术中获得性压力性损伤风险预测模型的构建及应用效果研究354 人次已浏览

刘彦芳，侯志艳

目的探讨影响手术患者术中获得性压力性损伤（intraoperative acquired pressure injury,IAPI）的危险因素，建立预测模型，并对应用效果进行检验。方法采用便利抽样法，选取2018年1月至2020年5月本院396例手术患者为研究对象，根据术中是否发生IAPI分为IAPI组（n=67）和非IAPI组（n=329），采用单因素分析与Logistic回归方程分析筛选发生IAPI的独立危险因素并建立预测模型，采用Hosmer-Lemeshow检验预测模型的拟合优度，受试者工作特征曲线（receiver operating characteristic curve,ROC）检测模型的预测效能。结果 年龄、体质指数、手术时间、手术体位、术中体位移动、受压部位局部潮湿、术中低体温、约束带松紧度及皮肤情况是IAPI的影响因素。基于以上9个因素构建预测模型，Hosmer-Lemeshow检验结果显示P=0.276,ROC曲线下面积为0.894,Youden指数为0.6515，敏感度为0.7761，特异度为0.8754，实际应用正确性为82.65%，提示模型具有较好的拟合效果及鉴别效能。结论 基于IAPI危险因素建立的预测模型能较好地预测IAPI的发生风险，为手术室医护人员有针对性并及时对IAPI高风险者采取预防性护理措施提供指导。

摘要[ PDF 0.0 KB ] ( 216 ) 2022 ,4 (21): 1-7

乙肝肝硬化住院患者衰弱风险预测模型的构建及验证279 人次已浏览

李莉莉;何娜;邓淑敏;淦伟强;谢日华;高志良;

目的 调查乙肝肝硬化住院患者发生衰弱的现状，分析相关影响因素并构建风险预测模型。方法 采用便利抽样方法，选取2021年8月至2022年11月广州市某三级甲等综合医院感染科收治的410例乙肝肝硬化住院患者作为建模集，根据是否发生衰弱分为衰弱组和非衰弱组，对两组相关资料进行比较，应用R Studia（4.1.1）软件构建风险预测模型，应用受试者操作特征曲线（receiver operating characteristic curve,ROC）下面积检验模型拟合效果。选取同一所医院2022年11月至2023年3月符合标准的139例患者进行模型预测效果验证。结果 乙肝肝硬化住院患者衰弱发生率为19.9%。患者衰弱的风险预测模型共纳入4个危险因素：年龄（OR=1.042）、血红蛋白值（OR=0.982）、NRS2002营养风险筛查量表得分（OR=1.293）、体力活动水平（OR=0.482）。内部验证：ROC曲线下面积是0.747,95%CI（0.686,0.807）。Hosmer-Lemeshow检验，χ2=5.669,P=0.684，灵敏度为64.0%，特异度为76.5%，准确率为80.2%。外部验证：ROC曲线下面积是0.775,95%CI（0.668,0.883）。Hosmer-Lemeshow检验，χ2=15.077,P=0.058，灵敏度为91.3%，特异度为56.9%，准确率为84.2%。结论 构建的乙肝肝硬化住院患者衰弱风险预测模型具有较好的预测价值，可为临床医护人员有效识别和筛选衰弱高风险人群提供参考及借鉴。

