换一批基于巢式病例对照研究构建椎体压缩骨折患者术前深静脉血栓形成的风险预测模型
Construction of a risk prediction model for preoperative deep vein thrombosis in patients with vertebral compression fractures based on nested case-control studies
摘要目的 分析椎体压缩骨折患者术前深静脉血栓形成(deep vein thrombosis,DVT)的危险因素,构建DVT诊断模型.方法 选择2020 年1 月至2023 年10 月山东大学齐鲁医院(青岛)脊柱外科收治的骨质疏松性椎体压缩骨折患者作为研究对象,以入院确诊骨质疏松性椎体压缩骨折为起点、出院为终点,进行巢式病例对照研究.采用极端梯度提升算法XGBoost对DVT诊断模型进行训练,采用准确率和受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)评价模型性能.结果 基于XGBoost训练DVT诊断模型,可视化前 20 个重要的特征,可以看出凝血酶原时间、甲状旁腺素这两个指标对于DVT的诊断较为重要.在测试集上评估模型,能够取得 90.48%的诊断准确率,采用ROC曲线计算DVT诊断模型的 AUC 为 0.955 8,差异有统计学意义(P＜0.05).结论 基于 XGBoost训练的DVT诊断模型用于筛查术前高风险DVT患者有较好的性能及较好的泛化能力,通过对可引起椎体压缩骨折患者术前DVT的前20 个危险因素的可视化,方便临床对DVT高危患者及时识别并给予相应的干预措施,避免延误手术.
更多相关知识
关键词
椎体压缩性骨折深静脉血栓形成机器学习算法巢式病例对照研究compression fracture of vertabral bodydeep vein thrombosismachine learning algorithmnes-ted case-control study
栏目名称
DOI
10.3969/j.issn.1674-2591.2024.06.006
发布时间
2025-02-28（万方平台首次上网日期，不代表论文的发表时间）
- 浏览10
- 被引0
- 下载10
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
