股骨粗隆间骨折术后下肢深静脉血栓并发症影响因素分析及Nomogram模型建立

目的探讨股骨粗隆间骨折手术后早期发生下肢深静脉血栓的危险因素,并进行Nomogram模型构建。方法选取2018年1月—2020年12月于华北石油管理局总医院行股骨粗隆间骨折手术的120例患者,术后早期发生下肢深静脉血栓13例。按照术后住院期间是否发生下肢深静脉血栓分为并发症组和无并发症组。采用多因素Logistics分析术后发生并发症的风险并构建Nomogram模型。结果并发症组患者住院时长、术后住院时间、治疗总费用均高于对照组,差异有统计学意义(P<0.05)。单因素分析显示,骨折类型、合并慢性病种类、贫血输血、骨折发病时长是术后下肢深静脉血栓的潜在影响因素,差异有统计学意义(P<0.05)。将单因素有统计学差异的变量进行Logistics多因素分析,合并慢性病种类、贫血输血、骨折发病时长是股骨粗隆间骨折术后下肢深静脉血栓的独立危险因素(P<0.05)。采用内部数据进行验证,C-index为0.746(95%CI:0.596~0.935),该Nomogram模型预测与实际观测结果吻合度较好。结论术前合并慢性病≥3种、贫血输血、骨折发病时长>1 d是股骨粗隆间骨折术后下肢深静脉血栓的独立危险因素。本研究构建的Nomogram模型有助于指导医师完善个性化围手术期治疗方案。

老年重症肺炎患者病情转归不良的风险预测Nomogram模型建立及验证

目的构建老年重症肺炎(SP)患者病情转归不良的风险预测Nomogram模型,并验证其预测效能。方法回顾性分析2022年1月~2023年6月本院重症监护病房收治的432例老年SP患者,随机分为训练集(n=288)和验证集(n=144)。根据患者入住ICU后28天病情转归将其分为转归不良组和转归良好组。采用Logistic回归分析筛选患者病情转归不良的影响因素,构建其风险预测Nomogram模型,以受试者工作特征(ROC)曲线和校准曲线评估模型的区分度和准确性,以决策曲线分析(DCA)评估模型的临床净获益。结果老年SP患者病情转归不良发生率为24.77%;肺炎严重程度(PSI)评分、白细胞计数(WBC)、纤维蛋白原(FIB)、降钙素原(PCT)是患者病情转归不良的影响因素(OR=1.677、1.619、1.435、1.935,P均<0.05);训练集与验证集的一致性指数(C-index)分别为0.874、0.839;ROC曲线下面积(AUC)分别为0.929、0.891;决策曲线(DCA)显示在训练集及验证集中模型预测病情转归不良的最大净获益值阈值概率区间分别在0~0.91和0~0.90。结论PSI评分、WBC、FIB、PCT是老年SP患者病情转归不良的影响因素,以此为基础构建的风险预测Nomogram模型具有良好预测效能与临床应用价值。

腰椎退行性疾病后路融合手术并发症原因分析及Nomogram模型建立

目的探讨腰椎退行性疾病后路融合手术后早期并发症的危险因素,并构建Nomogram模型。方法选取2018年1月—2020年12月于华北石油管理局总医院行腰椎退行性疾病后路融合手术的185例患者。术后早期发生并发症37例。按照住院期间是否出现后路融合术后早期并发症分为并发症组和对照组。采用多因素Logistics分析术后发生并发症的风险并构建Nomogram模型。结果单因素分析显示:并发症组体质量指数(BMI)值、美国麻醉医师协会(ASA)分级≥Ⅲ级患者比例、术前合并恶性肿瘤患者比例均高于无并发症组,手术时间长于无并发症组差异有统计学意义(P<0.05)。将单因素分析中有统计学差异的变量进行Logistics多因素分析,BMI、ASA分级、手术时长是腰椎退行性疾病后路融合手术后早期并发症发生的独立危险因素(P<0.05)。采用内部数据进行验证,C-index为0.694(95%CI:0.620~0.810),该Nomogram模型预测与实际观测结果吻合度较好。结论BMI值高,手术时间≥150 min,ASA分级≥Ⅲ级患者比例高是腰椎退行性疾病后路融合手术发生早期并发症的独立风险因素。本研究构建的Nomogram模型有助于指导医师完善个性化围手术期治疗方案。

