列线图可预测首发缺血性脑卒中患者的复发

目的 探索影响首发缺血性脑卒中幸存者复发的危险因素,建立复发预测模型并使用列线图将预测结果可视化。方法 收 集2010年1月~2018年12月入住四川大学华西医院神经内科且符合纳入标准的首发缺血性脑卒中幸存者,共821例幸存者纳入研究,利用R软件对初始人群进行随机抽样,70%纳入训练集建立模型,30%纳入验证集。应用Cox比例风险回归模型对影响首发缺血性脑卒中幸存者复发的因素进行多因素分析,并使用R软件的rms包构造列线图,建立可视化的预测模型。利用C-index和校准曲线来评价模型的预测效果。结果 821例幸存者中,患者3年复发率为16.81%,5年复发率为19.98%;训练集经Cox回归模型多因素分析,年龄>65岁（HR=2.596,P=0.024）、年龄45~64岁（HR=2.510,P=0.006）、mRS评分≥3分（HR=2.284,P=0.004）、冠心病史（HR=1.353,P=0.034）是影响复发的危险因素;并由此建立列线图,3年（5年）复发预测模型的C-index为 0.640（0.671）。结论 首发缺血性脑卒中幸存者复发的影响因素是年龄、mRS评分和周围血管病史,列线图在首发缺血性脑卒中复发预测中有较高的区分度和预测力。     

ICU脓毒症患者发生再喂养综合征的危险因素分析及预测模型建立

  目的  探讨ICU脓毒症患者发生再喂养综合征（RFS）的相关危险因素,以此为基础建立RFS的预测模型。  方法  回顾性分析昆明医科大学第一附属医院ICU 2020年11月至2022年1月期间收治的202例脓毒症患者的临床资料,根据“ASPEN关于RFS共识建议中”诊断标准,将患者是否发生RFS,分为RFS组（n = 141）和非RFS组（n = 61）;比较2组间性别、体重指数（BMI）、营养风险筛查、营养方式、相关危重评分、腹内压（IAP）、相关实验室检查及用药的差异。选取统计学方法中的单因素和多因素Logistic回归分析筛选出ICU脓毒症患者发生RFS的独立危险因素,根据分析结果建立一种预测模型,绘制出受试者工作特征曲线（ROC）评价RFS的预测模型对ICU脓毒症患者发生RFS的预测价值。  结果  202例脓毒症患者相关资料分析,单因素分析结果显示:体重指数（BMI）、白蛋白（ALB）、前白蛋白（PA）、肌酐-身高指数（CHI）、血清钠（Na+）、血清钾（K+）、血清镁（Mg2+）、血清磷（P-）、白介素-6（IL-6）、空腹血糖（FBG）、维生素B1（VitB1）、糖化血红蛋白（HbA1c）、是否使用利尿剂、是否使用胰岛素等指标差异有统计学意义（P < 0.05）;多因素分析结果显示:利尿剂的使用、BMI、CHI、血K+、FBG、VitB1是ICU脓毒症患者发生RFS独立危险因素。  结论  以多因素筛选出独立危险因素为基础,建立预测模型表达式为:Logit = 1.39×利尿剂+0.15×BMI-0.14×CHI＋0.75×血K+-0.16×FBG+0.78×VitB1-2.94。通过回归分析建立的预测模型一致性强,联合预测有较好的预测价值。     

基于血浆渗透压建立急性ST段抬高型心肌梗死重症患者发生院内死亡风险预测模型

  目的   建立并验证血浆渗透压对急性ST段抬高型心肌梗死（acute ST-segment elevation myocardial infarction,STEMI）重症患者院内死亡风险预测模型。  方法  通过回顾性分析患者电子病历资料,选取2015年1月至2020年12月于云南大学附属医院心血管内科住院的STEMI重症患者,提取患者的一般信息、实验室检查、合并疾病及用药情况等,筛选STEMI重症患者院内死亡风险危险因素并建立预测模型。  结果  利用LASSO回归及多因素Logistic回归筛选出白蛋白（ALB）、白细胞（WBC）、血小板（PLT）、血肌酐（Scr）、是否服用他汀类药物、是否服用血管紧张素转化酶抑制剂（ACEI）或血管紧张素转化酶受体拮抗剂（ARB）类药物、血浆渗透压为STEMI重症患者是否发生院内死亡的独立预测因子（P < 0.05）,据此7个预测变量绘制列线图,模型检验结果显示其区分度、校准度较好,决策曲线分析（DCA）显示阈值概率5%～95%时,临床使用该模型是可以获益的。  结论  构建的包含7个变量预测模型具有较好的区分度和校准度,可作为评估STEMI重症患者院内死亡风险参考工具。     

