耐多药和利福平耐药肺结核治疗结局的Nomogram风险预测模型构建

目的:探讨耐多药和利福平耐药肺结核(MDR/RR-TB)住院患者的治疗结局及影响因素,构建并评价Nomogram风险预测模型。方法:收集2019年1月1日至2019年12月31日昆明市第三人民医院MDR/RR-TB住院患者临床资料并电话随访。采用χ^(2)检验和多因素Logistic回归分析筛选治疗结局的影响因素,构建Nomogram模型并验证。结果:141例患者中,治疗成功79例(占56.03%),不良转归62例(占43.97%)。多因素Logistic回归分析结果显示,糖尿病、血液系统疾病和农村居住是MDR/RR-TB患者治疗结局的危险因素,初中及以上文化程度是MDR/RR-TB患者治疗结局的保护因素。基于上述4个相关影响因素构建Nomogram模型,受试者操作特征曲线下面积为0.752(95%CI:0.673~0.832),敏感度为0.667,特异度为0.831。采用Bootstrap法重抽样1000次行内部验证,平均绝对误差为0.041,预测值和实际值一致性较好。Hosmer-Lemeshow检验结果表明,模型拟合度较好(χ^(2)=8.119,P=0.322)。决策曲线显示Nomogram模型在高风险阈值范围(0.14~0.81)时,临床实用价值较好。结论:构建的Nomogram模型具有较好的预测性、一致性及临床实用性,可为临床治疗MDR/RR-TB提供一定的科学参考。

基于血常规和颈动脉斑块构建缺血性脑卒中nomogram风险预测模型

目的:基于血常规和颈动脉斑块构建一种个性化nomogram风险预测模型预测颈动脉粥样硬化(carotid atherosclerosis, CAS)患者发生缺血性脑卒中(cerebral ischemic stroke, CIS)的风险。方法:选取2021年3月1日至2022年3月1日在上海市第八人民医院神经内科住院的CAS患者214例,收集患者的基本特征、血常规指标及影像学检查数据。根据是否发生缺血性脑卒中分别分为两组,随机抽取全部数据按7∶3的比例拆分为建模组和验证组。采用单因素logistic回归和lasso回归筛选CAS患者发生缺血性脑卒中的独立风险预测因子,将其导入R软件构建nomogram预测模型。ROC曲线下面积(AUC)、校准曲线和DCA决策曲线对模型进行内部验证。结果:单因素logistic回归和lasso回归分析结果显示,红细胞分布宽度、大型血小板比率、血小板计数是CAS患者发生缺血性脑卒中的独立风险预测因子(P<0.05),由于年龄对于CIS具有重要临床意义,最终也将其纳入模型。基于上述预测因子导入R软件构建nomogram预测模型并进行模型内部验证。建模组受试者工作特征曲线下面积(area under the curve, AUC)为0.644,验证组AUC为0.677,表示该nomogram模型预测能力较好。Hosmer-Lemeshow拟合优度检验(P=0.058),表明该模型具有较好的区分度。DCA曲线显示风险阈值为8%~45%时使用该模型具有临床实用价值。结论:本研究构建并验证了一个预测CAS患者发生缺血性脑卒中的nomogram风险预测模型,该模型预测能力和区分能力较好,对临床评估CAS患者发生缺血性脑卒中具有较高的临床实用价值。

2型糖尿病患者并发糖尿病肾病的危险因素及Nomogram风险预测模型构建

目的:探讨2型糖尿病患者并发糖尿病肾病(DN)的危险因素,并构建Nomogram风险预测模型。方法:选取2020年5月至2022年12月首都医科大学附属北京友谊医院收治的2型糖尿病患者200例作为研究对象,根据是否并发DN,分为合并DN组(n=76)和未合并DN组(n=124),收集所有患者一般资料和血生化指标,采用多因素logistic回归分析法分析2型糖尿病患者并发DN的影响因素;采用R语言软件4.0“rms”包构建Nomogram风险预测模型。结果:合并DN组患者2型糖尿病病程≥10年占比、合并高血压占比明显高于未合并DN组(P<0.05)。合并DN组患者总胆固醇(TC)、低密度脂蛋白胆固醇(LDLC)、高敏C反应蛋白(hs-CRP)、糖化血红蛋白(HbAlc)、尿白蛋白排泄率(UAER)、肌酐(Cr)、血尿素氮(BUN)、胱抑素C(Cys C)水平明显高于未合并DN组(P<0.05),合并DN组患者高密度脂蛋白胆固醇(HDL-C)、血清C肽(FCP)、肾小球滤过率(eGFR)水平明显低于未合并DN组(P<0.05)。多因素logistic回归分析结果显示,2型糖尿病病程≥10年、合并高血压、HbAlc、UAER、PMPs、Cys C为2型糖尿病患者并发DN的独立危险因素(P<0.05)。Nomogram风险预测模型预测2型糖尿病患者发生DN的一致性指数(C-index)为0.786(95%CI:0.681~0.877),校准曲线趋于理想曲线,表明该模型具有较好的精确度。结论:2型糖尿病病程≥10年、合并高血压、HbAlc、UAER、PMPs、Cys C均为2型糖尿病患者并发DN的独立危险因素,基于血清学指标构建的Nomogram风险预测模型可更准确的评估DN发生的风险。

