带状疱疹后神经痛发生的治疗相关因素分析及其XGBoost临床预测模型的构建
杨波1
唐雪苗2
宋福婷3
时小晗4
王庆4
徐亚楠4
祁婧5
吕岩4
王英峰3
顾楠4
1.空军军医大学西京医院疼痛医学中心,陕西西安 710032;空军军医大学西京医院麻醉与围术期医学科,陕西西安 710032;联勤保障部队第九四○医院介入疼痛科,甘肃兰州 7300502.空军军医大学西京医院麻醉与围术期医学科,陕西西安 7100323.联勤保障部队第九四○医院介入疼痛科,甘肃兰州 7300504.空军军医大学西京医院疼痛医学中心,陕西西安 710032;空军军医大学西京医院麻醉与围术期医学科,陕西西安 7100325.空军军医大学西京医院疼痛医学中心,陕西西安 710032
摘要：目的 分析影响带状疱疹后神经痛(PHN)发生的危险因素,特别是治疗相关因素,择优选择机器学习算法构建PHN临床预测模型.方法 选取2023年5月至10月于西京医院疼痛医学中心门诊就诊的434名带状疱疹患者的病历资料.收集人口学因素、疱疹相关因素、治疗相关因素及合并疾病等指标.在患者病程满3个月后,根据疼痛VAS判断是否发生PHN,分为PHN组(n=197)和非PHN组(n=237).使用单因素分析、logistic回归挑选变量,随后使用LASSO回归对挑选出的因素进行筛选和降维,选择最终纳入模型的变量.比较传统logistic回归模型和XGBoost、SVM两种机器学习模型的区分性能,选择最佳算法构建模型并进行验证和评价.结果 研究通过LASSO回归筛选发现神经节段、年龄、急性期VAS、疱疹面积、神经阻滞治疗开始时间和疼痛性质是PHN发生的独立影响因素.logistic回归、XGBoost模型和SVM模型在训练集的ROC-AUC均值分别为0.82、0.95、0.77,在验证集的均值分别为0.81、0.81、0.76,提示XGBoost模型的预测性能最佳.使用XGBoost 建模,训练集、验证集的 ROC-AUC 均值及95％CI分别为0.94(0.92～0.97)、0.86(0.79～0.94),提示模型区分度较好.Hosmer-Lemeshow拟合优度检验P＞0.05,校准曲线比较接近理想曲线,说明模型预测性能良好.决策分析曲线显示模型具有良好的临床净收益.结论 神经受累节段和神经阻滞治疗开始时间这两个治疗相关因素是PHN发生的重要独立影响因素.采用神经节段、年龄、急性期VAS、疱疹面积、神经阻滞治疗开始时间、疼痛性质六个变量构建的XGBoost临床预测模型性能优良,具有较好的区分度和校准度;对于早期甄别PHN高危患者,及时进行针对性治疗具有重要临床意义.
关键词：带状疱疹后神经痛带状疱疹治疗相关因素临床预测模型机器学习
分类号：R752.12(皮肤病学与性病学)
资助基金：国家自然科学基金(82371226)国家自然科学基金(81771183)空军军医大学临床研究一般项目(2022LC2215)
论文发表日期：2024-04-28
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：9( 380-388 )
英文信息