关键词:
脑出血
继发性脑损伤
影响因素
列线图
预测模型
摘要:
目的分析脑出血患者继发性脑损伤(SBI)的临床影响因素,以此构建列线图预测模型并进行验证,以期为临床减少脑出血患者SBI发生,改善患者预后提供一定的指导。方法回顾性分析上海大学附属南通医院(南通市第六人民医院)在2020年1月至2023年9月收治的脑出血患者151例,依据8∶2定律随机分为训练集121例和验证集30例,根据患者在发病后7 d内是否发生SBI将其分为SBI组和非SBI组,其中训练集SBI组37例、非SBI组84例,验证集SBI组9例、非SBI组21例。收集患者临床资料,分析患者发生SBI的影响因素,并以此构建列线图模型预测SBI发生风险;采用受试者操作特征(ROC)曲线下面积(AUC)分析预测模型对SBI的预测效能。结果单因素分析结果显示,SBI组年龄≥60岁占比、出血量≥20 ml占比、格拉斯哥昏迷评分(GCS)<10分占比、全身免疫炎症指数(SII)水平≥952.31×109/L占比均高于无SBI组(P<0.05)。二元Logistic回归分析结果显示,年龄(OR=4.489,95%CI:2.364~8.521)、出血量(OR=3.804,95%CI:1.693~8.546)、SII水平(OR=5.642,95%CI:1.864~17.075)是患者发生SBI的独立危险因素(P<0.05)。基于上述影响因素构建的列线图预测模型经Bootstrap法内部验证显示,C⁃index指数为0.841(95%CI:0.792~0.931),预测患者发生SBI的校正曲线趋近于理想曲线(P>0.05)。训练集ROC显示,列线图模型预测患者发生SBI的灵敏度为87.50%、特异度为90.50%,AUC为0.882(95%CI:0.799~0.965)。验证集ROC显示,列线图模型预测患者发生SBI的灵敏度为89.20%,特异度为86.90%,AUC为0.874(95%CI:0.788~0.959)。结论年龄、出血量、SII水平是脑出血患者发生SBI的独立危险因素,基于上述因素构建的列线图风险预测模型可较好地评估患者SBI发生风险。