下肢深静脉血栓患者发生血栓后综合征临床预测模型的建立

发布时间：2021-10-08 06:06

　　目的:探索下肢深静脉血栓（DVT）患者发生血栓后综合征（PTS）的危险因素,建立DVT患者发生PTS的预测模型及风险评分,为患者提供个体化的预后信息。方法:采用回顾性队列研究方法。收集2016年6月至2017年12月期间在山西白求恩医院血管外科住院治疗的下肢DVT患者的住院信息,随访其PTS的发生情况。将研究对象按照2:1的比例,随机分为训练集和验证集。训练集用于预测模型及风险评分的建立与评价,验证集用于对预测模型及风险评分进行内部验证。多因素分析方法采用Logistic回归分析,建立预测模型及衍生的风险评分。预测模型及风险评分的校准度通过校准图和Hosmer-Lemeshow拟合优度检验的P值进行评价;区分度通过ROC曲线和ROC曲线下面积（AUC）进行评价。同一数据集中预测模型与风险评分区分度的比较通过Wilcoxon符号秩检验进行。不同数据集中预测模型/风险评分区分度的比较通过Mann-Whitney U检验进行。结果:1.808例患者纳入分析。除风湿免疫病、活动性癌症、凝血酶时间（TT）在两数据集中的分布差异有统计学意义外,其余各临床变量在两组数据集中的分布差异无统计学意义。2... 

【文章来源】：山西医科大学山西省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

数据分析流程图

山西医科大学硕士学位论文19图2-1训练集中预测模型的校准度图2.3.4.2预测模型的区分度（鉴别效度）根据得到的Logistic回归模型公式，计算各DVT患者发生PTS的预测概率。以预测概率作为诊断变量，以是否发生PTS作为状态变量，对Logistic回归模型进行ROC曲线分析。结果显示：ROC曲线下面积为0.785，95%CI为（0.728，0.842），P<0.001，说明预测模型区别度良好，此预测模型对DVT患者是否发生PTS具有较好的判别能力。Logistic回归模型预测概率的ROC曲线见图2-2。图2-2训练集中预测模型的ROC曲线

山西医科大学硕士学位论文19图2-1训练集中预测模型的校准度图2.3.4.2预测模型的区分度（鉴别效度）根据得到的Logistic回归模型公式，计算各DVT患者发生PTS的预测概率。以预测概率作为诊断变量，以是否发生PTS作为状态变量，对Logistic回归模型进行ROC曲线分析。结果显示：ROC曲线下面积为0.785，95%CI为（0.728，0.842），P<0.001，说明预测模型区别度良好，此预测模型对DVT患者是否发生PTS具有较好的判别能力。Logistic回归模型预测概率的ROC曲线见图2-2。图2-2训练集中预测模型的ROC曲线

【参考文献】：
期刊论文
[1]临床预测模型:模型的验证[J]. 王俊峰,章仲恒,周支瑞,谷鸿秋.  中国循证心血管医学杂志. 2019(02)
[2]临床预测模型:模型的建立[J]. 谷鸿秋,王俊峰,章仲恒,周支瑞.  中国循证心血管医学杂志. 2019(01)
[3]临床预测模型:基本概念、应用场景及研究思路[J]. 谷鸿秋,周支瑞,章仲恒,周权.  中国循证心血管医学杂志. 2018(12)
[4]临床研究中预测模型的效能评价[J]. 张华,陶立元,赵一鸣.  中华儿科杂志. 2018 (09)
[5]下肢深静脉血栓形成后综合征的治疗策略[J]. 张皓.  中国血管外科杂志(电子版). 2015(01)
[6]恶性肿瘤相关静脉血栓栓塞症研究进展[J]. 崔志刚,孔棣.  中国中西医结合外科杂志. 2013(01)
[7]FⅤ Leiden与FⅡ G20210A突变在不同种族人群易栓症中表达的研究现状[J]. 王秉林,戈小虎.  中国普外基础与临床杂志. 2012(07)



本文编号：3423576