目的 开发与验证早期预判中重症急性胰腺炎(mild severe acute pancreatitis,MSAP)与重症急性胰腺炎(severe acute pancreatitis,SAP)的临床预测模型(列线图模型).方法 收集武汉大学人民医院于2019年10月至2022年2月收治的586例急性胰腺炎病人资料,根据病情严重程度,将急性胰腺炎病人分为轻症组与重症组(MSAP+SAP组).首先,应用R4.1.3软件的cart安装包将收集的数据随机分为7:3的训练集与验证集,并应用R4.1.3软件的CBCg rps安装包对训练集与验证集数据进行单变量分析.训练集数据应用单因素与多因素Logistic回归筛选预测因子,应用R4.1.3软件的rms安装包,利用筛选的预测因子构建列线图模型,通过绘制受试者工作特征(ROC)曲线,比较曲线下面积(AUC)来评估模型的区分度;通过校准图与Hoslem.test检验,评估模型预测的准确性;通过决策曲线分析(DC A)评估模型的临床应用价值;并使用验证集数据验证模型的区分度与准确性.结果 该研究训练集数据与验证集数据分别入组了399例与187例研究对象;训练集数据与验证集数据整体上具有可比性(P>0.05).多因素Logistic回归分析结果表明,纤维蛋白原(FIB)、急性生理学与慢性健康状况评分Ⅱ(APACHEⅡ)与急性胰腺炎严重程度床边指数(BISAP)为早期预判MSAP或者SAP的独立预测因素,因此,该研究共筛选到3项预测指标,即FIB、BISAP和APACHEⅡ.采用上述预测因子构建列线图模型,在训练集数据中,列线图、FIB、APACHEⅡ和BISAP的ROC曲线的AUC分别为0.900、0.720、0.829和0.862,表明该模型在训练集数据中区分度较高;列线图Hoslem.test检验的P=0.2979,且校正曲线的Brier评分为0.102,表明该模型训练集数据的准确性较高;相比于APACHEⅡ,BISAP、FIB和列线图模型在DCA中具有更宽的阈值范围,表明该模型有较高的临床应用价值.在验证集数据中,该模型的ROC曲线AUC为0.867,校正曲线的Brier评分为0.108,表明该模型在验证集中也表现了较好的区分度与准确性.结论 相比于BISAP、APACHEⅡ和FIB,此研究创建的列线图模型在早期预判MSAP或SAP方面展现了更高的临床价值,可为临床医师在病程早期识别高风险急性胰腺炎病人提供参考.

急性胰腺炎;急性胰腺炎严重程度;列线图;纤维蛋白原

赵传兵;陶京

武汉大学人民医院胰腺外科,湖北武汉430060

腹部外科

[1]赵传兵;陶京-.早期预判急性胰腺炎严重程度的预测模型建立与验证)[J].腹部外科,2022(05):325-331

MSAP+SAP,cart,CBCg,rps,Hoslem

急性胰腺炎严重程度,建立与验证,开发与验证,中重症急性胰腺炎,mild,severe,acute,pancreatitis,临床预测模型,列线图模型,武汉大学,病情严重程度,轻症,R4,安装包,训练集,验证集,单变量分析,数据应用,预测因子,rms,受试者工作特征,区分度,test,决策曲线分析,临床应用价值,数据验证,验证模型,可比性,纤维蛋白原,FIB,急性生理学与慢性健康状况评分,APACHE,床边,BISAP,预测因素,预测指标,中区,校正曲线,Brier,模型训练,DCA,阈值范围,临床价值,临床医师,早期识别

0.202711