骨质疏松性椎体压缩骨折患者经皮椎体成形术骨水泥渗漏的危险因素及Nomogram模型建立

目的探讨骨质疏松性椎体压缩骨折(OVCFs)经皮椎体成形术(PVP)骨水泥渗漏危险因素及Nomogram模型渗漏预防策略。方法选取收治154例行PVP治疗的单节段OVCFs住院患者,采用单因素和多因素Logistic回归分析骨水泥渗漏的危险因素,根据独立危险因素建立Nomogram模型,并评估该模型对骨水泥渗漏的预测价值。结果154例行PVP治疗的单节段OVCFs患者中,发生骨水泥渗漏42例,无骨水泥渗漏112例,骨水泥渗漏发生率为27.3%。重度骨折、CT值≤63、皮质断裂、骨水泥黏度低是骨水泥渗漏发生的独立危险因素(P均<0.05)。建立Nomogram模型后,内部验证组C-index为0.785,校准图形中标准曲线与预测校准曲线贴合,显示模型符合度良好。结论严重骨折、CT值小、皮质断裂、应用低黏度骨水泥患者易发生骨水泥渗漏;Nomogram模型能较为准确地预测骨水泥渗漏发生。

维持性血液透析尿毒症患者动静脉内瘘急性血栓形成的危险因素分析及Nomogram预测模型构建

目的探讨维持性血液透析(MHD)尿毒症患者动静脉内瘘急性血栓形成的危险因素及Nomogram预测模型构建。方法选择2020年12月至2022年12月于新乡医学院第三附属医院门诊行MHD治疗的418例尿毒症患者为研究对象。根据动静脉内瘘是否形成急性血栓将患者分为急性血栓组(n=32)与非急性血栓组(n=386)。应用单因素及多因素logistic回归分析影响行MHD的尿毒症患者动静脉内瘘急性血栓形成的影响因素;根据尿毒症患者动静脉内瘘急性血栓形成的独立危险因素建立Nomogram预测模型,并应用Bootstrap来验证Nomogram模型的有效性。结果急性血栓组患者合并糖尿病患、合并低血压、透析时穿刺失败占比、钙磷乘积、超敏C反应蛋白(hs-CRP)、总胆固醇(TC)、低密度脂蛋白胆固醇(LDL-C)水平均显著高于非急性血栓组(P<0.05);logistic回归分析显示,糖尿病、低血压、透析时穿刺失败、钙磷乘积升高、高水平hs-CRP、高水平LDL-C是影响行MHD的尿毒症患者动静脉内瘘急性血栓形成的独立危险因素(P<0.05);依据6个独立危险因素构建了Nomogram预测模型,该模型的一致性指数为0.893(95%置信区间:0.833~0.928);且其校正曲线和标准曲线拟合较好,曲线下面积为0.918。结论糖尿病、低血压、透析时穿刺失败、钙磷乘积升高、高水平hs-CRP和LDL-C是行MHD的尿毒症患者动静脉内瘘急性血栓形成的危险因素,依据独立危险因素构建的Nomogram模型预测行MHD的尿毒症患者动静脉内瘘急性血栓形成的效果较好,有助于临床急性血栓形成患者的早期筛查。

基于多中心的老年OSAHS合并冠心病患者不良预后的Nomogram预测模型构建

目的基于多中心分析老年阻塞性睡眠呼吸暂停低通气综合征(OSAHS)合并冠心病患者不良预后的影响因素并构建Nomogram预测模型。方法于2020年3月至2022年3月选取江苏省中医院共357例老年OSAHS合并冠心病患者,按照7∶3比例将纳入患者分为建模组(n=250)及验证组(n=107)。对患者进行为期1年的随访,根据患者预后将建模组分为预后良好组(n=215)和预后不良组(n=35)。单因素及多因素Logistic回归分析影响老年OSAHS合并冠心病患者不良预后的因素,并根据此结果构建Nomogram预测模型,再以H-L拟合度曲线评估模型的有效性,以受试者工作特征(ROC)曲线评估模型的区分度。结果单因素分析结果显示,体重指数、睡眠呼吸暂停低通气指数(AHI)、睡眠平均氧饱和度(SaO_(2))、超敏C反应蛋白(hs-CRP)及白细胞介素-6(IL-6)为老年OSAHS合并冠心病患者不良预后的影响因素(P<0.05)。多因素Logistic回归分析显示,体重指数较高、AHI水平较高、hs-CRP水平较高、低水平的睡眠平均SaO_(2)为老年OSAHS合并冠心病患者不良预后的影响因素(P<0.05)。验证模型显示,建模组χ^(2)=6.125,P=0.421,ROC曲线下面积AUC为0.958(95%CI:0.926~0.980),敏感度及特异度分别为82.86%、96.28%;验证组χ^(2)=5.754,P=0.311,AUC为0.932(95%CI:0.893~0.960),敏感度及特异度分别为85.70%、88.40%。结论体重指数较高、AHI水平较高、hs-CRP水平较高、低水平的睡眠平均SaO_(2)为老年OSAHS合并冠心病患者不良预后的影响因素,以此构建的Nomogram预测模型具有较好的区分度及有效性,可帮助临床预测患者不良预后的发生风险,具有较高的临床价值。

