基于CT平扫特征和临床参数构建预测高血压脑出血血肿扩大的列线图模型
崔艳秋
征雪英
史浩
朱琦
宿州市第一人民医院影像中心,安徽 宿州 234000
摘要：目的 构建一种基于CT平扫特征和临床参数评估高血压脑出血(HICH)患者血肿扩大风险的预测模型,并评估其预测效能.方法 回顾性分析宿州市第一人民医院2021年12月至2024年5月收治的216例HICH患者的临床资料、影像学资料,以血肿扩大至少33%或体积超过6 ml为标准,将患者分为血肿扩大组(n=84)和血肿未扩大组(n=132),按7∶3比例随机将患者分为训练集和测试集.通过单因素分析、LASSO回归以及mRMR算法筛选候选预测变量,采用多因素逻辑回归构建预测HICH患者血肿扩大风险的列线图模型、临床模型和血肿征象模型.采用受试者工作特征(ROC)曲线下面积(AUC)和校准曲线评估各模型对HICH患者发生血肿扩大的区分度和拟合优度,临床决策曲线分析评价模型的临床实用性,并通过风险分层将患者分为高风险和低风险人群.结果 纳入的216例HICH患者中,CT扫描复查结果发现有84例患者发生血肿扩大,血肿扩大发生率为38.89%.单因素分析显示血肿扩大组与血肿未扩大组HICH患者的年龄、复查间隔时间、是否规律服用降压药、入院前格拉斯哥昏迷量表(GCS)评分、有无脑疝、是否破入脑室、血肿量、血肿部位、血肿形态是否规则以及漩涡征、混杂征、卫星征和岛征占比比较差异有统计学意义(P<0.05).通过比较临床模型、血肿征象模型和列线图模型在训练集中的预测效能,列线图模型表现最优(AUC=0.926),并且该模型在测试集的AUC值为0.951.列线图模型的校准曲线在训练集和测试集中均显示满意的效果,具有良好的一致性(Hosmer-Lemeshow P>0.05).临床决策曲线分析显示列线图模型在预测HICH患者血肿扩大风险方面能够提供更优的临床决策指导.高风险组与低风险组血肿扩大发生率存在显著差异(P<0.001).结论 本研究基于血肿量、血肿形态是否规则、混杂征、漩涡征、卫星征、岛征、年龄、是否规律服用降压药、入院前GCS评分和复查间隔时间等CT平扫特征和临床参数构建的列线图模型,为预测HICH患者发生血肿扩大提供了有效的个性化风险评估工具,有助于早期识别高风险患者,具有一定的临床应用前景.
关键词：高血压脑出血血肿扩大CT血肿征象预测列线图模型
资助基金：安徽省自然科学基金项目(1708085MH211)
论文发表日期：2025-12-28
在线出版日期：2025-12-02（本平台首次上网日期，不代表文献的发表时间）
页数：10( 102-111 )
英文信息