原时间(PT)、血清钙离子(Ca^(2+))、肌酐(Cr)等。将患者分为治疗有效组和无效组,通过单因素回归分析、多因素Logis⁃tic回归分析、逐步回归法筛选独立影响因素建立模型。从拟合优度、区分度、校准度及内部验证来对构建的模型进行评估。结果在接受解毒复胰汤治疗的145例瘀毒互结型重症急性胰腺炎患者中,有效组107例,无效组38例。筛选出CRP、PT、Ca^(2+)、Cr为独立影响因素,构建临床预测模型,受试者工作特征(ROC)曲线下面积(AUC)为0.880,模型灵敏度为1.000,特异度为0.623,Hosmer-Lemeshow拟合优度检验显示χ^(2)=4.2989,P=0.8292(P>0.05)。结论临床预测模型提示解毒复胰汤更适合炎症指标较低、凝血功能及肾功能较好、电解质水平稳定的瘀毒互结型重症急性胰腺炎患者,应用时须关注CRP、PT、Cr、Ca^(2+)指标。

临床预测模型诊断新生儿坏死性小肠结肠炎的研究进展

新生儿坏死性小肠结肠炎(NEC)是一种常发生在早产儿和低出生体重儿的严重肠道疾病,延迟治疗可能会发生神经发育迟缓、生长发育不良、胃肠道狭窄、短肠综合征、肠道功能衰竭等严重并发症,早期诊断及干预有助于改善其预后。早产、肠内喂养、肠道菌群异常定植、肠道黏膜缺血、感染等都是NEC发生的主要危险因素,但具体发病机制尚未完全明确。临床预测模型(CPMs)是利用数学公式估计当前个体可能患有某病或将来发生某结局的概率模型。近年来,通过临床特征、实验室指标、生物学标志物、微生物等信息构建的CPMs对NEC的疾病诊断发挥着重要作用。然而,研究结果却不相一致,缺乏对NEC诊断预测模型的总结概括以推动临床实践。本文就传统统计方法和机器学习(ML)所构建的NEC诊断模型展开综述。

脑出血恢复期患者发生肺部感染的临床预测模型建立和验证

目的探讨脑出血恢复期患者发生肺部感染(PI)的主要危险因素,构建并验证预测PI发生风险的列线图预测模型。方法回顾性收集2020年9月1日至2022年12月31日住院于合肥市第二人民医院高压氧医学科的761例脑出血恢复期患者临床资料。根据临床表现与胸片确定发生肺部感染情况,将患者分为PI组[257例,其中女116例、男141例,年龄60(53,70)岁]与非PI组[504例,其中女204例、男300例,年龄58.5(51,69)岁]。统计学方法采用Mann-Whitney U检验、χ^(2)检验。采用单因素logistic回归初筛出危险因素,随后采用最小绝对收缩和选择运算(LASSO)回归进行危险因素优化,最终将优化过的危险因素纳入多因素logistic回归中筛选出独立危险因素并构建列线图。采用受试者操作特征曲线(ROC)的曲线下面积(AUC)、校准曲线以及决策曲线分析(DCA)来确定模型的区分度、校准度和临床实用性。结果年龄、抗菌药物使用、意识障碍、气管切开、吞咽障碍、卧床时间、鼻饲均是脑出血恢复期患者并发肺部感染的独立危险因素(OR=2.406、5.507、8.878、8.931、2.709、3.402、2.528,均P<0.05),高压氧治疗是减少肺部感染的保护因素(OR=0.202,P<0.05)。预测模型ROC的AUC为0.901(95%CI 0.878~0.924),采Bootstrap法从原始数据中重复抽样1000次后AUC为0.900(95%CI 0.877~0.923);Hosmer–Lemeshow检验:χ^(2)=4.28,P=0.982。结论本研究构建的列线图预测模型具有较高的准确性,方便识别脑出血恢复期患者并发肺部感染的早期识别和风险预测。

基于列线图构建住院老年患者肌少症临床预测模型

背景:随着老龄化的进一步加深,肌少症在老年人群的发病逐年增高。目的:构建住院老年患者肌少症的临床预测模型,对早期肌少症患者识别提供依据。方法:便利抽样法选取2020年7月~2021年9月在新疆医科大学第一附属医院住院的老年患者372例,将其按7:3比例随机分为建模队列(n = 260)和验证队列(n = 112),基于logistic回归结果构建住院老年患者肌少症的列线图,对模型进行校准,同时验证模型效益。结果:本研究肌少症检出率18.82%,男性23.84%、女性14.50%。单因素分析得到13个差异变量,多因素逐步logistics回归,最终得到5个差异变量:性别、BMI、步速、握力、腹围。构建住院老年肌少症患者的临床预测模型并绘制成列线图。构建训练组和验证组列线图的ROC曲线AUC大小分别为0.879 (95% CI: 0.824~0.933)和0.870 (95% CI: 0.785~0.955),通过Hosmer-Lemeshow检验,训练组拟合优度大于验证组拟合优度,两组P值均>0.05,表明该列线图模型同样具有良好的校准度。结论:通过模型预测,运用标尺刻度,男性合并步速下降、握力下降、腹围增加、BMI减小,肌少症发生的风险远远高于其他患者几倍至十几倍,经过系列验证提示该模型的训练组和验证组均具有净收益范围,一致性和预测效能较好。