基于25⁃羟基维生素D、血清学因子等对老年类风湿性关节炎合并间质性肺疾病Nomogram预测模型的构建和评价

目的基于25-羟基维生素D[25-(OH)D]、血清学因子等构建老年类风湿性关节炎合并间质性肺疾病(RA-ILD)的Nomogram预测模型,并进行模型评价。方法选取2020年5月—2022年10月收治的老年类风湿性关节炎(RA)220例,根据是否合并间质性肺疾病将其分为RA-ILD组(51例)和单纯RA组(169例)2组,比较2组一般资料和实验室相关指标[类风湿因子(RF)、抗环瓜氨酸抗体(anti-CCP)、抗角蛋白抗体(AKA)、类风湿关节炎活动度评分(DAS28)]、25-(OH)D、血清学因子[白细胞介素-33(IL-33)、白细胞介素-35(IL-35)、赖氨酰氧化酶样蛋白-2(LOXL-2)、涎液化糖链抗原-6(KL-6)、基质金属蛋白酶-8(MMP-8)]水平,分析老年RA患者25-(OH)D与各血清学因子的相关性,探讨老年RA-ILD发生的影响因素,根据影响因素、25-(OH)D及血清学因子构建老年RA-ILD的Nomogram预测模型,并对该模型进行评价。结果RA-ILD组和单纯RA组RF、DAS28比较差异有统计学意义(P<0.01);RA-ILD组25-(OH)D、IL-35、KL-6低于单纯RA组,IL-33、LOXL-2、MMP-8高于单纯RA组(P<0.05,P<0.01)。老年RA患者25-(OH)D与IL-35、KL-6呈正相关,与IL-33、LOXL-2、MMP-8呈负相关(P<0.05)。25-(OH)D、IL-35、KL-6、IL-33、LOXL-2、MMP-8、RF和DAS28均为老年RA-ILD发生的影响因素(P<0.01)。在Nomogram预测模型中直接获取各预测因素对应得分,得分之和对应的预测概率即为该老年患者RA-ILD发生的风险概率,该模型对老年RA-ILD发生具有良好预测效能,且具有良好校准度。结论基于25-(OH)D、血清学因子等构建老年RA-ILD发生的Nomogram预测模型,预测效能较高、校准度良好。

一种对激素具有反应性的大鼠阴道类器官模型建立及鉴定

目的:构建一种生理相关的、对激素具有反应性的大鼠阴道类器官模型。方法:取大鼠阴道组织,通过酶解、消化等方法分离获得原代大鼠阴道上皮细胞,包埋于基质胶中并使用改良类器官培养基进行3D培养。HE染色观察类器官形态特征,免疫荧光对阴道上皮特异性角蛋白和增殖相关蛋白等进一步进行表征。雌、孕激素处理验证阴道类器官对激素的反应性。结果:大鼠阴道类器官呈直径约100μm的实心球状。HE染色显示其由多层上皮细胞构成,免疫荧光染色显示其表达的Krt5/8、Krt15、Ki67、TP63等阴道上皮标志物,与原始阴道上皮组织一致。大鼠阴道类器官对雌激素和孕激素产生应答反应,雌激素处理后,阴道上皮终末分化标志物Krt6b、Krt13和增殖标志物Ki67等基因表达水平升高。结论:使用基质胶包埋,类器官培养基浸润培养的方法,成功构建一种对激素具有反应性的大鼠阴道类器官模型。

