换一批术前直肠癌淋巴结转移风险预测模型的构建与验证
Construction and validation of a preoperative prediction model for lymph node metastasis risk in rectal cancer
摘要目的 采用机器学习方法构建术前直肠癌(RC)淋巴结转移预测模型并加以验证.方法 回顾性收集2019年1月至2023年8月于赤峰市医院行RC根治术的967例患者的临床及实验室检查指标(血常规、肝肾功能、电解质、血糖、尿常规、凝血功能及肿瘤标志物等).将其中2019年1月至2022年7月的788例作为训练集,2022年8月至2023年8月的179例作为验证集.训练数据剔除非数值型变量后,依据术后病理检查结果分为淋巴结转移阳性组与阴性组,两组行单因素分析、最小绝对收缩和选择算子(LAS-SO)回归特征筛选及多因素 logistic回归筛选独立预测因素,构建预测模型并绘制列线图,采用验证集验证.通过似然比检验、C指数、Brier指数,结合ROC曲线、校准曲线、决策曲线及临床影响曲线等可视化方法,综合评价模型的临床应用价值.结果 最终纳入121项检验指标进行分析,筛选出5项独立预测因素,其中高淋巴细胞计数(LC)、血小板分布宽度(PDW)、活化部分凝血活酶时间(APTT)为RC淋巴结转移独立危险因素,高血小板-淋巴细胞比值(PLR)、白蛋白-球蛋白比值(AGR)为独立保护因素,基于上述指标绘制列线图.模型验证显示,训练集AUC为0.918、C指数为0.915、Brier指数为0.113,验证集AUC为0.906、Brier指数为0.197;似然比检验证实模型具有统计学意义(P＜0.001),校准曲线、决策曲线及临床影响曲线均提示模型具备良好的区分度、校准度及临床决策价值.结论 基于LC、PLR、PDW、AGR及APTT构建列线图预测模型,可精准预测RC淋巴结转移风险,依托常规术前实验室指标即可完成评估,有望助力临床术前判断.
更多相关知识
关键词
直肠癌淋巴结转移列线图机器学习术前预测Rectal cancerLymph node metastasisNomogramMachine learningPreoperative prediction
栏目名称
DOI
10.12056/j.issn.1006-2785.2026.48.7.2025-1106
发布时间
2026-05-20（万方平台首次上网日期，不代表论文的发表时间）
基金项目
内蒙古自治区自然科学基金资助项目（2022LHMS08001）
赤峰市自然科学科研课题项目（SZR2023078）
- 浏览4
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
