基于LASSO方法和Boruta特征选择的围前列腺活检后急性尿的风险预测模型
Cheng Shen1,2,3, Gen Chen4, Zhan Chen1,2,3
1Department of Urology, Affiliated Hospital 2 of Nantong University, Nantong, Jiangsu, China.
Frontiers in oncology
|September 29, 2025
概括
研究人员开发了一种预测模型,以识别患有急性尿留 (AUR) 风险的患者,这些患者在经腺前列腺活检后. 该工具有助于制定针对AUR的个性化预防策略,这是该程序已知的副作用.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗信息学 医疗信息学
- 预测建模预测建模
背景情况:
- 跨 (TP) 前列腺活检与急性尿 (AUR) 有关.
- 预测AUR风险在活检后对患者管理至关重要.
研究的目的:
- 开发和验证一个预测模型,用于对宫后AUR风险进行预测.
- 为了确定TP前列腺活检后AUR的关键风险因素.
主要方法:
- 分析了一组599名接受TP前列腺活检的患者.
- 通过逻辑回归和特征选择 (Boruta, LASSO) 确定了AUR的预测因素.
- 通过使用c指数,ROC曲线,校准图表和决策曲线分析构建了一个名图并进行内部验证.
主要成果:
- 急性尿 (AUR) 在14.3%的患者 (86/599) 中发生.
- 确定了AUR的六个独立风险因素,构成了名组图的基础.
- 在预测AUR风险方面,名图显示出高准确性,歧视性和临床实用性.
结论:
- 开发的诺米图为评估AUR风险提供了个性化和准确的工具.
- 这个模型可以指导预防措施,并识别TP前列腺活检后AUR的高风险个体.