基于随机森林模型构建住院老年患者轻度认知功能障碍的临床预测模型

目的:构建住院老年患者轻度认知功能障碍的临床预测模型,对早期轻度认知功能障碍患者识别提供依据。方法:便利抽样法选取2022年1月~2023年4月在新疆医科大学第一附属医院住院的老年患者1019例,将其按7:3比例随机分为建模队列(n = 713)和验证队列(n = 306),采用一般资料、体格检查、量表评定,MCI相关指标诊断对其进行调查。随机森林算法结果进行重要性变量排序,构建LASSO回归分析建模队列,基于logistic回归结果构建住院老年患者MCI的列线图,同时对模型进行校准,同时验证模型效益。结果:本研究MCI检出率21.6% (220/1019),男性22.5% (106/472)、女性20.8% (114/547),单因素分析得到17个差异变量,LASSO回归分析当lambda.min值为0.005607618时误差最小,对应的影响因素数目为8个,重要性排序居前8位的自变量为年龄、日常生活能力评分、文化程度、Morse跌倒风险评分高风险、营养风险、用药种数、吸烟、职业,多因素逐步logistics回归,最终得到3个影响因素:年龄、日常生活能力评分、文化程度(P 0.05),两组拟合优度较好,该列线图模型具有良好的校准度。结论:基于住院老年患者MCI的影响因素构建临床预测模型,年龄增加、日常生活能力下降、受教育年限较少(3项指标)明显增加老年人发生MCI的风险。经过系列验证提示该模型的训练组和验证组均具有净收益范围,一致性和预测效能较好,为临床医务人员早期筛查MCI提供依据。

穴位贴敷疗法对失眠障碍患者PSQI改善率临床预测模型的建立与验证

目的:构建穴位贴敷对失眠障碍(ID)患者PSQI改善率结局影响因素的临床预测模型,为穴位贴敷疗法改善ID患者的失眠结局提供预测的思路及方法。方法:采用回顾性队列研究方法,收集2019年6月~2020年6月于中国中医科学院针灸医院、丰体时代社区卫生服务站两个中心接受穴位贴敷疗法治疗的64例ID患者0周、1周、2周、3周、4周、6周的临床资料(2例剔除,共372例数据)。采用单因素Logistic回归分析、向前向后逐步回归分析用于筛选构建列线图预测模型的变量,根据最小赤池信息准则(AIC)选定最优模型,进一步根据筛选出最优模型因素的回归系数利用R语言中的“rms”包构建列线图预测模型,并通过受试者工作特征曲线(ROC)下面积(AUC)评估模型的区分度,校准曲线和Hosmer-Lemeshow拟合优度检验评估校准度,利用“Bootstrap重复抽样法”对模型进行内部验证。结果:①治疗时间、病程≤12月、12月<病程≤36月、疲劳程度、既往是否使用促眠药物、一般健康状况、社会功能、躯体疼痛、肝郁化火组合AIC为300.31,为最优模型,方差膨胀因子(VIF)均<5,容忍度均>0.5,提示多重共线性的可能性较小,是穴位贴敷疗法对ID患者失眠结局的独立预测因素;②预测模型的ROC曲线下面积AUC为[0.856,95%CI(0.814,0.898)],说明该预测模型具有较好的区分度;各变量因素单独预测结局事件的ROC曲线下面积AUC位于0.5至0.8之间,均低于联合预测结局事件的AUC值,表明联合预测较各变量因素单独预测具有更好的区分度及预测能力;③校准曲线显示预测模型的拟合曲线与理想曲线较为接近,表明该模型具有较好的校准度;④Brier得分为[0.125,95%CI(0.105,0.145)],说明该预测模型总体预测性能较好;Hosmer-Lemeshow拟合优度检验显示P=0.152(P>0.05),提示该模型拟合良好。结论:以治疗时间、病程≤12月、12月<病程≤36月、疲劳程度、既往是否使用促眠药物、一般健康状况、社会功能、躯体疼痛、肝郁化火构建的临床预测模型具有较好的预测效能,可为穴位贴敷疗法治疗失眠障碍的临床决策提供一定的参考价值。

临床预测模型开发与验证的样本量估算

临床预测模型在医学领域的应用受到越来越多的关注和重视。合理且充足的样本量对预测模型研究的可行性和质量保障具有重要意义。基于此,本文总结了临床预测模型开发和验证中的样本量估算策略,提出了在样本量估算时需重点关注的问题,同时探讨了样本量不足的问题,以期能够帮助研究者合理地估算预测模型所需的样本量,从而提高临床预测模型研究的质量。