某院慢性阻塞性肺疾病患者合并呼吸道感染的危险因素分析与Nomogram风险预测模型的构建

目的:探究医院慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)患者合并呼吸道感染的危险因素,并以此构建Nomogram风险预测模型,为临床COPD患者呼吸道感染的预防提供参考。方法:选取2021年1月—2022年10月贵溪市人民医院收治的588例COPD患者作为研究对象,根据是否合并呼吸道感染将其分为合并呼吸道感染组(n=72)和未合并呼吸道感染组(n=516),采集患者的年龄、性别、吸烟史、饮酒史、基础疾病、住院次数和时间、抗菌药物使用等信息,采用多因素Logistic回归分析法分析COPD患者合并呼吸道感染的危险因素,并通过构建Nomogram风险预测模型进行预测效能检测。结果:单因素分析结果显示,合并呼吸道感染组患者的吸烟比例、低蛋白血症比例、气管插管比例、1年内急性加重次数、辅助通气时间、抗菌药物使用时间均大于或长于未合并呼吸道感染组,差异有统计学意义(P<0.05);多因素Logistic回归分析结果显示,吸烟(OR=1.834,P<0.05)、低蛋白血症(OR=2.035,P<0.05)、气管插管(OR=1.621,P<0.05)、1年内急性加重次数≥2次(OR=1.525,P<0.05)、辅助通气时间(OR=1.743,P<0.05)、抗菌药物使用时间(OR=1.803,P<0.05)是COPD患者合并呼吸道感染的独立危险因素(P<0.05);以相关独立危险因素构建的Nomogram风险预测模型预测COPD患者合并呼吸道感染的一致性指数为0.785(95%CI为0.674~0.863),而决策曲线分析结果显示阈值>0.18,提示Nomogram风险预测模型提供临床净收益,且临床净收益均高于独立预测因子。结论:医院COPD患者合并呼吸道感染与吸烟、低蛋白血症、气管插管、1年内急性加重次数、辅助通气时间、抗菌药物使用时间具有密切关系,而基于此构建的Nomogram风险预测模型具有较好的预测价值。

基于机器学习筛选共同性外斜视术后早期复发的风险因素及Nomogram预测模型的建立

目的分析共同性外斜视术后早期复发的相关风险因素,建立Nomogram预测模型。方法回顾性分析我院2015年10月至2021年10月收治的243例(486眼)共同性外斜视患者,按7 GA6FA 3的比例将其分为训练集(n=170)、验证集(n=73)。利用Lasso回归、Boruta算法、随机森林算法筛选共同性外斜视术后早期复发的风险变量。通过Spearman相关性分析及膨胀因子(VIF)评估变量之间的共线性,利用多因素Cox回归建立Nomogram预测模型。对该模型在术后6个月、18个月、24个月的受试者工作曲线、校准曲线、临床决策曲线进行效能评价。结果通过3种机器学习方法:Lasso回归、Boruta算法、随机森林算法,在训练集及验证集的22个风险变量中筛选出6个可能导致斜视术后早期复发的重要变量:斜视类型、发病年龄、术前斜视度数、右眼最佳矫正视力(BCVA)、左眼BCVA、手术方式,6个变量之间不存在共线性(r<0.6,VIF<5)。多因素Cox回归发现,斜视类型(间歇性外斜视)、术前斜视度数、右眼BCVA、左眼BCVA、手术方式(单侧外直肌后徙术)是共同性外斜视术后早期复发的风险因素,并构建Nomogram预测模型。受试者工作曲线、校准曲线及临床决策曲线提示该预测模型具有较好的准确度、一致性及临床适用度。结论Nomogram预测模型能较好预测共同性外斜视患者术后的早期复发风险,为眼科医生对患者进行早期干预提供参考。

