目的针对肿瘤患者经外周静脉置入中心静脉导管(peripherally inserted central catheter,PICC)相关血流感染(central line associated bloodstream infection,PICC-CLABSI)风险预测问题,利用Logistic回归和极限学习机(extreme learning ...目的针对肿瘤患者经外周静脉置入中心静脉导管(peripherally inserted central catheter,PICC)相关血流感染(central line associated bloodstream infection,PICC-CLABSI)风险预测问题,利用Logistic回归和极限学习机(extreme learning machine,ELM)分别建立预测模型并验证其预测效果。方法回顾性收集2019年1月至2023年3月在山西省某三级甲等综合医院肿瘤科接受PICC置管的1146例患者的临床病历资料,将2019年1月至2021年12月收集的786例PICC置管患者的临床病历资料作为建模组,将2022年1月2023年3月收集的360例患者的临床资料作为验证组。采用χ^(2)检验对建模组数据进行分析,将有统计学意义的变量进行Logistic回归分析,构建风险预测模型,并绘制列线图,采用Hosmer-Lemeshow检验和受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)评价该预测模型的拟合度及预测效果;将Logistic回归分析具有统计学意义的危险因素作为ELM预测模型的输入参数,肿瘤患者PICC-CLABSI发生风险作为输出参数,构建ELM预测模型;利用验证组数据对预测性能进行比较。结果(有)糖尿病史、化疗次数(≥3次)、维护周期(>7day)、维护地点(院外)、白细胞计数(<3.5×10^(9)/L)、白蛋白(<40g/L)是肿瘤患者发生经外周静脉置入中心静脉导管相关血流感染的风险因素(均P<0.05)。Logistic风险预测模型的Hosmer-Lemeshow检验结果显示:χ^(2)=5.201,P=0.736,AUC为0.860(95%CI:0.799~0.922),灵敏度是0.893,特异度是0.704,正确率为72.8%,表明模型具有良好的预测能力。ELM预测模型的决定系数为0.823,均方误差为0.051,模型的拟合度良好,正确率为74.5%,表明模型具有良好的预测能力。结论在Logistic回归分析筛选指标基础上建立的Logistic风险预测模型与ELM模型均具有较高的预测精度,可为临床医护人员筛查肿瘤PICC相关血流感染高危患者提供参考。展开更多
文摘目的针对肿瘤患者经外周静脉置入中心静脉导管(peripherally inserted central catheter,PICC)相关血流感染(central line associated bloodstream infection,PICC-CLABSI)风险预测问题,利用Logistic回归和极限学习机(extreme learning machine,ELM)分别建立预测模型并验证其预测效果。方法回顾性收集2019年1月至2023年3月在山西省某三级甲等综合医院肿瘤科接受PICC置管的1146例患者的临床病历资料,将2019年1月至2021年12月收集的786例PICC置管患者的临床病历资料作为建模组,将2022年1月2023年3月收集的360例患者的临床资料作为验证组。采用χ^(2)检验对建模组数据进行分析,将有统计学意义的变量进行Logistic回归分析,构建风险预测模型,并绘制列线图,采用Hosmer-Lemeshow检验和受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)评价该预测模型的拟合度及预测效果;将Logistic回归分析具有统计学意义的危险因素作为ELM预测模型的输入参数,肿瘤患者PICC-CLABSI发生风险作为输出参数,构建ELM预测模型;利用验证组数据对预测性能进行比较。结果(有)糖尿病史、化疗次数(≥3次)、维护周期(>7day)、维护地点(院外)、白细胞计数(<3.5×10^(9)/L)、白蛋白(<40g/L)是肿瘤患者发生经外周静脉置入中心静脉导管相关血流感染的风险因素(均P<0.05)。Logistic风险预测模型的Hosmer-Lemeshow检验结果显示:χ^(2)=5.201,P=0.736,AUC为0.860(95%CI:0.799~0.922),灵敏度是0.893,特异度是0.704,正确率为72.8%,表明模型具有良好的预测能力。ELM预测模型的决定系数为0.823,均方误差为0.051,模型的拟合度良好,正确率为74.5%,表明模型具有良好的预测能力。结论在Logistic回归分析筛选指标基础上建立的Logistic风险预测模型与ELM模型均具有较高的预测精度,可为临床医护人员筛查肿瘤PICC相关血流感染高危患者提供参考。
