排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
目的 探讨心血管疾病低风险有颈动脉斑块人群的危险因素,构建列线图预测模型。方法 分别于2019年11月、2021年11月在广西壮族自治区(广西)柳州市两镇开展现况调查,现场招募481例成年人作为研究对象。使用传统危险因素负担分类评估心血管疾病发生风险;运用颈动脉超声评估研究对象的颈动脉斑块。采用Lasso回归模型进行特征筛选,利用logistic回归模型分析危险因素,最后建立列线图预测模型。采用受试者工作特征(receiver operator characteristic, ROC)曲线下面积(area under curve, AUC)评估预测模型的预测能力。利用Bootstrap自抽样法对模型进行内部验证,利用一致性指数(concordance index, C-index)评估其区分度,利用Hosmer-Lemeshow拟合优度检验评估其校准度。结果 研究对象共481人,有302例低风险群体,20.53%(62/302)的低风险群体存在颈动脉斑块。调整因素后的多因素logistic回归分析结果显示,年龄(OR=1.16, 95%CI:1.09~1.24)、高血压(OR=3.28... 相似文献
2.
背景 颈动脉内中膜厚度(CIMT)是动脉粥样硬化的替代指标,预防CIMT增厚有利于动脉粥样硬化的一级预防。目前尚不清楚相关危险因素对CIMT增厚的影响程度。目的 分析社区居民CIMT增厚的影响因素并对各相关因素进行优势分析以获得相应的贡献顺位,为确定心血管疾病(CVD)的早期防控重心提供参考依据。方法2019—2021年在广西壮族自治区柳州市采用方便抽样的方法选取符合纳排标准的研究对象738例,收集研究对象的相关信息。采集空腹血样、尿样检测生化指标。采用彩色多普勒超声诊断仪测定研究对象的CIMT和颈总动脉内径。依据CIMT是否增厚,将患者分为CIMT正常组(CIMT<1 mm,n=693)和CIMT增厚组(CIMT≥1 mm,n=45),比较两组研究对象一般资料和颈部彩超结果。以CIMT增厚情况为因变量,采用Adaptive Lasso-logit回归分析筛选变量,采用多因素Logistic回归构建预测模型,分析CIMT增厚情况的影响因素,运用优势分析法估计各影响因素的贡献顺位。以经自然对数转换后的CIMT作为因变量,通过Adaptive Lasso linear回归分析筛选变量... 相似文献
1