急性缺血性脑卒中康复无效的风险预测Nomogram模型构建及验证

目的构建急性缺血性脑卒中康复无效的风险预测Nomogram模型并进行验证。方法回顾性分析2018年10月至2022年10月郑州卷烟厂康复医院收治的396例急性缺血性脑卒中患者的临床资料,按照2∶1的比例将其随机分为建模组(264例)和验证组(132例);根据建模组患者治疗后3个月的康复情况将其进一步分为无效组(63例)和有效组(201例),采用多因素Logistic回归分析法分析急性缺血性脑卒中康复无效的危险因素;采用R 3.4.3软件包绘制Nomogram模型,采用Bootstrap法进行内部验证,并绘制校准曲线评价Nomogram模型的校准度,绘制受试者工作特征(ROC)曲线评价Nomogram的预测效能,采用决策曲线(DCA)验证模型的临床净获益率。结果建模组中无效组心房颤动史、梗死灶最大径>4 cm、意识障碍、出血转化占比以及美国国立卫生院神经功能缺损评分(NIHSS)、血糖水平、糖化血红蛋白水平、D-二聚体(D-D)水平均高于有效组(P<0.05),发病至溶栓时间长于有效组(P<0.05);经多因素Logistic回归分析显示,心房颤动、发病至溶栓时间长、NIHSS评分升高、梗死灶最大径>4 cm、出血转化、血糖水平升高、D-D水平升高均是急性缺血性脑卒中患者康复无效的危险因素(P<0.05);根据以上影响因素构建的Nomogram模型经Bootstrap法验证,建模组与验证组的一致性指数分别为0.830、0.816,校正曲线与标准曲线拟合度较好;ROC曲线结果显示,建模组、验证组Nomogram预测急性缺血性脑卒中患者康复无效的曲线下面积分别为0.873、0.856;DCA曲线显示,建模组和验证组的风险阈值概率分别在2%~99%及9%~90%时有较高的净获益值。结论心房颤动、发病至溶栓时间长、NIHSS评分升高、梗死灶最大径>4 cm、出血转化、血糖水平升高、D-D水平升高均是急性缺血性脑卒中患者康复无效的危险因素,据此构建的Nomogram模型具有较好的临床应用价值。

构建股骨转子间骨折股骨近端防旋髓内钉内固定失效的风险预测模型

背景:股骨转子间骨折是主要的老年脆性骨折类型,股骨近端防旋髓内钉是首选手术方案,但术后内固定失效的相关因素尚存在争议。目的:通过术前评估患者影像学资料提出一种新的股骨转子间骨折“三柱”分类法,并分析其与术后内固定失效的交互关系,利用数字技术运算开发和验证风险预测模型,便于临床医生术前甄别并干预高风险患者。方法:选择2012年6月和2022年6月佛山市中医院三水医院收治的股骨转子间骨折患者,按照术后是否出现内固定失效结局,分为内固定失效组和内固定维持组。根据患者术前X射线片将股骨近端分为“三柱”:内侧柱、外侧柱及中柱,每柱均有不同的亚组分型。分析“三柱”的形态特征与股骨近端防旋髓内钉内固定术后复位失效的关系,通过先单因素后多因素logistics回归分析,筛选出引起内固定失效的独立风险因素,根据独立风险因素利用R语言软件构建风险预测模型。采用自助法重抽样1000次,使用受试者工作特征曲线下的面积、校准曲线、临床决策曲线评价模型的区分度、校准能力及临床应用价值。通过Youden指数确定预测模型的最佳风险分界值,据此将患者分为高、低风险组,根据模型风险预测能力的准确度来评价其稳定性和外延性。结果与结论:①利用“三柱”分型系统预测骨折术后内固定失效的4个独立风险因素,分别为内侧柱(小转子及股骨距粉碎性骨折)[优势比=5.385,95%CI(1.961,14.782),P=0.001]、中间柱(烟囱型)[优势比=2.893,95%CI(1.167,7.173),P=0.022]、外侧柱(外侧壁厚度<20.5 mm)[优势比=2.804,95%CI(1.078,7.297),P=0.035]及外侧柱(外侧壁骨折)[优势比=4.278,95%CI(1.670,10.959),P=0.012];②构建的风险预测模型表现出良好的区分度和准确度[受试者工作特征曲线下面积=0.852,95%CI(0.837,0.922)],校准曲线显示模型预测风险和实际发生风险有较好的一致性;③临床决策曲线提示风险阈值概率在0.2-0.82范围内时,模型具有较好的临床适用性;风险概率为28%是模型风险分层的最佳阈值,模型在不同风险组别患者的预测性能较好;④此次研究通过“三柱”分型系统构建预测模型计算股骨转子间骨折患者术后内固定失效的风险概率,此方法准确、简便,易于临床应用,可作为一种数字化工具指导临床个性化治疗。