摘要[ PDF 1.0 KB ] ( 238 ) 2023 ,6 (22): 1-8

基于机器学习的住院老年慢性心力衰竭患者认知衰弱风险预测模型构建与验证189 人次已浏览

陈昱熹，刘效刚，庄泽明，邓艳，眭一丹，肖鑫

目的 探讨住院老年慢性心力衰竭（chronic heart failure，CHF）患者认知衰弱的影响因素，通过不同机器学习算法构建 8 种预测模型，筛选出最佳模型，为临床干预提供依据。方法 采用便利抽样法，选择 2023 年 9 月— 2024 年 6 月本市 2 所三级甲等综合医院 650 例住院老年 CHF 患者进行横断面研究，共 607 例完成研究。将是否发生认知衰弱作为结局指标，分为认知衰弱组和非认知衰弱组。通过单因素分析和逐步 Logistic 回归分析筛选最终纳入模型的变量，按照 7：3 的比例将总样本随机划分为训练集（n=424）和测试集（n=183）。在训练集上，基于神经网络（neural networks，NN）、线性判别分析（lineardiscriminant analysis，LDA）、K 最邻近（k-nearest neighbor，KNN）、支持向量机（support vector machine，SVM）、朴素贝叶斯（naiveBayes，NB）、Logistic 回归、决策树（decision tree，DT）与随机森林（random forest，RF）算法分别构建住院老年 CHF 认知衰弱预测模型，并利用测试集数据对模型的预测性能进行比较。结果 住院老年 CHF 患者认知衰弱患病率为 48.3%。Logistic 回归结果显示：年龄、婚姻状况、文化程度、体质量指数、多病共存、营养状况、用药情况、每周锻炼频率、居住状况是住院老年 CHF 患者的影响因素（均 P<0.05）。8 种算法构建的预测模型总体分类精度（accuracy）范围 0.803~0.847，F 值（F1-score）范围 0.778~0.833，精确度（precision）范围 0.848~0.897，召回率（recall）范围 0.700~0.778；受试者工作特征（receiver operating characteristic curve，ROC）曲线下面积范围 0.820~0.901。结论 在构建的多个预测模型中，综合各模型评估指标，LDA 模型的表现最好，综合预测性能最佳，NN 模型综合预测性能最差。

摘要[ PDF 1.0 KB ] ( 139 ) 2025 ,7 (24): 1-11

基于SHAP可解释性机器学习的老年糖尿病患者衰弱风险预测模型构建与验证332 人次已浏览

邓舜芝，康圣琴，方苗苗，王雪菲，巫海娣，莫永珍

目的? 构建与验证基于可解释性机器学习的老年糖尿病患者衰弱预测模型，以早期识别高风险患者。方法? 采用便利抽样法，选择 2024 年 1 月至 5 月本市某三级甲等综合医院住院的 232 例老年糖尿病患者作为研究对象。227 例患者完成研究，按照 7 ∶ 3 的比例随机分为训练集（158 例）与测试集（69 例），分别用于模型构建与验证。采用最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）回归与 Boruta 算法筛选特征变量，并基于逻辑回归（logistic regression，LR）、支持向量机（support vector machine，SVM）和极端梯度提升树（extreme gradient boosting，XGBoost）构建机器学习模型。通过曲线下面积（area under curve，AUC）、灵敏度、特异度、F1 分数等指标评估模型性能，并通过 DeLong 检验比较模型间的 AUC差异。最优模型利用沙普利加和解释（Shapley additive explanation，SHAP）方法，对关键预测因子进行解释，并基于 Streamlit 开发网页计算器，实现模型可视化。结果? 227 例老年糖尿病患者中 99 例合并衰弱（43.6%）。XGBoost 模型综合表现最优，在训练集和测试集中，DeLong 检验显示 XGBoost 的 AUC 高于 LR 和 SVM（均 P&lt;0.001）。训练集 AUC 为 0.920，准确性为 0.842，灵敏度为 0.783，特异度为 0.887，阳性预测值（positive predictive value，PPV）为 0.845，阴性预测值（negative predictive value，NPV）为0.840，F1 分数为 0.810。测试集 AUC 为 0.806，准确性为 0.681，灵敏度为 0.633，特异度为 0.743，PPV 为 0.731，NPV 为 0.744，F1 分数为 0.620。SHAP 可解释分析显示，衰弱的预测因子重要性排序依次为：认知障碍、查尔斯共病指数、慢性疼痛、体育锻炼量、肌少症、营养状态、糖尿病肾病。结论? 基于 SHAP 可解释 XGBoost 的衰弱预测模型可有效识别老年糖尿病患者的衰弱高风险因素，能为其健康管理策略提供支持。

