基于尿动力学客观指标的神经原性膀胱概率预测模型构建

目的:建立概率预测的Logistic回归模型,分析影响神经原性膀胱尿动力学的主要危险因素和保护因素,并评价模型的灵敏度、特异度和准确性。方法:收集2004-03/2006-03在中山大学附属第一医院尿流动力学室行尿动力学检查的患者80例,对其尿动力学图的客观指标进行回顾性分析。①80例中尿流动力学图正常者29例为对照组,尿流动力学图显示神经原性膀胱者51例为病例组。②将两组资料采用统一的变量指标(包括性别、年龄以及尿流动力学仪器自动采集计算的34个数据)输入SPSS12.0版本数据库,进行主成分分析,将贡献率高的主成分进行单因素分析,取其中有统计学意义的主成分作多因素Logistic回归分析,建立Logistic回归方程,计算各因素的OR值,并计算模型的灵敏度、特异度和准确度。结果:①尿动力学34个客观指标进行主成分分析后得出8个主成分(C1～8),取贡献率高的5个主成分进行单因素分析,结果有2个主成分可以进入多因素Logistic回归分析。获得Logistic回归概率预测模型,此概率预测模型灵敏度为82.4%,特异度75.9%,准确度为80.0%。②主成分C1的OR值=4.606,C1中的首次尿意膀胱压力和逼尿肌压力、正常尿意膀胱压力和逼尿肌压力、强烈尿意膀胱压力和逼尿肌压力、尿急尿意膀胱压力和逼尿肌压力、充盈期最大逼尿肌压力的系数分别是0.823,0.834,0.781,0.913,0.924,0.932,0.883,0.916,0.857,高于C1中其他变量的系数,故可把主成分C1看作是一个“压力型”指标。③C3的OR值=0.183,C3中系数较高的变量是最大流率、平均流率、压力流率中最大流率和平均流率,分别是0.694,0.777,0.768,0.771,因此把C3看作为“流率”变量指标。结论:①成功构建了人神经原性膀胱尿流动力学图的概率预测模型,其中“压力”因子主成分是危险因素,“流率”因子主成分是保护因素。②概率预测模型的灵敏度、特异度和准确性显示其有较好的代表性。

Constructing a model to predict probability of neurogenic bladder based on the urodynamics