老年冠心病患者营养不良的影响因素及Nomogram预测模型的构建

目的探讨老年冠心病患者营养不良的影响因素,并构建列线图(Nomogram)预测模型。方法前瞻性选取2020年1月至2024年1月郑州大学第二附属医院收治的352例老年冠心病患者,根据是否并发营养不良分为营养不良组和非营养不良组,比较两组患者的临床资料,经单因素、LASSO、Logistic分析老年冠心病患者营养不良影响因素,建立老年冠心病患者营养不良的Nomogram预测模型,采用受试者工作特征(ROC)曲线、校准曲线、决策曲线(DCA)评估Nomogram预测模型的效能。结果352例老年冠心病患者中82例患者合并营养不良,270例未发生营养不良,营养不良并发率为23.30%。两组患者的年龄、病程、并发症数量、C反应蛋白(CRP)、B型脑钠肽(BNP)、每周规律锻炼、合并焦虑抑郁、高标准吞咽功能评价量表(SSA)、健康信念及行为水平评分比较差异均有统计学意义(P<0.05)。病程较长、并发症数量≥2种、高C反应蛋白(CRP)水平、合并焦虑抑郁、SSA评分、每周规律锻炼、高健康信念水平评分、高健康行为水平评分均是老年冠心病患者并发营养不良的影响因素(P<0.05)。基于上述影响因素建立老年冠心病患者营养不良的Nomogram预测模型;ROC曲线分析结果显示,该Nomogram预测模型预测老年冠心病患者营养不良的曲线下面积(AUC)为0.89;模型校正曲线总体趋势接近理想曲线,表明该模型拟合度良好;DCA曲线提示,当风险阈值在0.28~0.83时使用该模型具有较好的临床净获益。结论病程、并发症数量、CRP、每周规律锻炼、合并焦虑抑郁、健康信念水平评分、健康行为水平评分、SSA评分是老年冠心病患者营养不良的影响因素,且根据影响因素构建的Nomogram预测模型具有一定临床价值。

基于机器学习的冠心病风险预测模型构建与比较

背景冠状动脉粥样硬化性心脏病(以下简称冠心病)是全球重要的死亡原因之一。目前关于冠心病风险评估的研究在逐年增长。然而,在这些研究中常忽略了数据不平衡的问题,而解决该问题对于提高分类算法中识别冠心病风险的准确性至关重要。目的探索冠心病的影响因素,通过使用2种平衡数据的方法,基于5种算法建立冠心病风险相关的预测模型,比较这5种模型对冠心病风险的预测价值。方法基于2021年美国国家行为风险因素监测系统(BRFSS)横断面调查数据筛选出112606名研究对象的健康相关风险行为、慢性健康状况等24个变量信息,结局指标为自我报告是否患有冠心病并据此分为冠心病组和非冠心病组。通过进行单因素分析和逐步Logistic回归分析探索冠心病发生的影响因素并筛选出纳入预测模型的变量。随机抽取112606名受访者的10%(共计11261名),以8∶2的比例随机划分为训练与测试的数据集,采用随机过采样和合成少数过采样技术(SMOTE)两种过采样的方法处理不平衡数据,基于k最邻近算法(KNN)、Logistic回归、支持向量机(SVM)、决策树和XGBoost算法分别建立冠心病预测模型。结果两组年龄、性别、BMI、种族、婚姻状态、教育水平、收入水平、家里有几个孩子、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者、过去30 d内是否有体育锻炼、心理健康状况以及自我健康评价比较,差异有统计学意义(P<0.05)。逐步Logistic回归分析结果显示:年龄、性别、BMI、种族、教育水平、收入水平、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者以及自我健康评价为冠心病的影响因素(P<0.05)。风险模型构建的分析结果显示:k最邻近算法、Logistic回归、支持向量机、决策树和XGBoost采用SMOTE处理不平衡数据的总体分类精度分别为59.2%、67.4%、66.2%、69.2%和85.9%,召回率分别为75.2%、71.4%、70.5%、62.9%和34.8%,精确度分别为15.4%、18.2%、17.5%、17.6%和28.7%,F值分别为0.256、0.290、0.280、0.275和0.315,受试者工作特征曲线下面积分别为0.80、0.78、0.72、0.72和0.82;采用随机过采样处理不平衡数据的总体分类精度分别为62.5%、68.5%、69.0%、60.2%和70.1%,召回率分别为70.0%、69.5%、71.9%、69.0%和67.6%;精确度分别为15.8%、18.4%、19.1%、14.8%和19.0%,F值分别为0.258、0.291、0.302、0.244和0.297,受试者工作特征曲线下面积分别为0.80、0.77、0.72、0.72和0.83。结论本研究不仅确认了已知冠心病的影响因素,还发现了自我健康评价水平、收入水平和教育水平对冠心病具有潜在影响。在使用2种数据平衡方法后,5种算法的性能显著提高。其中XGBoost模型表现最佳,可作为未来优化冠心病预测模型的参考。此外,鉴于XGBoost模型的优异性能以及逐步Logistic回归的操作便捷和可解释性,推荐在冠心病风险预测模型中结合使用数据平衡后的XGBoost和逐步Logistic回归分析。

