换一批基于机器学习筛选共同性外斜视术后早期复发的风险因素及Nomogram预测模型的建立
Machine learning-based screening of risk factors of early recurrence after surgery for concomitant exotropia and establishment of a Nomogram predic-tion model
摘要目的 分析共同性外斜视术后早期复发的相关风险因素,建立Nomogram预测模型.方法 回顾性分析我院2015年10月至2021年10月收治的243例(486眼)共同性外斜视患者,按7∶3的比例将其分为训练集(n=170)、验证集(n=73).利用Lasso回归、Boruta算法、随机森林算法筛选共同性外斜视术后早期复发的风险变量.通过Spearman相关性分析及膨胀因子(VIF)评估变量之间的共线性,利用多因素Cox回归建立Nomo-gram预测模型.对该模型在术后6个月、18个月、24个月的受试者工作曲线、校准曲线、临床决策曲线进行效能评价.结果 通过3种机器学习方法:Lasso回归、Boruta算法、随机森林算法,在训练集及验证集的22个风险变量中筛选出6个可能导致斜视术后早期复发的重要变量:斜视类型、发病年龄、术前斜视度数、右眼最佳矫正视力(BCVA)、左眼BC-VA、手术方式,6个变量之间不存在共线性(r＜0.6,VIF＜5).多因素Cox回归发现,斜视类型(间歇性外斜视)、术前斜视度数、右眼BCVA、左眼BCVA、手术方式(单侧外直肌后徙术)是共同性外斜视术后早期复发的风险因素,并构建Nomogram预测模型.受试者工作曲线、校准曲线及临床决策曲线提示该预测模型具有较好的准确度、一致性及临床适用度.结论 Nomogram预测模型能较好预测共同性外斜视患者术后的早期复发风险,为眼科医生对患者进行早期干预提供参考.
更多相关知识
关键词
共同性外斜视早期复发Nomogram预测模型机器学习concomitant exotropiaearly recurrenceNomogram prediction modelmachine learning
分类号
R777.4（眼附属器官疾病）
栏目名称
DOI
10.13389/j.cnki.rao.2025.0021
发布时间
2025-03-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82260208）
贵州医科大学博士启动基金项目（gy-fybsky-2022-06）
- 浏览27
- 被引1
- 下载27
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
