基于临床-影像-实验室多模态数据构建动脉瘤性蛛网膜下腔出血后迟发性脑缺血风险预测列线图模型
Construction of a nomogram model for predicting the risk of delayed cerebral ischemia after aneurysmal subarachnoid hemorrhage based on clinical-imaging-laboratory multimodal data
摘要目的 基于临床-影像-实验室多模态数据,构建动脉瘤性蛛网膜下腔出血(aSAH)后迟发性脑缺血(DCI)风险预测列线图模型并验证.方法 选取162例aSAH患者作为研究对象,根据是否发生DCI分为DCI组和非DCI组.收集2组患者入院后72 h内的一般资料、实验室指标及影像学指标数据,采用单因素分析及多因素Logistic回归分析筛选aSAH患者发生DCI的独立影响因素.将筛选出的因素导入R软件,构建aSAH后DCI风险预测列线图模型.采用Bootstrap重采样法(重复抽样1 000次)进行内部验证,计算校正后C指数评估模型判别能力;绘制校准曲线评估预测概率与实际事件发生率的一致性,并采用Hosmer-Lemeshow检验评估模型拟合优度;绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC)评估模型区分度;采用决策曲线分析(DCA)评估模型的临床净收益.结果 162例患者中,50例发生DCI,发生率为30.86%.多因素Logistic回归分析显示,Hunt-Hess分级、脑血管痉挛及C反应蛋白(CRP)、D-二聚体(D-D)、神经丝轻链蛋白(NfL)、白细胞介素-6(IL-6)、微小 RNA-21-5p(miR-21-5p)、微小 RNA-126(miR-126)、脑血流量(CBF)、平均通过时间(MTT)、脑血容量(CBV)均为aSAH患者发生DCI的独立影响因素(P<0.05).基于上述影响因素构建列线图模型,经Bootstrap法内部验证,平均C指数为0.814(95%CI:0.792~0.951),乐观偏倚为0.034;ROC曲线显示,该模型预测aSAH患者发生DCI的AUC为0.930(95%CI:0.873~0.978),灵敏度为96.00%,特异度为86.80%;校准曲线斜率(Shrinkage系数)为0.87,模型预测概率与实际概率基本一致,Hosmer-Lemeshow拟合优度检验x2=1.315,P=0.821;DCA显示,该模型具有较高的临床净收益.结论 Hunt-Hess 分级、脑血管痉挛及 CRP、D-D、NfL、IL-6、miR-21-5p、miR-126、MTT、CBV、CBF 均为 aSAH 患者发生 DCI 的独立影响因素,基于上述因素构建的风险列线图模型对aSAH后DCI具有良好的预测效能.
更多相关知识
- 浏览5
- 被引0
- 下载6

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文


换一批