Nomogram模型在新生儿耐碳青霉烯类肺炎克雷伯菌肠道定植风险评估中的应用

目的建立一种有效的Nomogram模型,用以评估新生儿耐碳青霉烯类肺炎克雷伯菌(CRKP)肠道定植风险,运用建立的Nomogram模型得出新生儿CRKP具体的定植概率大小,采取个体化的预防策略,减少定植的发生,降低新生儿CRKP继发感染的可能性。方法选取入院后48 h新生儿进行直肠拭子/大便培养及药敏鉴定为CRKP定植患者187例,在同期入院的经检测为非CRKP定植患儿中随机抽取187例为非定植组,共374例进行回顾性研究。通过R语言(R 4.2.1)的caret软件包对374例总样本按建模组∶验证组=3∶1进行随机分组。模型建立:对建模组数据运用R 4.2.1的glmnet包进行LASSO回归分析确定最终用于建模的预测因素,rms软件包进行Nomogram模型的构建。模型验证:R 4.2.1 pROC和rms软件包对建模组和验证组数据分别进行一致性指数(Cindex)、受试者工作特征曲线(ROC)及其曲线下面积(AUC)、校准曲线对Nomogram模型的效能进行内部验证和外部验证。结果运用LASSO回归分析,从研究的35个可能影响新生儿CRKP定植的项目中确定了8个预测因子,分别是性别、剖宫产、母乳喂养、鼻胃管、灌肠、碳青霉烯类、益生菌和总住院时间。使用这8个预测变量构建的Nomogram模型显示出中等预测能力,ROC曲线下面积为建模组0.835、验证组0.800。Hos-mer-Lemeshow检验显示,预测概率与实际概率高度一致(建模组,P=0.678>0.05;验证组,P=0.208>0.05)显示出非常好的拟合度。结论在Nomogram模型中引入性别、剖宫产、母乳喂养、鼻胃管、灌肠、使用碳青霉烯类抗生素、口服益生菌、总住院时间可以提高其预测新生儿CRKP定植风险的能力。根据Nomogram模型预测的定植概率的大小不同,采取个体化的预防措施,减少新生儿CRKP定植的发生,降低新生儿CRKP继发感染的发生率。

老年骨折并发急性脑血管创伤预后调查分析及Nomogram预测模型构建

目的探讨老年骨折并发急性脑血管创伤患者的预后,调查分析其危险因素并构建Nomogram预测模型。方法纳入2021年1月—2023年1月于唐山市第二医院接受治疗的98例老年骨折患者的临床资料,将老年骨折患者并发急性脑血管创伤者纳入观察组,未并发急性脑血管创伤者纳入对照组,比较两组基线资料和实验室指标,采用Logistic回归分析明确老年骨折并发急性脑血管创伤的独立影响因素,将获得的独立影响因素纳入Nomogram预测模型构建,采用R软件中C指数、受试者工作特征(ROC)曲线及校准曲线评价老年骨折并发急性脑血管创伤风险的Nomogram模型的预测效能。结果两组性别、年龄、身体质量指数(BMI)、骨折时间、高血压、吸烟史以及饮酒史对比无统计学差异(P>0.05);观察组高血糖患者比例明显多于对照组(P<0.05)。两组实验室指标对比中,收缩压、舒张压、空腹血糖(FPG)、总胆固醇(TC)、红细胞计数(RBC)、白细胞计数(WBC)、三酯甘油(TG)、钠离子、钾离子、钙离子以及D-二聚体无统计学差异(P>0.05);观察组RBC低于对照组,观察组血小板、纤维蛋白原(FIB)和C-反应蛋白(CRP)高于对照组(P<0.05)。Logistics回归分析显示,RBC是老年骨折并发急性脑血管创伤的独立保护因素(OR<1,P<0.05);高血糖、血小板、FIB和CRP是老年骨折并发急性脑血管创伤的独立危险因素(均OR>1,均P<0.05)。ROC曲线分析结果显示,高血糖、RBC、血小板、FIB以及CRP的AUC值均>0.700,表明上述指标对于老年骨折是否并发急性脑血管创伤具有较好的预测价值。基于以上影响因素构建Nomogram风险模型,校准曲线C-index值为0.964,说明该Nomogram模型具备较好的区分度,ROC曲线建模组和验证组的AUC值分别为0.964和0.939,说明该Nomogram模型具有良好的预测效能。结论基于老年骨折并发急性脑血管创伤的独立影响因素构建的Nomogram预测模型,能直观地预测老年骨折并发急性脑血管创伤的概率。

