建立和验证初级阿尔多斯特罗尼症患者的诺米克图:使用最小绝对收缩和选择运算符 (LASSO) - 逻辑回归模型
Wen-Xiu Xu1, Ji-Hong Duan2, Fan Wu1
1Department of Pharmacy, Fuwai Yunnan Hospital, Chinese Academy of Medical Sciences, Affiliated Cardiovascular Hospital of Kunming Medical University, Kunming, China.
概括
这项研究开发了一种名ogram模型,以使用LASSO-逻辑回归来预测初级阿尔多斯特隆症 (PA) 风险. 该模型有效地识别了关键的风险因素,如阻塞性睡眠呼吸暂停症候群 (OSAHS),用于早期的PA诊断.
科学领域:
- 内分泌学 在内分泌学.
- 心血管医学 心血管医学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 原发性阿尔多斯特隆症 (PA) 是一种导致高血压的内分泌疾病.
- 准确的PA早期诊断对于有效的管理和预防并发症至关重要.
- 现有的诊断方法可能缺乏预测准确性来识别处于危险的个体.
研究的目的:
- 开发和验证一次性阿尔多斯特隆症 (PA) 的风险预测名录模型.
- 通过LASSO-逻辑回归来确定PA的独立风险因素.
- 评价开发的诺莫图的预测性能和临床实用性.
主要方法:
- 分析了325名患者 (212名患有PA,113名患有基本高血压) 的队列.
- 最小绝对收缩和选择运营商 (LASSO) -逻辑回归确定了潜在的风险因素.
- 多变量逻辑回归确定了独立的风险因素,形成了名ogram模型的基础.
- 用ROC曲线和通过Hosmer-Lemeshow测试进行校准来评估模型性能.
主要成果:
- 确定了四个独立的PA风险因素:阻塞性睡眠呼吸暂停下综合征 (OSAHS),血清,直立的阿尔多斯特和直立的.
- 诺米图表表现出强大的预测能力,AUC值为0.976 (训练) 和0.924 (验证).
- 校准曲线和Hosmer-Lemeshow测试表明该模型具有良好的临床效用和可靠性.
结论:
- 阻塞性睡眠呼吸暂停症候群 (OSAHS),血清,阿尔多和是PA的重要独立风险因素.
- 开发的诺莫格拉姆模型显示出卓越的预测性能和早期PA诊断的临床实用性.
- 这种工具可以帮助临床医生识别可能从进一步的PA查中受益的患者.