喉癌患者低温等离子刀射频消融术后复发的风险因素与Nomogram预测模型

目的探讨喉癌患者低温等离子刀射频消融术后复发的危险因素,并构建Nomogram预测模型。方法回顾性分析2018年1月至2021年6月在郑州大学第一附属医院行低温等离子刀射频消融术的483例喉癌患者的临床资料,按照2∶1比例将患者随机分为建模集(322例)和验证集(161例)。统计术后复发情况,采用单因素和多因素logistic回归分析建模集喉癌患者低温等离子刀射频消融术后复发的危险因素,并采用R软件构建Nomogram预测模型,并采用受试者工作特征(ROC)曲线、一致性指数、校准曲线、决策曲线评价模型的预测效能和临床实用性。结果483例喉癌患者低温等离子刀射频消融术后随访时间为24~66个月,复发率为15.32%(74/483),建模集和验证集一般资料比较,差异无统计学意义(P>0.05)。logistic回归分析结果显示,T_(1b)~T_(2)期、低分化、肿瘤侵犯前联合、肿瘤侵犯声门下均是喉癌患者低温等离子刀射频消融术后复发的危险因素(P<0.05)。Bootstrap内部验证结果显示,Nomogram预测模型在建模集和验证集中的一致性指数分别为0.812(95%CI:0.797~0.838)、0.805(95%CI:0.788~0.830);ROC曲线显示,Nomogram预测模型在建模集和验证集中预测术后复发的曲线下面积分别为0.795(95%CI:0.728~0.852)、0.781(95%CI:0.713~0.839),说明该Nomogram预测模型具有良好的区分度。校准曲线显示,Nomogram预测模型在建模集和验证集中的预测术后复发概率与实际术后复发概率拟合良好。决策曲线显示,在建模集和验证集中,当阈概率分别在2%~99%、9%~90%时,Nomogram预测模型具有良好的净受益。结论T_(1b)~T_(2)期、低分化、肿瘤侵犯前联合、肿瘤侵犯声门下均是喉癌患者低温等离子刀射频消融术后复发的危险因素,基于以上4项危险因素构建的Nomogram预测模型具有良好的预测效能和临床实用性。

慢性心力衰竭患者肌少症风险预测模型的构建

目的探讨慢性心力衰竭患者肌少症的发生现状及其影响因素,构建肌少症预测模型并完成验证。方法便利抽样选取410例慢性心力衰竭患者,利用回归分析构建肌少症风险预测模型,使用列线图展示模型并完成验证。结果共纳入410例慢性心力衰竭患者,慢性心力衰竭合并肌少症的患者在年龄、性别、Charlson共病指数、体重指数、血红蛋白、糖尿病、吸烟、NYHA心功能分级、握力方面,差异具有统计学意义(P<0.05)。交叉分析卡方检验结果显示:体重指数与糖尿病、体重指数与血红蛋白之间在5%的水平上显著(P<0.05),其余各影响因素间无交叉关系,彼此相对独立。高龄、女性、Charlson共病指数较高、体重指数低、血红蛋白异常、吸烟、NYHA心功能分级为Ⅲ级及以上、握力低的慢性心力衰竭患者更易发生肌少症(P<0.05)。验证组预测肌少症发生的C-index为0.866,95%CI(0.583,0.915),约登指数最大值为0.616,灵敏度为90.3%,特异度为71.3%。结论高龄、女性、Charlson共病指数较高、体重指数低、血红蛋白异常、吸烟、NYHA心功能分级为Ⅲ级及以上、握力低成为慢性心力衰竭患者肌少症的危险因素。未来应开展轨迹研究,对预测模型进行优化,建立动态列线图模型,为临床护士动态预测慢性心力衰竭患者肌少症的发生提供可靠的工具,以期减少肌少症,改善患者的生存质量。