预测高血压合并冠心病PCI术后支架内再狭窄nomogram模型的建立与验证

[目的]分析高血压合并冠心病经皮冠状动脉介入治疗(PCI)术后支架内再狭窄(ISR)的危险因素,并构建nomogram预警模型。[方法]选取阜阳市第二人民医院2020年6月—2022年3月收治的182例高血压合并冠心病PCI术后患者作为研究对象,根据术后是否发生ISR将其分为ISR组(n=42)和非ISR组(n=140)。分析所选患者的临床资料,采用单因素分析、LASSO和Logistic回归分析筛选高血压合并冠心病PCI术后发生ISR的危险因素,根据危险因素构建nomogram预警模型并进行拟合优度检验。[结果]本研究共纳入182例高血压合并冠心病PCI术后患者,发生ISR有42例,发生率为23.08%;单因素分析、LASSO回归分析显示,两组糖尿病、长期吸烟、支架直径、支架长度、高尿酸、高敏C反应蛋白(hs-CRP)、血清淀粉样蛋白A(SAA)及脂蛋白(a)水平差异有统计学意义(P<0.05)。Logistic回归分析显示,糖尿病(OR=4.464,95%CI:1.733~11.498,P=0.002)、长期吸烟(OR=4.648,95%CI:1.812~11.921,P=0.001)、支架直径≤3 mm(OR=4.304,95%CI:1.692~10.947,P=0.002)、高尿酸(OR=2.730,95%CI:1.092~6.826,P=0.032)、hs-CRP>10 g/L(OR=3.973,95%CI:1.493~10.574,P=0.006)、SAA≥10 mg/L(OR=6.498,95%CI:2.394~17.640,P=0.000)及脂蛋白(a)≥300 mg/L(OR=2.975,95%CI:1.209~7.319,P=0.018)是高血压合并冠心病PCI术后发生ISR的独立危险因素。基于7项独立危险因素建立高血压合并冠心病PCI术后发生ISR的nomogram预警模型验证结果显示,C-index为0.864(95%CI:0.831~0.897),校正曲线的预测值与实测值基本一致,AUC为0.834(95%CI:0.806~0.862),决策曲线显示阈值概率在3%~100%范围内时,具有较高的净获益值。[结论]糖尿病、长期吸烟、支架直径≤3 mm、高尿酸、hs-CRP>10 g/L、SAA≥10 mg/L、脂蛋白(a)>300 mg/L是高血压合并冠心病PCI术后发生ISR的独立危险因素,基于上述危险因素建立的nomogram模型可准确评估和量化高血压合并冠心病PCI术后发生ISR的风险。

基于Nomogram对肺内纯磨玻璃结节HRCT恶性度预测模型的建立

目的探讨HRCT征象与肺内纯磨玻璃结节(pGGN)恶性度的相关性,并使用Nomogram图建立评估pGGN浸润性风险的量化模型。方法对我院53例pGGN患者(68个病灶)的影像及病理资料进行回顾性分析,HRCT影像资料包括:病灶形态、大小、“分叶”征、“毛刺”征、“空泡”征、血管“集束”征、胸膜“凹陷”征、瘤肺界面以及支气管“充气”征;依据病理资料将pGGN分为非浸润性病变和浸润性病变。运用卡方检验、独立样本t检验对两组HRCT征象进行单因素分析,依据单因素分析结果进一步行Logistic回归多因素分析,筛选出评估pGGN浸润性的独立风险因素。最后引入R软件(R3.3.2),使用rms软件包,构建Nomogram图风险评估模型。结果68个pGGN病灶中,非浸润性病变28例、浸润性病变40例。Logistic回归多因素分析显示,病灶大小、“分叶”征、“空泡”征、“毛刺”征以及血管“集束”征是评估pGGN浸润性的独立风险因素。以此构筑的Nomogram图模型,病灶大小(100分)、“分叶”征(92分)、“毛刺”征(90分)、血管“集束”征(68分)、“空泡”征(66分),将危险因素的积分相加为总分,总分对应模型评估pGGN浸润性的风险性。通过Nomogram图积分进行受试者工作曲线(Receiver operating curve,ROC)分析时,曲线下面积为0.870,对应的敏感度、特异度分别为87.50%、71.43%。结论病灶大小、分叶征、空泡征、毛刺征以及血管集束征是评估pGGN浸润性的独立风险因素,本研究构建的Nomogram图模型有助于其量化评估。

缺血性卒中无复流动物模型建立和多维度评价方案

目的 建立脑无复流模型并对灌注减低进行多维度评价。方法 利用激光散斑对比成像和双光子活体成像,比较C57BL/6(n=16)和BALB/c小鼠(n=37)短暂性大脑中动脉闭塞,以及BALB/c小鼠缺血1h或1.5h灌注改变情况。结合激光散斑对比成像、低倍率和较高放大倍率的灌注脑片图像,以及双光子显微镜监测红细胞流速和流量对短暂性大脑中动脉闭塞后脑灌注下降进行活体动态以及全脑切片和微血管的评估。用微管相关蛋白2染色和行为学评分评估梗死面积和行为学缺损。结果 在C57BL/6小鼠中,大脑中动脉区域大多数毛细血管在缺血期间仍然流动,而在BALB/c小鼠中,大多数毛细血管被阻断。此外,BALB/c小鼠缺血1.5 h后,24 h后再通时的皮质灌注减少至基线76.1%(与BALB/c sham组89.0%相比减少,P=0.046),而缺血1 h减少至79.9%,与BALB/c sham组无明显差异(P=0.299)。切片全脑灌注评估BALB/c小鼠短暂性大脑中动脉闭塞1.5 h导致全脑灌注减少至75.1%(与BALB/c sham组100%相比降低,P<0.001),双光子活体成像评估大脑中动脉流域皮质表面毛细血管血流在再通24h,红细胞流速降至基线水平的50.3%(与BALB/c sham组110.7%相比降低,P=0.010),红细胞流量降至基线水平的38.9%(与BALB/c sham组119.2%相比降低,P=0.010);高倍率切片成像评估毛细血管有灌注长度为241μm±33μm(与BALB/c sham组997μm±103μm相比减少,P=0.001),有灌注的毛细血管占据的总体积分数为0.0128±0.0018(与BALB/c sham组0.0539±0.0055相比减少,P<0.001)。微管相关蛋白2染色提示BALB/c小鼠短暂性大脑中动脉闭塞1.5 h导致梗死面积占全脑面积约36%,行为学评分提示行为学缺损,评分升高至9分。结论BALB/c小鼠短暂性缺血1.5 h导致明显的脑灌注下降以及毛细血管无复流,适合建立无复流模型。激光散斑对比成像、低倍率和较高放大倍率的灌注脑片图像,以及双光子显微镜活体成像的结合,可以对灌注变化进行多维度评价。

