基于柱线图的预测模型的构建,用于术后肺部感染严重程度的脑损伤的气管切除患者

科学领域:

• 医疗信息学 医疗信息学
• 关键护理医学 关键护理医学
• 神经外科 神经外科

背景情况:

• 脑损伤的气管切除术患者有高风险进行术后肺部感染.
• 准确预测感染严重程度对于及时有效的临床管理至关重要.

研究的目的:

• 开发和验证基于列线图的预测模型,用于评估脑损伤的气管切除术患者手术后肺部感染的严重程度.

主要方法:

• 后勤回归分析确定了感染严重程度的独立风险因素.
• 使用这些因素构建了一个列线图预测模型.
• 接收器操作特征 (ROC) 和校准曲线评估了模型的预测性能.

主要成果:

• 该模型确定年龄≥60岁,GCS得分<8,长期吸烟史,ASA>II,不可洗的气管,营养不良,呼吸机使用,以及较长的手术时间作为独立的风险因素.
• 列线图模型表现出良好的预测性能,每个风险因素的AUC值高.

结论:

• 开发的柱状线图模型为预测术后肺部感染严重程度提供了高的分辨能力和准确性.
• 这种直观的工具使医疗保健提供者能够及时实施干预措施,从而减少这一脆弱患者群体的感染率.