维持性血液透析患者腹主动脉钙化风险预测模型构建

目的研究维持性血液透析(maintenance hemodialysis,MHD)患者血浆致动脉硬化指数(atherogenic index of plasma,AIP)、淋巴细胞与单核细胞比值(lymphocyte/monocyte ratio,LMR)与腹主动脉钙化(abdominal aortic calcification,AAC)的相关性,并构建风险预测模型。方法选取2023年5月1日─2024年4月30日在首都医科大学附属北京潞河医院郎府院区血液净化中心接受MHD治疗的患者。通过单因素及多因素Logistic回归分析来确定ACC的危险因素,建立列线图,并进行内部验证。结果共纳入158例MHD患者,分为AAC组(n=106)和非AAC组(n=52);AAC组的年龄(F=1.325,P<0.001)、校正钙(F=0.343,P=0.016)、AIP(F=8.726,P=0.003)、合并糖尿病(F=9.287,P=0.002)高于非AAC组;透析时长(F=3.681,P=0.007)、血白蛋白(F=3.287,P=0.002)、血磷(F=0.344,P=0.018)、LMR(F=1.824,P=0.022)低于非AAC组。多因素Logistic回归分析发现高龄(OR=1.071,95%CI:1.034~1.108,P<0.001)、合并糖尿病(OR=3.346,95%CI:1.428~7.843,P=0.005)、高AIP(OR=1.176,95%CI:1.041~1.33,P=0.009)、低LMR(OR=0.777,95%CI:0.614~0.983,P=0.036)是MHD患者发生AAC的独立危险因素。绘制列线图,计算C-index为0.834(95%CI:0.769~0.899),说明该列线图模型的区分能力较好。绘制校准曲线,模拟曲线和实际曲线绝对误差为0.029,说明模型具有较强的一致性。结论对于MHD患者来说,高龄、合并糖尿病、高AIP、低LMR是MHD患者发生AAC的独立危险因素。依据年龄、糖尿病、AIP、LMR构建的风险预测模型有很好的预测效能。

慢性肝病衰弱风险预测模型的研究进展

慢性肝病患者常常面临着衰弱的风险,目前证据表明,衰弱是慢性肝病患者预后不良的因素。了解和评估慢性肝病患者的衰弱风险对于疾病管理和干预非常重要。该文旨在综述关于慢性肝病衰弱风险模型的研究进展,分析现有研究的现状和存在的问题,探讨未来研究的方向。

老年阻塞性睡眠呼吸暂停低通气综合征患者认知障碍风险预测模型构建与应用

目的分析老年阻塞性睡眠呼吸暂停低通气综合征患者发生认知障碍的危险因素,构建并验证预测模型的效果。方法于2022年1月-2024年5月,便利选取在德阳市某三级医院就诊的212名老年阻塞性睡眠呼吸暂停低通气综合征患者作为本次研究对象,按照7∶3的比例,将研究对象分为建模组(148例)和验证组(64例),通过Logistic回归分析探索认知功能障碍的危险因素,建立预测模型,通过Hosmer-Lemeshow拟合优度检验、ROC曲线下面积来判断模型的诊断价值。结果212例患者中,认知障碍的发生率为38.7%;年龄、文化水平、体质量指数、血压、血脂、平均血氧饱和度进入预测模型。结论年龄、文化水平、体质量指数、血压、血脂、平均血氧饱和度可以有效预测患者认知功能障碍的发生率。