AECOPD机械通气病人下呼吸道感染风险预测Nomogram模型的构建

目的:构建慢性阻塞性肺疾病急性加重(AECOPD)机械通气病人下呼吸道感染的风险预测Nomogram模型。方法:回顾性选取2019年1月—2022年12月在本院行机械通气的417例AECOPD病人,将所有病人按照2∶1比例随机分为训练集(278例)和验证集(139例)。收集病人资料,统计AECOPD机械通气病人下呼吸道感染发生率,采用单因素分析和多因素Logistic回归分析AECOPD机械通气病人下呼吸道感染的影响因素,应用R软件构建下呼吸道感染风险预测Nomogram模型并进行验证。结果:下呼吸道感染发生率为51.80%(216/417);多因素Logistic回归分析结果显示,年龄、合并糖尿病、机械通气持续时间、气管插管、合并低蛋白血症、抗菌药物使用时间、抗菌药物使用种类≥2种均是AECOPD机械通气病人下呼吸道感染的独立影响因素(P<0.05);基于多因素Logistic回归分析筛选出的7个影响因素构建风险预测Nomogram模型,该模型在训练集和验证集中预测的曲线下面积分别为0.873[95%CI(0.831,0.915)]、0.858[95%CI(0.791,0.914)];训练集和验证集校准曲线和Hosmer-Lemeshow检验(P>0.05)均显示预测值和实际值具有良好一致性;决策曲线显示,当训练集阈概率在4%~90%、验证集阈概率在9%~78%时该模型的净收益高。结论:基于7项影响因素[年龄、合并糖尿病、机械通气持续时间、气管插管、合并低蛋白血症、抗菌药物使用时间、抗菌药物使用种类(≥2种)]构建的AECOPD机械通气病人下呼吸道感染的风险预测Nomogram模型具有良好区分度和一致性,且具有临床应用价值。

神经外科术后颅内感染Nomogram模型的建立与验证

目的探讨神经外科术后患者颅内感染危险因素,建立并验证Nomogram预测模型。方法回顾性分析2019年1月1日—2022年12月31日南京某医院978例神经外科手术患者资料,经logistic单因素和多因素分析筛选独立危险因素。通过Lasso回归筛选建模变量,采用logistic回归构建Nomogram模型并进行内部验证,采用受试者工作特征(ROC)曲线、校准曲线、决策曲线测评模型效果。结果978例神经外科手术患者中,293例发生术后颅内感染,医院感染发病率为29.96%。感染组和非感染组患者的年龄、性别、冠心病、脑梗死、糖尿病和高血压的比例等基本情况比较,差异均无统计学意义(均P>0.05)。logistic多因素分析结果显示,术后颅高压、发热、血常规中性粒细胞百分比升高,脑脊液浑浊、潘氏试验阳性、葡萄糖浓度降低、脑脊液/血清葡萄糖比值异常、微生物培养阳性,以及未留置脑室外引流管(EVD)、留置腰大池置管引流管(LD)、使用免疫抑制药物和手术时间长是神经外科术后患者颅内感染的独立危险因素(均P<0.05)。通过Lasso回归筛选15个变量,经共线性筛查、缺失数据插补(随机森林法)、检查两两交互作用项后最终纳入14个变量建模。建立Nomogram预测模型,其ROC曲线下面积、灵敏度、特异度和准确度分别为0.885、0.578、0.896、0.704,对模型进行内部验证,建模组和验证组效果相近,校准曲线和决策曲线同时提示模型有良好的预测能力。结论本研究构建的神经外科术后颅内感染Nomogram预测模型,预测指标科学且容易获取,稳定性与可靠性强,具有较高的应用价值和较广的适用范围,可为神经外科术后颅内感染的判定提供参考。

