一种脑出血相关性肺炎的Nomogram临床预测模型及其构建方法技术

本发明专利技术公开了一种脑出血相关性肺炎的临床预测模型及其Nomogram临床预测模型的构建方法，本发明专利技术模型需要的参数都可以通过简单的查体和急诊CT快速获取，基于临床预测模型的Nomogram图易于应用于临床，有助于早期评估脑出血患者并发SAP风险，且操作简单、结果直观，为临床医生优化临床治疗提供了一个契机。为临床医生优化临床治疗提供了一个契机。

【技术实现步骤摘要】
一种脑出血相关性肺炎的Nomogram临床预测模型及其构建方法


[0001]本专利技术涉及涉及脑出血相关性肺炎的防治领域，具体涉及脑出血相关性肺炎的临床预测模型及其Nomogram临床预测模型的构建方法。

技术介绍

[0002]卒中相关肺炎(SAP)被定义为非机械通气的卒中患者在发病7天内新出现的肺炎。SAP是脑卒中后常见的并发症，根据流行病学研究9％
‑
33％的卒中患者会发生SAP。SAP会增加卒中患者不良预后的风险，延长了住院时间，并可能增加患者的经济负担。因此，及早发现SAP的危险因素、评估患者的并发SAP的风险，可以对患者进行早期预防性干预，这有助于降低SAP发生的风险，从而使患者受益。
[0003]既往的研究已经确定了许多与SAP发生相关的危险因素，包括高龄、男性，共患高血压、糖尿病、心房颤动、慢性阻塞性肺疾病(COPD)，卒中后出现吞咽困难、卒中前依赖、卒中类型为脑出血(ICH)、入院美国国立卫生研究院卒中量表(NI HSS)评分较高、格拉斯哥昏迷分级(GCS)评分较高、卒中部位位于幕下、脑出血血肿出血破入脑室，卒中诱导的免疫抑制、C反应蛋白升高等。基于这些危险因素，既往的研究已经构建了一些预测模型或评分系统，以帮助识别发生SAP的高风险患者。
[0004]研究表明脑出血患者并发SAP的风险相较于缺血性卒中的患者更高。然而，既往的研究大多只包括缺血性卒中患者。目前对脑出血后并发SAP的研究较少。其中一个是I SAN评分，它是一个同时适用于缺血性卒中和脑出血患者的临床预测模型，它纳入的参数包括卒中前依赖、性别、年龄和N IHSS评分。由于该模型不包括脑出血相关性的特异性变量，它在脑出血患者中表现不佳。另一个模型是在中国国家脑卒中登记注册中心(CNSR)基础上制定的I CH相关肺炎评分模型(I CH
‑
APS)。它依据是否纳入“血肿体积”这一参数建立了两个不同的预测模型(分别为I CH
‑
APS
‑
A和I CH
‑
APS
‑
B)。它的预测模型中的其余变量包括年龄、吸烟、过量饮酒、COPD、脑卒中前依赖、入院GCS评分、入院N I HSS评分、卒中发生后出现吞咽困难、脑出血部位、血肿累及脑室。该评分模型较为复杂，其中GCS评分与N I HSS评分存在一定程度的重叠，可能存在共线性。而且N I HSS评分的不同部分对SAP开发有不同的影响。例如，根据临床经验，肢体运动障碍与共济失调、视野缺失相比，肢体运动障碍可能对SAP的影响更大。直接使用N I HSS评分而不考虑具体因素对SAP的影响占比可能会削弱某些关键因素对SAP的影响。本专利技术人旨在从更精细和简化的临床变量中探究影响脑出血后SAP的危险因素，并建立一个高效快捷的模型来预测脑出血患者的SAP风险。

