开发和验证一种风险预测模型和预测工具,用于下肢深静脉血栓症患者的血栓后综合征
Xiao-Xuan Sun1, Hua Ling1, Lei Zhang2
1Nursing Department, the 1(st) affiliated hospital, Jiangxi Medical College, Nanchang University, 330000, China; School of Nursing, Jiangxi Medical College, Nanchang University, 330000, China.
International journal of medical informatics
|May 4, 2024
概括
这项研究比较了决策树和后勤回归模型,用于预测血栓后综合征 (PTS) 风险. 逻辑回归,用名图表可视化,显示出良好的预测准确性和临床有效性,用于PTS风险分层在DVT患者.
科学领域:
- 医疗信息学 医疗信息学
- 临床流行病学临床流行病学
- 医疗保健中的机器学习
背景情况:
- 血栓后综合征 (PTS) 是深静脉血栓症 (DVT) 后的一个常见并发症.
- 准确的风险分层对于及时干预和对DVT患者的管理至关重要.
- 现有的风险预测模型可能在预测性能和临床适用性方面存在局限性.
研究的目的:
- 为了比较决策树 (DT) 和后勤回归分析 (LR) 算法的预测性能,开发一个PTS风险分层工具.
- 确定与DVT患者PTS发生相关的关键风险因素.
- 开发一个用户友好的工具,用于PTS的临床风险评估.
主要方法:
- 从618名DVT患者 (建模组) 和212名DVT患者 (验证组) 的电子病历回顾分析.
- 使用接收器操作特征曲线 (ROC) 和混矩阵开发和比较DT和LR模型.
- 模型的内部和外部验证,包括校准曲线和对LR的决策曲线分析 (DCA).
主要成果:
- 确定年份,居住地,癌症,静脉 operation历史,糖尿病 (DM) 和慢性静脉血栓塞栓症 (VTE) 作为PTS的危险因素.
- 在内部验证中,DT表现优越 (AUC 0.962与0.925).
- 外部验证没有显著差异 (AUC 0.963与0.949);LR通过校准曲线和DCA显示出良好的预测准确性和临床效用.
结论:
- 无论是DT和LR模型都能确定PTS的重大风险因素.
- 逻辑回归,通过基于Web的名ogram计算器可视化,为PTS风险分层提供了良好的预测准确性和临床有效性.
- 开发的工具可以帮助医疗保健专业人员评估DVT患者个体PTS风险.