基于血清标志物构建预测老年重症肺炎预后的Nomogram模型

目的:探究血清标志物Nomogram预测模型对老年重症肺炎(SP)预后的预测价值。方法:选取2022年1月至2023年1月武汉市红十字会医院收治的310例老年SP患者,按7∶3比例随机分为建模人群(n=217)与验证人群(n=93)。比较建模人群、验证人群入院28 d内预后情况,血清可溶性髓系细胞表达的触发受体-1(sTREM-1)、基质金属蛋白酶抑制剂-1(TIMP-1)、可溶性白细胞分化抗原14亚型(Presepsin)、N末端脑钠肽前体(NT-proBNP)、C反应蛋白(CRP)、饥饿素(Ghrelin)、降钙素原(PCT)、中性粒细胞与淋巴细胞比值(NLR)、肿瘤坏死因子-α(TNF-α)和白介素-6(IL-6)水平,Lasso-logistic回归分析老年SP预后不良的预测因素,并构建预后不良Nomogram预测模型,在验证人群中对Nomogram预测模型进行外部验证。结果:建模人群入院28 d内死亡78例(35.94%),验证人群入院28 d内死亡34例(36.56%),两组病死率比较无统计学差异(P>0.05)。建模人群、验证人群中,不同预后患者血清sTREM-1、NT-proBNP、TIMP-1、Presepsin、PCT、Ghrelin、CRP、IL-6、NLR、TNF-α水平比较,差异有统计学意义(P<0.05)。Lasso回归筛选预测因素,logistic回归分析显示,血清sTREM-1、TIMP-1、NT-proBNP、Presepsin、Ghrelin、PCT、NLR水平为老年SP预后不良的影响因素(P<0.05)。基于Lasso-logistic回归预测因素构建预测模型,验证人群受试者工作特征(ROC)曲线、临床决策曲线(DCA)显示,该预测模型具有良好的临床效用。结论:血清sTREM-1、TIMP-1、NT-proBNP、Presepsin、Ghrelin、PCT、NLR水平为老年SP患者预后不良的预测因子,基于以上因素构建Nomogram预测模型具有一定的临床价值。

预测磨玻璃结节侵袭性风险的Nomogram模型构建与验证

目的探讨基于生物标志物和CT征象构建的Nomogram模型对磨玻璃结节侵袭性风险的预测价值。方法回顾性分析322例磨玻璃结节患者资料,其中模型组患者240例,验证组患者82例。经Logistic单因素及多因素分析后筛选出磨玻璃结节侵袭性风险的独立危险因素,使用R软件构建出列线图模型,同时绘制临床决策曲线(DCA)、ROC曲线、校准曲线对模型进行内外部验证。结果本研究中磨玻璃结节侵袭性风险的5个独立危险因素分别为系统免疫炎症指数(SII)、CYFRA21-1、边缘、血管集束征和结节实性成分占比(CTR)。由此构建的列线图模型ROC曲线下面积为0.946,外部验证组ROC曲线下面积为0.932,提示该模型具有良好的预测磨玻璃结节侵袭性风险能力。通过Bootstrap 1000次自动抽样绘制校准曲线对模型进行内部验证,结果示模型曲线与实际曲线一致性指数为0.955,绝对误差较小,拟合度良好。DCA曲线显示出较好的临床实用性。同时结节边缘、血管集束征和CTR与浸润性腺癌病理亚型相关。结论基于生物标志物和CT征象构建的Nomogram模型对磨玻璃结节侵袭性风险具有较好的预测价值和临床实用性。

宫腔内人工授精早期妊娠丢失的Nomogram预测模型建立及其影响因素分析

目的基于临床数据分析宫腔内人工授精(IUI)后早期妊娠丢失的影响因素,根据影响因素建立Nomogram预测模型,用于评估IUI后早期妊娠丢失的风险。方法回顾性分析2014年1月至2022年7月于本院生殖中心行夫精IUI治疗的不孕症患者的临床资料,根据妊娠情况分为早期妊娠丢失组(51个周期)和继续妊娠组(170个周期),比较两组患者之间的基础资料。将70%患者随机分配至建模组,其余30%被分配到验证组,使用Logistic回归分析IUI后早期妊娠丢失的影响因素,并根据影响因素建立Nomogram预测模型;绘制ROC曲线,评估预测模型对IUI后早期妊娠丢失的的预测效能。结果早期妊娠丢失组和继续妊娠组在FSH/LH比值和精液处理方法的差异有统计学意义(P<0.05)。建模组单因素分析显示,对于早期妊娠丢失具有统计学意义的预测因素是精液处理方法、FSH/LH比值和男方乙肝病毒携带状态(P<0.05)。建模组多因素Logistic分析显示,具有统计学意义的预测因素是精液处理方法、FSH/LH比值、不孕类型和男方乙肝病毒携带状态(P<0.05)。在建模组中,预测模型的ROC曲线下面积(AUC)为0.701[95%CI(0.600,0.801)]。验证组显示出良好的区分度,AUC为0.658[95%CI(0.484,0.833)]。结论本研究建立了IUI后早期妊娠丢失的Nomogram预测模型;通过该预测模型,可以个性化地评估IUI早期妊娠丢失的风险。