弥漫大B细胞淋巴瘤患者1年内死亡相关风险因素及预测模型的构建

目的:基于最小绝对收缩与选择算法(minimum absolute shrinkage and selection algorithm,LASSO)回归探讨弥漫大B细胞淋巴瘤(diffuse large B-cell lymphoma,DLBCL)患者1年内死亡相关危险因素并构建预测模型。方法:收集2013年01月至2024年06月就诊于兰州大学第一医院确诊弥漫大B细胞淋巴瘤患者临床资料,按1年内是否死亡分为死亡组和生存组,比较患者的临床资料,分析其死亡的相关危险因素,基于LASSO回归分析筛选变量,以特征性变量作为自变量代入多因素Logistic回归模型获得弥漫大B细胞淋巴瘤患者1年内死亡的独立预测因素并构建预测模型,绘制ROC曲线、校准曲线、临床决策曲线(decision curve analysis,DCA)来评估模型的预测效果。结果:LASSO回归筛选出最具泛化能力的4个特征性变量:Ki67、ECOG评分、完成6个周期化疗、IPI评分,其对应的LASSO回归系数分别为0.506、0.483、-0.855及2.595。多因素Logistic回归分析调整和校正后,Ki67、ECOG评分、6个周期化疗、IPI评分为弥漫大B细胞淋巴瘤患者1年内发生死亡的独立预测因素(P<0.05),构建列线图,列线图模型的ROC曲线显示曲线下面积(area under the curve,AUC)为0.944(95%CI:0.906~0.983),校准曲线显示Hosmer-Lemeshow拟合优度检验(χ2=9.1856,df=7,P=0.2396)表明模型有良好的拟合度,DCA曲线显示该模型具有明显正向净收益。结论:Ki67、ECOG评分、完成6个周期化疗、IPI评分为弥漫大B细胞淋巴瘤患者1年内发生死亡的独立预测因素,以这些变量构建的临床预测模型能较好预测弥漫大B细胞淋巴瘤的预后及识别死亡风险人群。

维持性血液透析患者透析间期增重超标风险预测模型的构建与验证

目的探讨维持性血液透析患者透析间期增重超标的危险因素,据此构建预测模型并进行评价验证。方法对2022年10月—2023年3月在江苏省句容市中医院和句容市人民医院血液透析中心进行维持性血液透析治疗的患者进行横断面调查,调查工具为自制一般资料调查表、中文版口渴痛苦量表、口腔干燥量表、社会支持评定量表、血液透析患者知识水平问卷。使用最小绝对收缩和选择算法筛选透析间期增重超标风险因子并构建预测模型。使用加强Bootstrap法进行模型的内部验证,评价模型的区分度和校准度,并制作列线图使模型可视化。结果共纳入有效病例382例,其中透析间期增重超过干体质量5%的患者101例(26.44%),回归分析结果显示,当惩罚系数为0.0213051时模型表现最佳,最终模型为lp=3.92773-0.11194×年龄-0.03703×干体质量+2.5722×透析频率-0.19472×血透知识水平+0.07181×透析龄+0.52214×在职+0.47358×TDS评分。加强Bootstrap法对模型进行内部验证结果显示模型ROC曲线下面积(AUC)为0.9125(95%CI:0.745~0.968),模型校准图显示模型校准曲线与原始曲线基本一致,且与理想曲线拟合良好。通过R软件构建模型列线图使模型可视化。结论本研究纳入了人口学、社会学、治疗等方面的因素,构建的IDWG超标风险预测模型具有良好的预测效能和区分度,有利于临床早期识别高危人群,采取个性化干预措施。

糖尿病周围神经病变风险预测模型的系统评价与Meta分析

目的:对糖尿病周围神经病变(DPN)风险预测模型的质量进行系统评价,为现有模型的改进和新模型的建立提供参考依据。方法:检索PubMed、the Cochrane Library、EMbase、Web of Science、中国生物医学文献数据库、中国知网、维普数据库、万方数据库发表的有关构建DPN风险预测模型的研究,检索时限为建库至2024年4月1日。采用PROBAST工具对纳入的预测模型研究进行质量评估,并利用RevMan 5.4软件对关键预测因子进行Meta分析。结果:本研究共纳入12篇文献,涉及23 380例病人,共构建了19个DPN风险预测模型。其中11篇文献进行了模型校准,9篇文献进行了模型验证。预测模型研究的偏倚风险评估工具(PROBAST)评价结果表明,12篇文献均为高偏倚风险。预测因子主要包括基本因素、疾病因素及实验室检查指标3类。Meta分析结果显示,糖化血红蛋白[OR=1.54,95%CI(1.38,1.72),Z=7.55,P<0.001]、年龄[OR=1.10,95%CI(1.00,1.20),Z=2.06,P=0.040]、糖尿病病程[OR=1.22,95%CI(1.14,1.30),Z=5.95,P<0.001]是DPN的预测因子。结论:现有证据显示,DPN的预测模型仍处于探索阶段,未来应根据临床实际情况选择或开发一种偏倚风险低、适用性强的预测模型,并在实际应用中持续监测其预测效果。同时,医护人员应高度关注病人的糖化血红蛋白水平、年龄及病程,以期早期发现DPN,并采取有针对性的预防和治疗措施。

