老年脑卒中患者卒中后认知功能障碍风险预测模型的决策曲线分析
Risk prediction model for post-stroke cognitive impairment in elderly patients:a decision curve analysis
摘要目的 基于血清代谢指标建立老年脑卒中患者卒中后认知功能障碍的风险预测模型,采用决策曲线分析其风险模型的预测价值.方法 选取2019年8月至2022年8月青岛市中心医院神经外科收治的老年脑卒中患者297例,根据随访结果,最终纳入294例,按照3∶1比例将其分为训练集206例和验证集88例.训练集根据是否发生认知功能障碍分为认知障碍组88例和非认知障碍组118例.采用logistic回归分析老年脑卒中患者卒中后发生认知功能障碍的影响因素,并构建logistic回归预测模型,通过R4.1.3绘制列线图对logistic回归预测模型进行可视化处理,并采用ROC曲线、决策曲线分析logistic回归模型预测效能,通过验证集验证该模型的预测效能.结果 多因素logistic回归分析显示,训练集三酰甘油(TG,OR=1.266,95%CI:1.089~1.471,P=0.002)、低密度脂蛋白胆固醇(LDL-C,OR=1.321,95%CI:1.136~1.537,P=0.000)、血清胱抑素 C(Cys C,OR=1.847,95%CI:1.421~2.401,P=0.000)、淀粉样蛋白 A(SAA,OR=1.120,95%CI:1.057~1.187,P=0.000)是老年脑卒中患者卒中后发生认知功能障碍的独立危险因素.ROC曲线显示,训练集中TG、LDL-C、Cys C以及SAA对老年脑卒中后认知功能障碍预测的曲线下面积(AUC)分别为0.732、0.726、0.756、0.736,联合预测的AUC为0.891.验证集中TG、LDL-C、Cys C以及SAA对老年脑卒中后认知功能障碍预测的AUC分别为0.759、0.703、0.769、0.756,联合预测的AUC为0.914.2种模型预测的一致性较好,联合预测模型在训练集和验证集中的准确性分别为83.98%、86.36%,均高于单项指标预测模型.决策曲线分析显示,训练集和验证集的阈值概率分别为11%~48%和13%~45%,此时对老年脑卒中患者进行临床干预后可能受益最大.结论 TG、LDL-C、Cys C以及SAA是老年脑卒中患者卒中后发生认知功能障碍的独立危险因素,基于血清代谢指标建立的联合决策曲线预测模型具有较高的预测效能.
更多相关知识
- 浏览61
- 被引2
- 下载45

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文