一个新的nomogram预测模型,用于手术后心房动的患者进行腹腔切除手术

科学领域:

• 心脏病学 心脏病学
• 手术瘤学手术瘤学
• 医疗信息学 医疗信息学

背景情况:

• 手术后心房动 (POAF) 是手术后的常见并发症,特别是心脏手术,增加死亡率和医疗费用.
• 在接受腹腔切除术的患者中,准确预测POAF风险对于及时干预和改善患者管理至关重要.
• 现有的风险分层方法可能不足以准确地识别腹部手术后患有POAF高风险的患者.

研究的目的:

• 开发和验证一个名目录预测模型,用于识别腹腔切除术后患POAF高风险的患者.
• 为早期风险评估和手术前有针对性的预防性干预提供临床工具.
• 通过预测和减轻POAF发病率,增强接受腹部手术的患者的管理.

主要方法:

• 一项回顾性病例对照研究包括230名经过腹腔切除术的成年患者,其中60人被诊断患有POAF,120人在对照组.
• 后勤回归和LASSO回归确定了独立的风险因素,从而使用多变量后勤回归构建了一个名录.
• 该模型经过内部验证 (bootstrap) 和外部验证,使用ROC曲线,校准曲线和决策曲线分析 (DCA) 评估性能.

主要成果:

• 对POAF的独立风险因素包括C反应蛋白 (CRP),淋巴细胞与单细胞比率 (LMR),血尿素 (BUN) 和麦克鲁兹指数.
• 诺米图表显示出强大的预测能力,AUC为0.90 (训练),0.86 (测试) 和0.9792 (验证),C指数为0.8998.
• 决策曲线分析证实了该模型的优异适合性,校准性和临床实用性,显示了积极的净效益.

结论:

• 在腹腔切除术患者中成功开发和验证了POAF的用户友好型诺莫格拉姆预测模型.
• 这种模型可以有效地识别POAF高风险的个体,使积极的预防性治疗干预成为可能.
• 诺莫图像作为一种有价值的临床工具,可以改善患者的治疗结果,并减少与腹部手术相关的并发症.