摘要[ PDF 1.0 KB ] ( 255 ) 2026 ,1 (25): 1-11

维持性血液透析患者心血管并发症风险预测模型的构建及验证334 人次已浏览

徐庆华，赵君花，甄长萍，梁新蕊

目的 探讨影响维持性血液透析（maintenance hemodialysis,MHD）患者心血管并发症的危险因素，建立列线图预测模型并验证该模型的预测效果。方法 采用便利抽样法，选取2016年1月至2018年3月本院收治的437例MHD患者，采用随机数字表法按照7 3分为训练集（n=305）与测试集（n=132），单因素分析与多因素Cox比例风险回归模型筛选MHD患者心血管并发症的独立危险因素，并建立列线图模型，采用测试集对模型进行外部验证。通过受试者工作特征曲线（receiver operating characteristic curve,ROC）、校准曲线、决策曲线分析（decision curve analysis,DCA）以证实列线图模型的预测效能和临床应用价值。结果 多因素分析显示，年龄≥60岁（HR=2.047,95%CI:1.164～3.599）、透析龄≥24个月（HR=1.707,95%CI:1.013～2.877）、QT间期离散度≥63 ms(HR=1.773,95%CI:1.123～2.801)、C反应蛋白水平（HR=1.142,95%CI:1.054～1.238）、尿酸水平（HR=1.028,95%CI:1.006～1.052）是MHD患者心血管并发症的独立危险因素（均P&lt;0.05）。基于上述因素建立列线图预测模型，内部验证模型校准曲线接近45°对角线，C-index为0.785，预测1年及3年心血管并发症风险的ROC曲线下面积分别为0.819(95%CI:0.772～0.861)、0.758(95%CI:0.706～0.805)，预测临界值分别为262分、90分。测试集校准曲线接近45°对角线，C-index为0.724，预测1年及3年心血管并发症风险的ROC曲线下面积分别为0.805(95%CI:0.742～0.858)、0.728(95%CI:0.659～0.789)，测试集和训练集预测效能比较，差异无统计学意义（P=0.246）。DCA显示训练集与测试集阈值概率范围分别为0.10～0.65与0.05～0.50，模型表现为正的临床净收益。结论 基于MHD患者心血管并发症危险因素建立的列线图预测模型具有良好的区分度、准确性与临床实用性，针对透析3个月以上的MHD患者，当1年得分≥262分及3年得分≥90分时应加强心血管并发症监测，制定预防性干预措施。

摘要[ PDF 0.0 KB ] ( 179 ) 2022 ,6 (21): 6-14

胰腺癌患者全身麻醉苏醒延迟风险预测模型的构建与验证93 人次已浏览

张敏;邹旗;王星钧;刘双源;葛经武;

目的 探讨胰腺癌手术患者麻醉苏醒延迟的影响因素，构建苏醒延迟预测模型，并检验其预测效能。方法 采用便利抽样法，选取2023年9月至2024年2月在江苏省某三级甲等综合医院行全身麻醉下胰腺癌手术的300例患者作为研究对象，其中2023年9月—12月208例患者作为建模组，2024年1月—2月92例患者作为验证组，记录患者围手术期资料。采用二元Logistic回归分析胰腺癌手术患者麻醉苏醒延迟发生的危险因素，构建风险预测模型并予以验证。结果 年龄>60岁、脑电双频指数（bispectral index,BIS）监测、复合区域阻滞麻醉、补救镇痛是胰腺癌患者苏醒延迟的影响因素（均P0.05）。建模组与验证组一致性指数（C-指数）分别为0.807和0.841，建模组与验证组的受试者操作特征（receiver operating characteristic,ROC）曲线下面积（area under curve,AUC）分别为0.807(95%CI:0.738～0.876)和0.841(95%CI:0.742～0.940)，两组校准曲线均接近理想曲线。结论 本研究构建的模型具有良好的预测效能，可为临床医护人员提供参考依据。