妊娠期糖尿病孕妇发生不良妊娠结局的危险因素分析及Nomogram预测模型构建

目的分析妊娠期糖尿病孕妇发生不良妊娠结局的危险因素,并构建Nomogram预测模型。方法选取2020年1月至2022年5月广东医科大学附属第二医院和广东医科大学顺德妇女儿童医院(佛山市顺德区妇幼保健院)收治的290例妊娠期糖尿病患者作为研究对象,根据是否发生不良妊娠结局分为发生组(n=105)和未发生组(n=185)。同时选取同期同一医院的150例妊娠期糖尿病患者作为验模组,用验模组的数据对已建立的妊娠期糖尿病孕妇发生不良妊娠结局风险的预测模型进行验证。绘制受试者工作特征(ROC)曲线分析连续性变量的预测价值;采用Logistic回归分析影响妊娠期糖尿病孕妇发生不良妊娠结局的危险因素;采用内部数据验证Nomogram模型临床效能。结果与未发生组相比,发生组患者年龄、孕前体重指数(BMI)、甘油三酯(TC)更大或更高,有糖尿病家族史、口服葡萄糖耐量试验(OGTT)血糖指标3项异常、有不良孕产史者占比更高(P<0.05);年龄、孕前BMI、TC的曲线下面积(AUC)分别为0.722、0.635、0.598;年龄、孕前BMI、TC、糖尿病家族史、OGTT血糖指标3项异常、不良孕产史均为影响妊娠期糖尿病患者发生不良妊娠结局的危险因素。Nomogram模型预测妊娠期糖尿病患者发生不良妊娠结局的风险C-index为0.757(95%CI:0.679~0.871);模型预测妊娠期糖尿病患者发生不良妊娠结局的风险阈值>0.07;模型验证中,ROC曲线结果显示AUC为0.836(95%CI:0.774~0.898),H-L拟合优度检验显示χ2=11.219,P=0.219。结论年龄、孕前BMI、TC、糖尿病家族史、OGTT血糖指标3项异常、不良孕产史均为影响妊娠期糖尿病患者发生不良妊娠结局的危险因素,且基于变量构建的模型有较好的预测能力。

基于Logistic回归分析绝经后女性椎体压缩性骨折创建Nomogram预测模型

目的 探讨绝经后女性椎体压缩性骨折(PWVCF)的危险因素以建立该人群的Nomogram预测模型。方法 收集2019年12月—2021年11月在我院就诊并符合本研究入组标准的绝经后女性(PW)患者123例,根据患者椎体是否骨折分为骨折组(n=75)和非骨折组(n=48),采用t检验和χ^(2)检验分析两组患者的差异性,采用单因素、多因素Logistic回归分析PWVCF的危险因素,针对危险因素采用R4.2.1软件建立Nomogram预测模型并校正曲线,ROC曲线确定Nomogram模型的预测效果。结果 单因素分析显示首诊年龄、绝经年龄、外伤史、体重、腰椎骨密度(LSBMD)等可能是PWVCF的影响因素(P<0.05);Logistic多因素分析结果显示,首诊年龄(OR=1.107;95%CI:1.043~1.174)、外伤史(OR=0.185;95%CI:0.05~0.681)、LSBMD(OR=0.515;95%CI:0.342~0.774)是影响PWVCF的独立危险因素(P<0.05)。Nomogram预测模型校正曲线斜率≈1,Hosmer-Lemeshow检验提示该模型拟合优度好(χ^(2)=9.682,P=0.2881)(P>0.05),C-指和ROC曲线AUC值为0.847,ROC曲线AUC值的95%置信区间为0.7734~0.9203,暗示该模型预测效果良好。结论 首诊年龄、外伤史、LSBMD是PWVCF的独立危险因素。针对危险因素建立的Nomogram预测模型提高判断高危人群的效率,为该人群VCF的早期预防和诊断提供一定价值。