老年2型糖尿病伴衰弱住院患者隐匿性肺部感染的风险预测模型建立和验证

目的构建老年2型糖尿病(T2DM)伴衰弱住院患者隐匿性肺部感染的风险预测模型,旨在为临床防控提供参考依据。方法选取2023年5月至2024年4月郑州大学第一附属医院收治的324例存在肺部感染的老年T2DM伴衰弱住院患者进行回顾性研究,根据肺部感染情况分为隐匿性肺炎组(n=148)和非隐匿性肺炎组(n=176)。比较两组患者的临床资料,采用Logistic回归分析老年T2DM伴衰弱住院患者隐匿性肺部感染的影响因素,构建预测模型,分别利用校正曲线、受试者工作特征曲线(ROC)、决策曲线(DCA)评价该风险预测模型的临床价值,并进行外部验证。结果隐匿性肺炎组患者年龄>75岁、痴呆、重度衰弱、甲状腺功能减退、长期卧床和神志昏迷的占比分别为48.65%、17.57%、52.03%、23.65%、37.84%、21.62%,明显高于非隐匿性肺炎组的31.82%、6.25%、34.09%、10.80%、15.34%、6.82%,差异均有统计学意义(P<0.05);Logistic回归分析结果显示,年龄、痴呆、衰弱程度、甲状腺功能减退、长期卧床、神志昏迷均是老年T2DM伴衰弱住院患者隐匿性肺部感染的危险因素(P<0.05);基于以上6个危险因素,运用R语言绘制的列线图风险预测模型一致性指数(C-index)为0.871;ROC的曲线下面积(AUC)为0.757(95%CI:0.705~0.809);DCA曲线、外部验证结果显示,该模型具有良好的预测能力及较高的临床应用价值。结论老年T2DM伴衰弱住院患者隐匿性肺部感染的危险因素为年龄、痴呆、衰弱程度、甲状腺功能减退、长期卧床、神志昏迷,据此构建的风险预测模型区分度、准确性较高,可高效筛选出潜在的高风险人群,为临床管理、防治隐匿性肺部感染提供参考。

心外科术后谵妄风险预测模型的研究进展

总结心脏病术后谵妄风险预测模型相关内容,对国内外手术病人术后谵妄预测模型的研究现状及模型存在的不足等进行综述,旨在为心脏病病人术后谵妄风险预测模型的开发和临床应用提供参考。

妊娠期糖尿病早期可视化风险预测模型的构建与效能验证

目的构建早期可视化预测妊娠期糖尿病(GDM)的风险模型,并验证其预测效能。方法采用随机数字表法,从2022年10月至2023年10月启东市妇幼保健院妇产科收治的孕产妇中选取400例作为观察对象,根据随访结果是否发生GDM分为GDM组(n=89)和非GDM组(n=311),收集并分析两组临床资料、血常规、肾功能及75 g口服葡萄糖耐量试验(OGTT)指标的差异性,采用二元Logistic回归分析GMD独立危险因素,采用R3.5.0软件构建孕产妇GDM风险列线图模型,采用ROC曲线和Hosmer-Lemeshow对列线图模型进行效能验证。结果GDM组与非GDM组身高、饮酒、高血压家族史、职业、红细胞计数(RBC)、血小板计数(PLT)比较(P>0.05),GDM组年龄大于非GDM组,GDM组孕前BMI≥25 kg/m2、被动吸烟、糖尿病家族史所占比例高于非GDM组,GDM组孕次多于非GDM组,妊娠前生殖道炎症和激素用药史所占比例高于非GDM组,GDM组白细胞计数(WBC)、血红蛋白(Hb)、尿酸(UA)和肌酐(Cr)水平高于非GDM组(P<0.05);二元Logistic回归分析结果显示,孕前BMI≥25 kg/m2、妊娠前生殖道炎症、糖尿病家族史、激素用药史、WBC、Hb、UA及Cr是GDM的独立危险因素(P<0.05)。将上述结果纳入构建列线图预测模型,ROC曲线下,在训练集上,AUC值为0.817;在验证集上,AUC值伪0.802。结论早期可视化预测GDM的风险模型预测效能较好,能丰富GDM影响因素研究,并为临床干预GDM提供参考依据。