在狼患者中发展神经精神系统性红斑狼的预测模型

科学领域:

• 风湿病学和免疫学
• 神经学 神经学
• 数据科学在医学中的数据科学

背景情况:

• 系统性红斑狼 (SLE) 可以表现为神经精神病症状 (NPSLE),这给诊断和管理带来了挑战.
• 准确预测NPSLE发展对于及时干预和改善患者结果至关重要.
• 现有的预测工具可能无法完全整合各种数据源,如气象因素.

研究的目的:

• 在SLE患者中构建和验证NPSLE风险的预测模型.
• 确定与NPSLE发展相关的关键临床,实验室和气象变量.
• 为可视化NPSLE风险开发一个用户友好的名图.

主要方法:

• 一组2232名SLE患者被随机分为训练和验证组.
• 单变量分析和LASSO回归选了潜在的预测因素.
• 多变量逻辑回归和10倍交叉验证构建了预测模型和名录图.
• 模型性能使用ROC和校准曲线进行评估,决策曲线分析评估临床效用.

主要成果:

• 最终的模型包含了各种变量,包括抗dsDNA,抗SSA,淋巴细胞计数,血红素,ESR,前白蛋白,RBP,CK-MB,NT-proBNP,肌素,间接 bilirubin,纤维素,hsCRP,CO和轻度污染.
• 在训练组中,nomogram 实现了 0.895 的 AUC,在验证组中达到 0.849,这表明预测准确度很强.
• 该模型在风险评估中显示出良好的预测性能和临床益处.

结论:

• 开发的预测模型整合了临床,实验室和气象数据,显示了评估SLE患者NPSLE风险的巨大潜力.
• 已识别的预测因子,如抗dsDNA,抗SSA和炎症标志物,为NPSLE病原体提供了洞察力.
• 诺米图为临床决策提供了宝贵的工具,指导了NPSLE的诊断和治疗策略.