摘要[ PDF 1.0 KB ] ( 123 ) 2025 ,4 (24): 8-14

体外循环下冠状动脉旁路移植术后患者机械通气时间延长风险预测模型的构建与验证215 人次已浏览

李永刚，马艳，张辰，黄雨佳，吴荣

目的  建立体外循环下冠状动脉旁路移植术后患者机械通气时间延长（prolonged mechanical ventilation，PMV）风险预测模型。方法  采用便利抽样法，选取 2021 年 1 月— 2023 年 12 月在北京某三级甲等心血管专科医院接受体外循环冠状动脉旁路移植手术后 2 334 例患者为研究对象。采用结构化语言查询医院电子病历系统，收集研究对象术前、术中和术后资料。按照 3∶1 将研究对象随机分成训练组（n=1 633）和验证组（n=701）。基于训练组数据使用 Logistic 回归构建风险预测模型。采用 Hosmer-Lemeshow 判断模型拟合度，采用受试者工作特征（receiver operating characteristic，ROC）曲线下面积（area undercurve，AUC）检验模型的预测效果。结果  2 334 例患者中 215 例（9.2%）发生机械通气时间延长。基于训练组建立的模型纳入了年龄（OR=1.03）、体质量指数（body mass index，BMI；OR=1.14）、术中体外循环转机时间（OR=1.01）、术中输血（OR=4.15）、术后血清总胆红素（OR=1.08）、术后血清白蛋白（OR=0.92）和术后再次开胸探查（OR=5.49）7 个机械通气时间延长的影响因素。体外循环冠状动脉旁路移植术后患者机械通气时间延长预测模型的 AUC 为 0.761，95%CI（0.716~0.806），最大约登指数为 0.105，灵敏度为 77.94%，特异度为 64.38%。基于验证组数据对模型进行验证，模型 AUC 为 0.733，95%CI（0.662~0.804），灵敏度为 75.32%，特异度为 57.97%，预测正确率为 73.61%。结论  本研究建立的风险预测模型预测效果较好，可为临床护理人员及早识别体外循环冠状动脉旁路移植术后机械通气时间延长高危患者并实施预防性护理措施提供借鉴。

摘要[ PDF 1.0 KB ] ( 98 ) 2025 ,8 (24): 9-16

基于机器学习的非经尿道术后中重度导尿管相关膀胱不适风险预测模型的构建及验证373 人次已浏览

冯阿虫;张旭辉;秦瑶;李婉生;赵玉洁;李莉;

目的 基于不同机器学习算法构建非经尿道术后中重度导尿管相关膀胱不适（catheter-related bladder discomfort,CRBD）风险预测模型并比较其性能，为准确识别及预防术后中重度CRBD的发生提供参考。方法 采用便利抽样法，收集2024年1月—5月于山西省某三级甲等综合医院术中需要留置导尿的719例非经尿道手术患者作为研究对象。随机选取数据集中70%作为训练集（n=503例）用于模型的建立，其余30%的数据作为验证集（n=216例）用于模型的内部验证。使用最小绝对收缩和选择算法（least absolute shrinkage and selection operator,LASSO）确定预测因子。基于逻辑回归、K-最近邻、随机森林、人工神经网络、决策树、轻梯度提升机（light gradient boosting machine,LightGBM）和弹性网络共7种机器学习方法构建风险预测模型，采用受试者工作特征曲线下面积、准确率、精确率、召回率和F1指数评价模型性能。结果 共纳入719例非经尿道手术患者，中重度CRBD患者154(21.4%)例，未发生和轻度CRBD患者565(78.6%)例。预测因子分别为性别、腹部手术、手术类型、术前使用右美托咪定、术中使用氟比洛芬酯和手术结束前使用曲马多6个变量。基于LightGBM构建的模型受试者工作特征曲线下面积（0.793）、准确率（0.763）、精确率（0.879）、召回率（0.747）和F1指数（0.808）最佳，稳定性相对较好。结论 基于LightGBM构建的非经尿道术后中重度CRBD风险预测模型预测性能良好，可为临床医护人员识别中重度CRBD高危人群，制定相关干预措施提供参考。

