摘要
目的:建立重症脑出血病人发生急性肾损伤的交互式、动态列线图模型,并验证模型效能.方法:纳入美国重症监护医学信息数据库中 997例诊断为脑出血的病人,通过 LASSO回归筛选影响因素,建立列线图模型,在训练集和验证集中与传统重症评分模型比较,综合评价列线图的区分度、准确性和临床适用性.结果:训练集中 443 例(61.86%)病人发生急性肾损伤,LASSO回归筛选出影响因素包括年龄、体重、心率、血肌酐、有创通气、血管导管、心力衰竭、白蛋白及万古霉素药物使用和格拉斯哥昏迷量表(GCS)评分,以此为基础建立列线图模型,受试者工作特征曲线显示曲线下面积在训练集中为 0.78,在验证集中为 0.80,校准曲线评价显示预测的急性肾损伤发生率与实际的发生率具有较好的一致性,决策曲线表明模型具有一定的临床效益.结论:该列线图模型可以在一定程度上预测重症脑出血病人发生急性肾损伤的风险,有助于神经重症医生识别高风险病人,并为早期预防急性肾损伤的发生和个体化治疗提供研究依据.
基金项目
山西智能大数据产业技术创新研究院科研项目(SIBD-2020-YL0052)
NETL
NSTL
维普
万方数据