Esta página ha sido traducida por una máquina. Otras páginas pueden seguir apareciendo en inglés.
View in English
La regresión logística LASSO se utilizó para analizar los factores de riesgo de lesión de la cauda equina secundaria a la estenosis lumbar espinal y para construir un modelo de riesgo
Ver abstracta en PubMed
Resumen
Este resumen es generado por máquina.La edad superior a 60 años, la duración más larga de la enfermedad y las características del canal espinal son factores de riesgo clave para la lesión secundaria de la cauda equina en pacientes con estenosis espinal lumbar. Un modelo de nomograma predictivo muestra una alta precisión para la evaluación de riesgos.
Área De La Ciencia
- Neurocirugía
- La ortopedia
- Imágenes médicas
Sus Antecedentes
- La estenosis lumbar espinal (LSS) puede conducir a una lesión secundaria de la cola equina.
- La identificación de los factores de riesgo es crucial para prevenir lesiones secundarias en pacientes con ESL.
Objetivo Del Estudio
- Identificar los factores de riesgo para la lesión secundaria de la cola equina en la LSS.
- Desarrollar un modelo predictivo de riesgo utilizando un nomograma.
Principales Métodos
- Análisis de regresión logística LASSO aplicado a 200 pacientes con LSS (90 lesiones secundarias, 110 lesiones no secundarias).
- Se construyó un nomograma de predicción de riesgos.
- El rendimiento del modelo se evaluó utilizando las curvas de las características de funcionamiento del receptor (ROC) y las curvas de calibración.
Principales Resultados
- El nomograma alcanzó un área bajo la curva (AUC) de 0,865, con alta sensibilidad (91,11%) y especificidad (93,64%).
- La precisión del modelo fue del 92,50%, y la validación interna (índice C) fue de 0,823.
- Se confirmó un buen ajuste del modelo (P = 0,341).
Conclusiones
- Los factores de riesgo significativos incluyen edad > 60 años, duración de la enfermedad > 1 año, segmentos de estenosis múltiple, pequeño diámetro sagital del canal espinal, área de sección transversal pequeña y longitud de segmento más corta.
- El modelo de predicción de riesgos basado en nomogramas desarrollado demuestra una utilidad clínica significativa para los pacientes con LSS.