摘要[ PDF 1.0 KB ] ( 180 ) 2025 ,5 (24): 10-17

社区老年人髋部骨折早期风险预测模型的构建与验证1230 人次已浏览

何春梅，张红英，陈丽娟，熊林竹，田苗，廖天成，蒋红梅，窦艳

目的 调查社区老年人髋部骨折发生率，分析相关影响因素并构建风险预测模型与验证。方法 采用分层抽样方法收集 2023 年 1 月— 2024 年 1 月德阳市社区 723 名老年人的社会人口学资料、生活习惯和髋部骨折危险因素相关资料。通过随机拆分的方法，479 名（68.00%）为模型训练集，221 名（32.00%）为模型验证集。在模型训练集中，根据是否发生髋部骨折分为骨折组和未骨折组进行比较，应用 R 软件（4.3.1）构建风险预测模型并验证。结果 最终纳入 700 例社区老年人，1 年内发生髋部骨折共 62 例，累计发生率为 8.86%。社区老年人髋部骨折的风险预测模型共 6 个预测因子：常吃腌制食品、每天锻炼时间、每天日照时间、骨质疏松、1 年内发生跌倒、真牙≥ 20 颗。模型训练集曲线下面积（area under the curve，AUC）值为 0.945（95%CI 0.908~0.982），灵敏度为 88.89%，特异度为 89.40%；校准曲线中预测值与实际值显示较好的吻合性，表明预测模型具有良好的校准度；决策曲线分析（decision curve analysis，DCA）表明该预测模型可以取得正的净效益。模型验证集 AUC 值为 0.892（95%CI 0.784~0.999），灵敏度为 82.35%，特异度为 93.63%，表明验证集数据与模型拟合良好，预测能力较强；校准曲线中预测值与实际值显示较好的一致性；决策曲线分析表明使用该预测模型可以取得正的净效益。结论 构建的社区老年人髋部骨折预测模型具有较好的预测价值，可为社区工作人员和医护人员筛查社区老年人髋部骨折的风险提供参考和借鉴。

摘要[ PDF 1.0 KB ] ( 330 ) 2025 ,3 (24): 15-23

维持性血液透析患者肌少症发生风险预测模型的构建169 人次已浏览

秦红菊;倪燕丹;张小梅;桑海霞;

目的 探索产后疲劳对纯母乳喂养的影响，以便提高纯母乳喂养率。方法 采取便利抽样法，选择2021年4至2022年4月北京市某三级甲等综合医院自然分娩产妇629例，采用一般资料问卷，多维度疲劳量表（multidimensional fatigue inventory,MFI-20）收集相关资料；运用倾向性评分匹配法（propensity score matching,PSM）控制混杂因素，探究产后疲劳对纯母乳喂养的影响。结果 共纳入602例产妇，平均年龄（32.5±4.0）岁，产后疲劳平均得分为（46.6±18.5）分，产后疲劳患病率为59.3%，纯母乳喂养率为37.2%；采用倾向性匹配评分法对602例产妇的协变量进行1∶1匹配，匹配后共有202对完成配对，分别为产后疲劳组与非产后疲劳组，其中疲劳组纯母乳喂养率为35.2%，非产后疲劳组纯母乳喂养率为47.5%，两组纯母乳喂养率比较，差异有统计学意义（χ2=6.380,P<0.05）；在控制产妇年龄、文化程度、经济状况、妊娠合并症、初/经产妇、产后出血量、婴儿出生体重、会阴伤口类型、总产程时间9个人口学变量后，对匹配后数据进行纯母乳喂养率二元logistic回归分析，结果显示，产后疲劳组放弃纯母乳喂养的风险是非产后疲劳组的3.263倍（OR=3.263,95%CI:2.076～5.130,P<0.001）。结论 产后疲劳患病率较高，产后疲劳是产妇放弃纯母乳喂养的主要危险因素，应采取措施降低产后疲劳水平，从而提高纯母乳喂养率。

摘要[ PDF 1.0 KB ] ( 161 ) 2023 ,6 (22): 15-21