基于CT影像组学胰十二指肠切除术后胰瘘风险预测模型及其价值

目的 探讨基于CT影像组学模型术前预测胰十二指肠切除术后胰瘘（POPF）的应用价值。方法 回顾性分析106例接受胰十二指肠切除术患者的临床及腹部CT资料,其中POPF（+）组36例,POPF（–）组70例。采用ITAK-SNAP软件勾画CT图像感兴趣区域（ROI）,Python程序的radiomics包进行影像组学特征提取,使用最小绝对收缩和选择算子（least absolute shrinkage and selection operator,LASSO）回归进一步筛选特征、建立影像组学评分（Rad-score）,构建影像组学预测模型。然后将临床特征、Rad-score纳入多因素Logistic回归分析,筛选出POPF发生的独立危险因素,构建临床预测模型以及联合影像学组学特征的混合模型。最后采用受试者工作特征曲线（ROC）评估不同模型的预测效能。结果 共筛选出7个非零影像组学特征并建立了Rad-score。BMI、胰管扩张及Rad-score均是发生POPF的独立危险因素。影像组学预测模型、临床特征预测模型及混合预测模型预测POPF的曲线下面积（AUC）为分别为0.72、0.69、0.80;Delong检验表明临床特征预测模型与混合预测模型间的差异具有统计学意义。结论 基于CT影像组学模型在术前辅助预测胰十二指肠切除术POPF方面具有一定的价值,联合临床指标能够提高模型的预测效能。     

卒中后抑郁风险列线图预测模型的构建及验证

目的 建立早期卒中后抑郁风险列线图预测模型,为临床医护人员筛查卒中后抑郁高危患者提供工具。 方法 对建模组259例卒中患者在卒中后第7~14天收集10项相关危险因素,于卒中后8~10周采用汉密尔顿抑郁量表和蒙哥马利抑郁量表测评卒中患者抑郁状况。利用χ2检验、Lasso回归及logistic回归筛选危险因素建立列线图预测模型,对模型进行内部及外部验证（验证组有82例患者）。 结果 卒中后抑郁检出率为39.38%;性别、婚姻状况、并存疾病数目、卒中部位、神经功能受损程度、日常生活活动能力是卒中后抑郁的独立危险因素（均P＜0.05）。基于上述6个独立危险因素建立的列线图预测模型具有较好的区分度（AUC值：内部验证为0.883,外部验证为0.849）和准确度（Hosmer-Lemeshow检验：内部验证χ2=7.939,P=0.439,外部验证χ2=3.538,P=0.896）;决策曲线分析显示预测模型曲线在大于10%的阈值概率区间具有临床实用价值。 结论 卒中患者发作后8~10周即有较高的卒中后抑郁发生率,构建的列线图模型能够有效预测早期卒中后抑郁风险,利于临床给予针对性干预。     

胰腺癌相关生存预测模型研究现状北大核心CSCD

胰腺癌是一种发病隐匿、侵袭性强、早期诊断困难和恶性程度极高的消化系统肿瘤,临床治疗极具挑战性。随着胰腺癌治疗策略的不断更新,迫切需要寻找有效的预后评估手段和建立标准化的预测评估模型,用以指导胰腺癌病人个体化治疗方案的选择。这推动着研究人员不断完善和建立新的更为有效的预测模型。目前,用于评估胰腺癌病人预后生存情况的预测模型有了新进展,血清学指标、影像学资料、基因表达数据和术后病理情况等都已被广泛报道,但仍缺乏对这些预测模型的综合评价。     