技术实现思路

[0005]本专利技术的目的之一是提供一种能解决上述技术问题的脑出血相关性肺炎的临床预测模型。
[0006]为了解决上述技术问题，本专利技术提供了如下的技术方案：
[0007]一种脑出血相关性肺炎的临床预测模型，其特征在于：包括：
[0008]横坐标，显示SAP分别与性别、年龄、较差一侧肢体肌力总和、吞咽功能、意识障碍、脑出血血肿累及多脑叶、脑出血血肿破入脑室的风险关系；
[0009]竖坐标，显示每个风险因素垂直对应相应的“Po i nt”值；
[0010]其中“Tota l Po i nts”是所有危险因素所对应的“Po i nt”相加的总和，垂直对应“Ri sk”即SAP风险预测值。
[0011]对本专利技术做进一步优选，所述预测模型中联合性别、年龄、较差一侧肢体肌力总和、吞咽功能、意识障碍、脑出血累及多脑叶、脑出血血肿破入脑室建立SAP预测模型，方程为：0.601
×
性别+0.036
×
年龄+0.616
×
脑出血累及多脑叶+0.772
×
血肿破入脑室+0.748
×
意识障碍+1.288
×
吞咽功能障碍
‑
0.073
×
较差一侧肢体肌力总和
‑
4.531。
[0012]本专利技术的目的之一是提供一种Nomogram临床预测模型的构建方法。
[0013]为了解决上述技术问题，本专利技术提供了如下的技术方案：
[0014]一种Nomogram临床预测模型的构建方法，其特征在于：包括以下步骤：
[0015]S1：取符合标准的患者；
[0016]S2：将若干名脑出血后并发SAP和脑出血后未发生SAP的患者按比例划分为训练组和验证组；
[0017]S3：收集步骤S2中脑出血后并发SAP和脑出血后未发生SAP的患者信息；
[0018]S4：根据步骤S3中所获取的信息建立临床预测模型，对模型进行检验，获得最优预测模型；
[0019]S5：根据最优预测模型构建预测脑出血相关性肺炎发生风险的Nomogram图，包括七个预测因子，分别为性别、年龄、较差一侧肢体肌力总和、吞咽功能、意识障碍、脑出血累及多脑叶、脑出血血肿破入脑室；
[0020]S5中还包括以下步骤a:应用单因素l og i st i c回归，比较训练组脑出血后并发SAP和脑出血后未发生SAP的患者队列，筛选出16个有差异的指标，其中下列指标有显著差异：年龄较大、较差一侧肢体肌力总和更差、GCS评分≤14分的占比更大、出现卒中前依赖、吞咽功能障碍、意识障碍、脑出血累及多脑叶、血肿破入脑室、血糖升高、肌酐升高；
[0021]步骤b：将步骤步骤a:的16个有差异的预测指标经过多因素l ogi st i c回归分析，确定出独立风险因素，其独立风险因素包括性别为男性、年龄较大、较差一侧肢体肌力总和更差、吞咽功能障碍、意识障碍、脑出血累及多脑叶、脑出血血肿破入脑室；
[0022]步骤c：利用步骤b:中的独立风险因素构建1个用于脑出血患者并发SAP的临床预测模型；
[0023]S6：最终分析得到脑出血患者并发SAP风险的临床预测模型，并应用R语言为统计工具，运行得到临床预测模型WMU的Nomogram图。
[0024]对本专利技术做进一步优选，所述步骤S3中患者的相关信息包括：人口统计学资料(脑出血发病时的年龄、性别)；生活方式资料采集(目前的吸烟和饮酒状况)；共患病(高血压、糖尿病、高脂血症、缺血性心脏病、高尿酸血症和COPD)；临床症状相关的参数[卒中前依赖(改进Rank i n量表≥2)、吞咽困难(由物理治疗师通过吞咽测试评估)、意识状态(包括昏睡、嗜睡或昏迷)、较差一侧肢体肌力总和(范围从0级到10级)、脑出血后发生呕吐、入院GCS评分和N IHSS评分]；脑出血的神经影像学参数(脑出血累及多脑叶、脑出血累及深部、脑出
血血肿破入脑、脑出血血肿体积)；实验室检查(红细胞、血小板、白蛋白、血糖和肌酐)。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑出血相关性肺炎的Nomogram临床预测模型，其特征在于：包括：横坐标，显示SAP分别与性别、年龄、较差一侧肢体肌力总和、吞咽功能、意识障碍、脑出血血肿累及多脑叶、脑出血血肿破入脑室的风险关系；竖坐标，显示每个风险因素垂直对应相应的“Point”值；其中“Total Points”是所有危险因素所对应的“Point”相加的总和，垂直对应“Risk”即SAP风险预测值。2.根据权利要求1所述的一种脑出血相关性肺炎的Nomogram临床预测模型，其特征在于：所述预测模型中联合性别、年龄、较差一侧肢体肌力总和、吞咽功能、意识障碍、脑出血累及多脑叶、脑出血血肿破入脑室建立SAP预测模型，方程为：0.601
×
性别+0.036
×
年龄+0.616
×
脑出血累及多脑叶+0.772
×
血肿破入脑室+0.748
×
意识障碍+1.288
×
吞咽功能障碍
‑
0.073
×
较差一侧肢体肌力总和
‑
4.531。3.一种如权利要求1所述的脑出血相关性肺炎Nomogram临床预测模型的构建方法，其特征在于：包括以下步骤：S1：取符合标准的患者；S2：将若干名脑出血后并发SAP和脑出血后未发生SAP的患者按比例划分为训练组和验证组；S3：收集步骤S2中脑出血后并发SAP和脑出血后未发生SAP的患者信息；S4：根据步骤S3中所获取的信息建立临床预测模型，对模型进行检验，获得最优预测模型；S5：根据最优预测模型构建预测脑出血相关性肺炎发生风险的Nomogram图，包括七个预测因子，分别为性别、年龄、较差一侧肢体肌力总和、吞咽功能、意识障碍、脑出血累及多脑叶、脑出血血肿破入脑室；S5中还包括以下步骤a:应用单因素logistic回归，比较训练组脑出血后并发SAP和脑出血后未发生SAP的患者队列，筛选出16项有差异的指标，其中下列指标有显著差异：年龄较大、较差一侧肢体肌力总和更差、GCS评分≤14分的占比更大、出现卒中前依赖、吞咽功能障碍、意识障碍、脑出血累及多脑叶、血肿破入脑室、血糖升高、肌酐升高；步骤b：将步骤步骤a:的16项有差异的预测指标经过多因素logistic回归分析，确定出独立风险因素，其独立风险因素包括性别为男性、年龄较大、较差一侧肢体肌力总和更差、吞咽功能障碍、意识障碍、脑出血累及多脑叶、脑出血血肿破入脑室；步骤c：利用步骤b:中的独立风险因素构建1个用于脑出血患者并发SAP的临床预测模型；S6：最终分析得到脑出血患者并发SAP风险的临床预测模型，并应用R语言为统计工具，运行得到临床预测模型WMU的Nomogram图。4.根据权利要求3所述的一种的脑...

【专利技术属性】
技术研发人员：王新施，王颖，陈昱婷，
申请(专利权)人：温州医科大学附属第一医院，
类型：发明
国别省市：