临床预测模型在医保付费中的应用前景探索

推进医保支付方式改革是医保高质量发展的需要,更是减轻人民群众就医负担、增进民生福祉的需要。近年来,我国多元复合式医保支付方式改革取得积极进展,同时也对医保基金管理和医疗机构管理提出了更高要求。在医疗健康大数据背景下,临床预测模型被成熟应用于药物试验等领域,在量化评估患者所患疾病风险程度、医疗资源消耗强度等方面展现出较好的能力。本文旨在借鉴医保风险调整机制和风险预测模型相关国际经验,研究临床预测模型应用于医保支付方式改革下疾病诊断相关分组和医保偿付风险调整的可行性,为进一步提高医疗机构服务质量,提升医保基金使用效能提供参考。

临床预测模型的困境与机遇

临床预测模型可基于从群体获得的效应证据去预测个体的结局或风险,是链接循证医学和精准医学的强有力工具。随着数据测量、存储、互联互通及分析技术的不断进步,临床预测模型的应用前景将越来越明朗,但与此同时,也面临着诸多问题和挑战。本文对临床预测模型的基础概念、应用场景以及现在面临的困境和发展机遇做一个梳理。

基于机器学习构建类风湿关节炎合并骨质疏松患者临床预测模型

目的:开发一种有效且简单的工具,用于评估类风湿关节炎(rheumatoid arthritis,RA)患者发生骨质疏松症(osteoporosis,OP)的风险,以便提早进行干预,改善患者的预后和生活质量。方法:通过回顾性研究,选取2018年1月至2023年6月期间我院RA患者53例及RA合并OP患者44例。收集24个预测因子,采用Lasso、Boruta和SVM-REF算法筛选关键预测因子,并使用多变量Logistic回归建立预测模型。进一步通过KNN及Lightgbm算法对模型进行验证。结果:筛选出4个关键预测因子:白介素4(IL-4)、总甲状腺素(TT4)、抗环瓜氨酸肽抗体(Anti-CCP)和年龄。建立的临床预测模型C指数为0.82;ROC曲线下面积为0.821;临床决策曲线结果显示,在不损害其他患者利益的情况下,当阈值概率为0.02~0.90时临床净获益水平最高,显示模型具有良好的预测能力。KNN及Lightgbm结果显示,ROC曲线下面积均为0.973,PR曲线下面积分别为0.974和0.969。混淆矩阵结果显示,KNN预测模型敏感度为0.886,特异度为0.962,准确率为0.928,F1值为0.918;Lightgbm预测模型敏感度为0.955,特异度为0.925,准确率为0.938,F1值为0.933。结论:本研究成功构建了一种针对RA合并OP的临床预测模型,发现年龄、Anti-CCP、TT4是高危因素,而IL-4是保护因素。

带状疱疹后神经痛发生的治疗相关因素分析及其XGBoost临床预测模型的构建

目的分析影响带状疱疹后神经痛(PHN)发生的危险因素,特别是治疗相关因素,择优选择机器学习算法构建PHN临床预测模型。方法选取2023年5月至10月于西京医院疼痛医学中心门诊就诊的434名带状疱疹患者的病历资料。收集人口学因素、疱疹相关因素、治疗相关因素及合并疾病等指标。在患者病程满3个月后,根据疼痛VAS判断是否发生PHN,分为PHN组(n=197)和非PHN组(n=237)。使用单因素分析、logistic回归挑选变量,随后使用LASSO回归对挑选出的因素进行筛选和降维,选择最终纳入模型的变量。比较传统logistic回归模型和XGBoost、SVM两种机器学习模型的区分性能,选择最佳算法构建模型并进行验证和评价。结果研究通过LASSO回归筛选发现神经节段、年龄、急性期VAS、疱疹面积、神经阻滞治疗开始时间和疼痛性质是PHN发生的独立影响因素。logistic回归、XGBoost模型和SVM模型在训练集的ROC-AUC均值分别为0.82、0.95、0.77,在验证集的均值分别为0.81、0.81、0.76,提示XGBoost模型的预测性能最佳。使用XGBoost建模,训练集、验证集的ROC-AUC均值及95%CI分别为0.94(0.92~0.97)、0.86(0.79~0.94),提示模型区分度较好。Hosmer-Lemeshow拟合优度检验P>0.05,校准曲线比较接近理想曲线,说明模型预测性能良好。决策分析曲线显示模型具有良好的临床净收益。结论神经受累节段和神经阻滞治疗开始时间这两个治疗相关因素是PHN发生的重要独立影响因素。采用神经节段、年龄、急性期VAS、疱疹面积、神经阻滞治疗开始时间、疼痛性质六个变量构建的XGBoost临床预测模型性能优良,具有较好的区分度和校准度;对于早期甄别PHN高危患者,及时进行针对性治疗具有重要临床意义。

先兆流产临床预测模型构建研究现状

先兆流产(threatened abortion,TA)作为威胁母婴安全的重要妊娠疾病之一,会加剧孕妇的妊娠压力,引起新生儿早产、先心病、发育迟缓等疾患,严重者可导致孕妇和/或胎儿死亡。近年来TA在我国的发病率呈上升趋势。为做好早期干预以减少女性TA的发生,大量学者采用数学方程与诊断技术方法相结合的方式构建临床预测模型(clinical prediction models,CPMs)以计算识别个体TA发病率。本文主要对TA CPMs构建现状进行综述。