【技术实现步骤摘要】
脑肿瘤开颅患者术后30天内死亡率预测模型的构建方法
[0001]本专利技术属于预测数据
,尤其涉及一种脑肿瘤开颅患者术后30天内死亡率预测模型的构建方法。
技术介绍
[0002]颅骨切开术是治疗大多数脑肿瘤患者的基本外科手术。然而,颅内肿瘤的开颅手术会带来包括死亡在内的大量术后并发症风险(1
‑
3)。术后30天内死亡率,也称为30天术后死亡率,广泛用于评估接受各种手术的患者的短期结局(4,5),以及对麻醉和手术的获得和安全性进行有效评估(6)。美国对16280名接受开颅手术的患者进行的一项研究显示,术后30天死亡率为5.03%(7)。另一项研究表明,2008
‑
2010年,英格兰开颅手术中心患者的死亡率为0.95%至8.62%(8)。因此,获得准确的个体化术前风险预测短期结果对于临床决策和进一步管理至关重要。许多疾病严重程度或预后的预测评分已在神经学中广泛使用,如格拉斯哥昏迷评分表(9)、Hunt和Hess评分表(10)和统一帕金森病评分表(11)。因此,先前的研究试图建立各种颅内肿瘤患者的诊断或预后预测模型,包括胶质瘤(12
‑
15)、脑膜瘤(16、17)、脑转移瘤(18
‑
20)、斜坡脊索瘤(21)、髓母细胞瘤(22),并强调了其研究中诺模图的临床价值。他们的研究主要集中于单一疾病,很少有研究集中于脑肿瘤开颅术后预后的风险预测。根据美国数据库(2005
‑
2017),确定了开颅术后肺炎的几个术前风险因素(23)。尽管如 ...
【技术保护点】
【技术特征摘要】
1.一种脑肿瘤开颅患者术后30天内死亡率预测模型的构建方法,其特征在于,包括以下步骤:步骤一,将所有肿瘤开颅手术患者分为训练队列和外部验证队列;步骤二,最小绝对收缩和选择算子模型用于从候选变量中选择最重要的变量;建立了逐步逻辑回归模型,根据选择算子模型选择的预测因子筛选出风险因素;用诺模图展示了模型;步骤三,使用受试者工作特性曲线下的面积和校准图分析来评估模型的辨别力和准确性;还根据临床临界点对相关危险因素进行分类,以建立术后30天内死亡率的评分模型;总分分为四个风险类别:极高、高、中、低风险。2.如权利要求1所述脑肿瘤开颅患者术后30天内死亡率预测模型的构建方法,其特征在于,所述变量如下:连续变量:身高、体重和术前血液测试指标;分类变量:性别、种族、年龄范围、糖尿病、吸烟状况、手术年份、呼吸困难、功能健康状况、呼吸机依赖性、严重COPD、充血性心力衰竭(CHF)、高血压、肾衰竭、术前输血、透析、播散性癌症、术前全身性败血症、开放性伤口感染、慢性病使用类固醇、过去6个月体重减轻>10%、出血性疾病、急诊、伤口分类、美国麻醉医师协会身体状况分级。3.如权利要求1所述脑肿瘤开颅患者术后30天内死亡率预测模型的构建方法,其特征在于,所述变量的处理:BMI(体重和身高)、功能健康状况、Na、BUN、Cr、WBC、HCT、PLT和ASA分级缺失值的参与者人数分别为730、90、798、1532、709、592、440、579和166;多重插补技术被广泛接受为处理缺失数据的适当方法;使用这种方法来估算提取变量的缺失值;插补模型包括BMI、功能健康状况、Na、BUN、Cr、WBC、HCT、PLT和ASA分级;使用随机缺失(MAR)假设的缺失数据分析程序(26)。4.如权利要求1所述脑肿瘤开颅患者术后30天内死亡率预测模型的构建方法,其特征在于,所述风险因素的识别方法:(1)根据Lasso回归模型选择的预测因子进一步建立了三个预测模型,包括MFP模型、全逻辑比例风险模型和逐步逻辑回归模型;(2)在训练队列中,MFP模型、完整模型和逐步模型的AUC分别为0.7983、0.7949和0.7949;在验证队列中,这些模型的相应AUC分别为0.7423、0.7382和0.7382;三种模型的AUC相对接近;考虑到逐步模型包含较少的风险因素,并且比MFP和完整模型更简单;逐步模型可以较好地预测术后30天死亡率的风险。5.如权利要求1所述脑肿瘤开颅患者术后30天内死亡率预测模型的构建方法,其特征在于,所述列线图的绘制方法:1)绘制了相应的列线图,通过使用术前白细胞计数、HCT计数、BUN、年龄范围、功能健康状态和播散性癌症,为预测术后30天死亡率的风险提供了一个定量和简单的工具;2)诺模图中的每个变量都被分配了一个特定的点,每个变量值的点被相加以获得总的点,用于获得术后30天死亡率的概率;在逐步模型中,术后30天死亡率风险的计算方法如下:Log(Y)=
‑
3.90696+0.06862*WBC(
×
【专利技术属性】
技术研发人员:刘玉飞,胡豪飞,韩勇,陈凡帆,李宗阳,李维平,黄国栋,
申请(专利权)人:深圳市第二人民医院深圳市转化医学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。