换一批基于年龄、性别、血压、血糖和血脂的逻辑回归模型可有效预测患者脑白质病变
The logistic regression model based on age,gender,blood pressure,blood glucose and blood lipids can effectively predict white matter lesions of patients
摘要目的 基于年龄、性别、血压、血糖和血脂等临床常用指标,构建预测脑白质病变严重程度(Fazekas评分)的逻辑回归模型,为临床筛查和早期干预提供参考.方法 回顾性纳入2018年1月～2024年10月在南方医科大学第三附属医院行MRI检查的300例老年患者,分析患者的年龄、性别、收缩压、舒张压、空腹血糖、低密度脂蛋白、甘油三酯及总胆固醇等临床及实验室数据,主要采用MRI T2 FLAIR序列图像进行Fazekas评分,判断脑白质病变的轻度(Fazekas评分≤3)、重度(Fazekas评分>3)并将其分为轻度组和重度组.将患者随机分为训练集(n=240)和测试集(n=60),以临床及实验室数据作为自变量,脑白质病变严重程度作为因变量,构建逻辑回归预测模型.通过ROC曲线和曲线下面积(AUC)评估模型在训练集和测试集的预测性能.结果 300例患者中,轻度脑白质病变102例(34.0%),重度脑白质病变198例(66.0%).单因素分析显示,重度组患者的年龄、收缩压、舒张压和空腹血糖浓度均高于轻度组(P<0.05),且男性比例增高.根据赤池法则准则选择性别、年龄、收缩压、低密度脂蛋白、甘油三酯、总胆固醇作为自变量,构建逻辑回归模型,在训练集上的AUC为0.778,敏感度为0.763、特异度为0.624,测试集上的AUC为0.860,敏感度为0.791、特异度为0.688,表现出较好的预测能力.结论 基于年龄、性别、血压和血糖的预测模型可有效预测脑白质病变严重程度,具有潜在的临床价值.
更多相关知识
关键词
脑白质病变Fazekas评分磁共振成像预测模型年龄血压血脂white matter lesions of the brainFazekas ratingmagnetic resonance imagingpredictive modelageblood pressureblood lipids
栏目名称
DOI
10.12122/j.issn.1674-4500.2025.10.12
发布时间
2025-11-24（万方平台首次上网日期，不代表论文的发表时间）
- 浏览6
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