保留乳头乳晕乳房切除术联合即刻乳房重建手术中乳头乳晕安全性保留预测模型的建立

目的 探讨保留乳头乳晕复合体乳房切除术（NSM）联合即刻乳房重建手术（IBR）手术中乳头乳晕复合体（NAC）安全性保留的相关危险因素,并建立预测模型。方法 回顾性分析2017年1月至2019年8月在复旦大学附属肿瘤医院乳腺外科行NSM联合IBR的474例病人的临床资料。依据乳头后方组织术后石蜡病检结果进行病例分组即NAC（+）组与NAC（-）组。分析两组病人的临床、影像及病理学特征,进行多因素分析,对独立预测指标赋值,计算不同分值的NAC阳性率,建立相应预测模型并验证。结果 474例病例中,NAC阳性率为13.71%（65/474）,单因素分析显示肿瘤位置、乳头溢液、乳头凹陷、NAC皮肤湿疹样改变、临床肿瘤大小、肿瘤至乳头距离（TND）、临床淋巴结状态、MG-乳头后方钙化、恶性特征钙化灶、合并原位癌成分、组织学类型、组织学分级、脉管癌栓、分子分型与NAC肿瘤阳性相关。多因素分析显示乳头血性溢液、乳头凹陷、NAC皮肤湿疹样改变、临床肿瘤大小、TND、临床淋巴结状态、脉管癌栓是NAC肿瘤阳性独立预测指标。建立NAC预测指数（Predictive Index of NAC,PI-NAC）预测模型提示,0～1分为NAC肿瘤累及低风险,2～4分为中风险,5分及以上为高风险。该模型内部验证ROC曲线AUC值0.85（95%CI 0.80-0.89）,具有较好预测效能。结论 乳头血性溢液、乳头凹陷、NAC皮肤湿疹样改变、临床肿瘤大小、TND、临床淋巴结状态、脉管癌栓是NAC受累的重要独立指标。预测模型有助于术前更好地评估NSM的肿瘤安全性。     

基于LASSO回归下维持性血液透析患者认知功能减退的预测模型构建分析CSCD

目的 构建基于LASSO回归下维持性血液透析(maintenance hemodialysis,MHD)患者认知功能减退的预测模型。方法 前瞻性纳入2016年3月~2021年3月于宜兴市人民医院接受MHD治疗的100例患者。采用蒙特利尔认知评估量表(Montreal cognitive assessment,MoCA)将患者分为认知功能障碍(cognitive impairment,CI)组(MocA<26分)、非CI组(MocA≥26分)。收集一般资料及临床资料,用LASSO回归筛选具有非0系数的MHD患者发生CI相关特征因素,构建LASSO-Logistics回归模型,绘制受试者工作特征曲线(ROC)评估模型效能。并选取71例MHD患者的资料行外部验证。结果 最终CI组、非CI组各有62例、38例患者。CI组患者年龄(t=3.164,P=0.002)、透析龄(t=2.915,P=0.004)、高敏C反应蛋白(hs-CRP;t=3.257,P=0.002)、三酰甘油(t=2.235,P=0.028)、总胆固醇(t=2.461,P=0.016)及合并糖尿病(χ^(2)=3.950,P=0.047)高于非CI组,CI组血清白蛋白(t=4.254,P<0.001)、血清钙(t=4.018,P<0.001)及MoCA评分(t=10.646,P<0.001)低于非CI组MHD患者。LASSO回归筛选上述因素,代入Logistics回归分析显示年龄(OR=1.135,95%CI:1.041~1.238,P=0.004)、透析龄(OR=1.138,95%CI:1.012~1.279,P=0.031)、hs-CRP(OR=2.394,95%CI:1.158~4.950,P=2.394)、血清白蛋白(OR=0.759,95%CI:0.593~0.971,P=0.028)是MHD患者发生CI的危险因素。LASSO-Logistics回归模型预测MHD患者CI发生的曲线下面积(AUC)为0.892(95%CI:0.813~0.945)。外部验证显示:AUC为0.899(95%CI:0.0.804~0.958),Youden指数J为0.713。结论 年龄、透析龄、hs-CRP、低白蛋白与MHD患者发生CI显著相关,构建的预测模型能够较好的预测这类人群发生CI。     

构建预测妊娠期糖尿病患者自发性早产发生风险的列线图模型分析

目的 分析妊娠期糖尿病患者发生自发性早产的危险因素并构建Nomogram预测模型。方法 选取2019年1月至2021年12月在我中心监测的医院中定期产检并分娩的妊娠期糖尿病患者416例,并根据患者是否发生自发性早产分为早产组76例和非早产组340例。对两组患者一般临床资料进行统计学分析并构建Nomogram预测模型,通过受试者工作特征（ROC）曲线分析获取各因素的最佳截断值,多因素Logistic分析影响妊娠期糖尿病患者发生自发性早产的独立风险因素。结果 两组患者年龄、孕前BMI、分娩孕周、妊娠期高血压疾病、流产史、剖宫产史、胎膜早破的相比,差异有统计学意义（P<0.05）。年龄、孕前BMI的AUC分别是0.633、0.736;最佳截断值分别为33岁、25.1 kg/m2。年龄（>33岁）、孕前BMI(>25.1kg/m2)、妊娠期高血压疾病（有）、流产史（有）、剖宫产史（有）、胎膜早破（有）是妊娠期糖尿病患者发生自发性早产的独立危险因素（P<0.05）。决策曲线结果显示,风险阈值>0.24时,此预测模型所提供的临床净收益较高。结论 年龄、孕前BMI、妊娠...