目的 构建早产儿视网膜病变早期预测模型。方法 选取2019年10月至2021年10月于本院进行筛查930例早产儿为研究对象,根据早产儿是否患视网膜病变分为病变组和非病变组,比较2组患儿的基线资料、新生儿因素、产妇因素。采用Logistic回归分...目的 构建早产儿视网膜病变早期预测模型。方法 选取2019年10月至2021年10月于本院进行筛查930例早产儿为研究对象,根据早产儿是否患视网膜病变分为病变组和非病变组,比较2组患儿的基线资料、新生儿因素、产妇因素。采用Logistic回归分析影响早产儿视网膜病变的影响因素,并以此构建预测模型。结果 截止至筛查结束,其中79例(8.5%)早产儿患视网膜病变为病变组,851例(91.5%)早产儿未患视网膜病变为非病变组。病变组早产儿胎龄、出生时体质量小于非病变组,而病变组早产儿吸氧时间、吸氧浓度、5 min Apgar评分、败血症占比、呼吸窘迫综合征占比、机械通气占比、输血史占比、妊娠期糖尿病占比、贫血占比均大于非病变组,差异均有统计学意义(P<0.05)。多因素Logistic回归分析结果显示,胎龄大、出生时体质量高为影响早产儿视网膜病变的保护因素,而吸氧时间长、5 min Apgar评分高、败血症、机械通气、妊娠期糖尿病为影响早产儿视网膜病变的危险因素(P<0.05)。基于7项影响因素,建立预测早产儿视网膜病变的列线图模型。通过绘制Calibration曲线,可观察到模拟曲线与实际曲线拟合度较高,一致性良好。结论 出生时体质量、吸氧时间、5 min Apgar评分、败血症、机械通气、妊娠期糖尿病构建的预测模型可早期预测早产儿视网膜病变。展开更多
文摘目的 构建早产儿视网膜病变早期预测模型。方法 选取2019年10月至2021年10月于本院进行筛查930例早产儿为研究对象,根据早产儿是否患视网膜病变分为病变组和非病变组,比较2组患儿的基线资料、新生儿因素、产妇因素。采用Logistic回归分析影响早产儿视网膜病变的影响因素,并以此构建预测模型。结果 截止至筛查结束,其中79例(8.5%)早产儿患视网膜病变为病变组,851例(91.5%)早产儿未患视网膜病变为非病变组。病变组早产儿胎龄、出生时体质量小于非病变组,而病变组早产儿吸氧时间、吸氧浓度、5 min Apgar评分、败血症占比、呼吸窘迫综合征占比、机械通气占比、输血史占比、妊娠期糖尿病占比、贫血占比均大于非病变组,差异均有统计学意义(P<0.05)。多因素Logistic回归分析结果显示,胎龄大、出生时体质量高为影响早产儿视网膜病变的保护因素,而吸氧时间长、5 min Apgar评分高、败血症、机械通气、妊娠期糖尿病为影响早产儿视网膜病变的危险因素(P<0.05)。基于7项影响因素,建立预测早产儿视网膜病变的列线图模型。通过绘制Calibration曲线,可观察到模拟曲线与实际曲线拟合度较高,一致性良好。结论 出生时体质量、吸氧时间、5 min Apgar评分、败血症、机械通气、妊娠期糖尿病构建的预测模型可早期预测早产儿视网膜病变。