随机森林模型和Logistic回归模型预测髋部骨折患者住院时间延长的效能比较

于健; 周冰倩; 王朝; 李月; 常雅茹; 曹虹

摘要：背景:髋部骨折发生率与日俱增,由于此类人群身体状况较差,常需要长时间住院,而住院时间延长导致床位流通率下降和经济负担增加.目前针对髋部骨折延迟出院的预测模型较少,此次研究旨在寻找针对髋部骨折延迟出院的最佳模型,指导临床决策.目的:探究髋部骨折患者住院时间延长的危险因素,建立两种不同的风险预测模型,获得最佳风险预测工具,为临床干预及管理提供参考.方法:回顾性分析2019年1月至2021年12月天津市天津医院收治的老年髋部骨折患者683例,将全部患者按7∶3比例随机分成建模组(479例)和验证组(204例),以住院时间的第75百分位数为分界点(>28 d),分为住院时间延长组和正常组.基于建模组采用SPSS和R软件进行单因素分析和多因素Logistic回归分析和变量重要性排序筛选最佳预测变量,构建列线图及随机森林模型.基于验证组通过ROC曲线下面积、准确度、灵敏度、特异度、阳性预测值和阴性预测值评价并比较两种模型的预测效能.结果与结论:①Logistic回归分析显示,骨牵引、肺炎、再骨折、多发性创伤、静脉血栓、肺感染和年龄校正Charlson合并症指数(age-adjusted Charlson Comorbidity Index,ACCI)是髋部骨折患者住院时间延迟的危险因素.②随机森林模型根据基尼指数减少平均值排序显示,年龄、骨牵引、手术类型、ACCI、肺炎是前5个指标,对延迟出院的预测有重要影响.③Logistic 回归模型和随机森林预测模型的ROC曲线下面积、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.774(95％CI:0.696-0.853)和0.708(95％CI:0.627-0.789)、60.78％和90.85％、80.39％和23.53％、50.82％和78.09％、86.01％和46.15％,结果显示Logistic模型具有较好的预测效能.④上述结果证实,Logistics回归模型和随机森林模型对髋部骨折患者住院时间延长均具有较高的预测价值,这对临床医护人员及时识别高危患者并采取有效干预措施降低髋部骨折患者住院时间具有重要意义.