基于高频超声定量参数及临床相关资料构建早产儿主动脉瓣二瓣化畸形发病预测模型

Construction of the Early Warning Model of Aortic Valve Dicuvalization in Premature Infants Based on the Quantitative Parameters of High Frequen-cy Ultrasound and Clinical Data

二维码有效期 120s

摘要目的基于高频超声定量参数及临床相关资料构建早产儿主动脉瓣二瓣化畸形(BAV)发病预测模型.方法选取2020 年1 月—2022 年12 月收治的86 例BAV早产儿作为研究组,按照1︰1 比例选取86 例无BAV的早产儿作为对照组.统计2 组临床资料、高频超声定量参数及表现,构建随机森林模型和多因素Logistic回归方程模型,采用受试者工作特征(ROC)曲线分析2 种模型预测早产儿BAV发病的效能.结果 2 组早产儿25-羟基维生素D、心肌型脂肪酸结合蛋白(H-FABP)、心肌肌钙蛋白I(cTnI)、心肌型肌酸激酶同工酶、家族史、高频超声主动脉瓣正向最大血流速度(Vmax)、高频超声跨瓣压差、高频超声主动脉瓣狭窄、高频超声主动脉瓣反流、高频超声主动脉受累扩张及早产儿母亲年龄比较差异有统计学意义(P<0.01).采用随机森林算法构建早产儿BAV发病预警模型,根据平均准确度下降程度进行重要性排序,从高到低依次为早产儿高频超声Vmax、高频超声跨瓣压差、高频超声主动脉瓣狭窄、H-FABP、cTnI、家族史,该模型预测早产儿BAV发病的曲线下面积(AUC)为0.974,敏感度为0.954,特异度为0.988;多因素Logistic回归方程显示,早产儿高频超声Vmax、高频超声跨瓣压差、高频超声主动脉狭窄及H-FABP、家族史、cTnI是早产儿BAV发病的影响因素(P<0.01),据此构建的多因素Logistic回归方程预测模型预测早产儿BAV发病的AUC为0.924,敏感度为0.919,特异度为0.930.结论基于高频超声定量参数及临床相关资料构建早产儿BAV发病预警模型具有可行性,且预测效能良好,能为临床诊疗工作提供参考.