基于Lasso-Nomogram模型构建维持性血液透析患者睡眠障碍的预测模型

Construction of a prediction model for sleep disorders in maintenance hemodialysis patients based on Las-so-Nomogram model and verification of the model

二维码有效期 120s

摘要目的基于Lasso-Nomogram模型构建维持性血液透析(maintenance hemodialysis,MHD)患者睡眠障碍(sleep disorder,SD)的预测模型.方法选取苏州大学附属第二医院行MHD的慢性肾衰竭(chronic renal failure,CRF)患者,根据MHD后6个月是否发生SD分为SD组和非SD组.比较2组临床资料,分析SD发生的影响因素,根据预测因素构建SD的Nomogram预测模型.结果 198例CRF患者MHD后第6个月92例患者发生SD,SD发生率为46.46％;Logistic分析显示年龄(OR=2.152,95％CI:1.246～3.718,P＜0.001)、皮肤瘙痒(OR=6.209,95％CI:2.051～18.796,P＜0.001)、抑郁(OR=3.715,95％CI:1.531～9.013,P＜0.001)、尿素清除指数(urea clearance index,Kt/V)(OR=0.302,95％CI:0.154～0.592,P＜0.001)、血磷(OR=2.274,95％CI:1.236～4.185,P＜0.001)、钙磷乘积(OR=3.210,95％CI:1.517～6.792,P＜0.001)、血清合肽素(OR=6.816,95％CI:2.317～20.048,P＜0.001)、a-淀粉酶(OR=5.277,95％CI:1.953～14.257,P＜0.001)、25羟维生素D3(OR=0.381,95％CI:0.186～0.780,P＜0.001)均为SD发生的影响因素;根据Lasso、Logistic分析筛选出上述9个指标构建SD的Nomogram预测模型,该模型预测MHD患者发生SD的曲线下面积(AUC)为0.928(95％CI:0.892～0.963),预测敏感度、特异度分别为81.13％、90.11％.结论根据MHD患者发生SD的因素构建Nomogram预测模型,在预测SD发生风险方面具有较高预测效能和良好临床效用.