构建和验证LASSO惩罚后勤回归模型,该模型预测下垂体腺瘤手术后的超血症

科学领域:

• 神经外科 神经外科
• 内分泌学 在内分泌学.
• 医疗信息学 医疗信息学

背景情况:

• 过高血是下垂体腺瘤手术后经常出现的并发症.
• 现有的研究缺乏强大的预测模型,用于术后高血风险.
• 准确的风险评估对于及时干预和改善患者结果至关重要.

研究的目的:

• 为了识别与下垂体腺瘤手术后高血相关的危险因素.
• 开发和验证术后高血的临床预测模型.
• 为实践临床风险评估创建一个名录.

主要方法:

• 这是一项对269名患有下垂体腺瘤手术的患者的队列研究.
• 收集了46个潜在风险因素的数据,分为培训和验证集.
• 最小绝对收缩和选择运算符 (LASSO) 回归和多变量后勤回归被用来构建预测模型.
• 模型性能使用Hosmer-Lemeshow测试,AUC,校准图和决策曲线分析 (DCA) 进行评估.

主要成果:

• 手术后高血的发生率为8.55%.
• 拉索回归模型确定了 pituitary stalk 参与,手术时间和第一天输出作为重要的预测因素.
• 开发的预测模型表现良好,AUC为0.813 (训练组) 和0.894 (测试组).
• 为临床应用而创建了一个名图.

结论:

• 已经开发了一种可靠的预测模型和手术后海马体外科手术后手术后高血的诺姆图.
• 该工具有助于识别高风险患者,从而实现主动管理.
• 早期识别和干预可以优化患上下垂体腺瘤手术的患者的临床结果.