肺癌患者合并深静脉血栓形成的列线图模型构建与评估
方晴晴1
唐明1
常新东1
贺鸣飞1
刘莹2
殷世武1
1.蚌埠医科大学附属合肥市第二人民医院介入血管疼痛科,安徽 2300112.蚌埠医科大学附属合肥市第二人民医院影像中心,安徽 230011
摘要：目的 构建肺癌患者合并深静脉血栓形成(DVT)的列线图模型并进行评估.方法 回顾性分析2022年1月至2023年1月蚌埠医科大学附属合肥市第二人民医院收治的330例肺癌患者的临床资料,根据入院时DVT发生情况将其分为DVT组(33例)和非DVT组(297例).采用LASSO回归和多因素logistic回归筛选肺癌患者合并DVT的风险因素来构建列线图模型,并对该模型进行内部验证,评估模型的准确性、一致性和临床效用.结果 与非DVT组相比,DVT组年龄更大,吸烟、使用抗血管生成药物的人数比例更大,白细胞、中性粒细胞、红细胞分布宽度(RDW)、中性粒细胞-淋巴细胞比值(NLR)、乳酸脱氢酶(LDH)、脑钠尿肽(BNP)、D-二聚体、凝血酶原时间(PT)、C反应蛋白(CRP)和神经元特异性烯醇化酶(NSE)水平更高,血红蛋白、白蛋白水平更低,差异有统计学意义(P＜0.05).以DVT发生情况为因变量,通过LASSO回归和多因素logistic回归筛选出高血压、吸烟史、抗血管生成药物、D-二聚体、白蛋白5个肺癌合并DVT的风险因素,并以此构建列线图模型.受试者工作特征(ROC)曲线分析结果提示该模型具有良好的判别能力[AUC(95％CI)=0.880(0.811～0.950)].校准曲线显示,模型的预测结果与实际观测值之间保持良好的拟合;Hosmer-Lemeshow拟合优度检验结果(x2=6.469,P=0.595)进一步证明了模型具有较好的一致性.决策曲线分析(DCA)结果显示,阈值概率处于0.07～0.95时,该模型具有较大的临床应用潜力.临床影响曲线(CIC)分析结果显示,在阈值概率范围内,预测发生DVT的患者数量总是大于实际发生DVT的患者数量,提示该列线图模型可以有效识别出DVT的高危患者.结论 该研究构建的肺癌合并DVT列线图模型具有良好的预测能力和临床实用性,有助于临床医师更好地识别高风险患者,并及时采取适当的干预措施,改善患者预后.
关键词：肺癌深静脉血栓形成列线图模型
分类号：R543(心脏、血管（循环系）疾病)
资助基金：合肥市卫生健康委应用医学研究项目(Hwk2021zc001)
论文发表日期：2024-09-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1019-1025 )
英文信息