[目的]构建基于逻辑回归和XGBoost算法的全膝关节置换术(total knee arthroplasty,TKA)围手术期深静脉血栓形成风险(deep vein thrombosis,DVT)的预测模型.[方法]回顾性分析2017年12月—2021年10月于安徽医科大学附属安徽省立医院骨科接受TKA手术治疗的3 711例患者的临床资料,构建逻辑回归和XGBoost算法预测模型,筛选围手术期出现DVT的预测因素,并比较两者的预测效能.[结果]3 711例患者中,TKA术后共有889例患者发生DVT,总发病率23.96％.单项因素比较表明,与非DVT组相比,DVT组年龄显著更大(P＜0.05),低分子肝素和X因子抑制剂使用的比率显著更高(P＜0.05),术后6 h早期抗凝比率显著更低(P＜0.05)、术前准备时间显著更短(P＜0.05)、术后住院时间显著更长(P＜0.05),手术时间显著更长(P＜0.05),术前D-二聚体含量显著更高(P＜0.05),术前凝血酶原活动度更低(P＜0.05)、术后血磷含量更高(P＜0.05)、术后尿素氮肌酐比值更高(P＜0.05),差异均有统计学意义.逻辑回归表明:术后尿素氮肌酐比值升高(OR=1.576,P＜0.05)、术后住院时间长(OR=1.393,P＜0.05)、高龄(OR=1.214,P＜0.05)、术后血磷升高(OR=1.160,P=0.05)、术前D-二聚体升高(OR=1.058,P=0.05)是发生DVT的危险因素.XGBoost模型显示年龄、术后住院时间、术后D-二聚体水平、血清尿素氮/肌酐比值、使用低分子肝素是重要的特征向量.两种预测模型ROC分析的AUC分别为0.709和0.840.[结论]XGBoost模型对于TKA围手术期DVT事件具有良好的预测能力,患者年龄、术后住院时间、术后D-二聚体含量、血清尿素氮/肌酐比值、使用低分子肝素是潜在的重要预测指标.

全膝关节置换术;深静脉血栓;预测模型;极端梯度提升;逻辑回归

安徽医科大学附属安徽省立医院骨科,安徽合肥230001;中国科学技术大学附属第一医院骨科,安徽合肥230001;安徽医科大学第一附属医院骨科,安徽合肥230022

[1]徐泽;张贤祚;张林林;黄威;周伟;朱晨;尹宗生-.全膝关节置换术后深静脉血栓预测模型的建立)[J].中国矫形外科杂志,2022(23):2123-2128

全膝关节置换术,术后深静脉血栓,逻辑回归,XGBoost,total,knee,arthroplasty,TKA,围手术期,深静脉血栓形成,成风,deep,vein,thrombosis,DVT,安徽医科大学,安徽省立医院,骨科,构建逻辑,算法预测,预测因素,预测效能,低分子肝素,抗凝,术前准备,术后住院时间,手术时间,二聚体,凝血酶原活动度,血磷,磷含量,肌酐,血清尿素氮,特征向量,预测能力,患者年龄,预测指标,极端梯度提升

0.216359