Page 127 - 南京医科大学学报自然科学版

第41卷第9期 任晓佳，刘俊卿，耿晓晴，等. 基于可得数据的乳腺癌患者静脉血栓栓塞症风险因素识别及
2021年9月 预测模型构建［J］. 南京医科大学学报（自然科学版），2021，41（09）：1392-1395，1424 ·1393 ·

差异，并在此基础上进一步构建了针对乳腺癌患者 测模型构建提供依据。首先，对10个指标中的连续
的VTE风险预测模型。 数值型指标进行正态性检验，结果显示被检验指标
均不服从正态分布，不满足参数检验的条件，也不
1 资料和方法
宜采用均值、方差等描述。因此，从中位数（四分位
1.1 资料 数）、正常值区间两个角度描述各指标（表1）。采用
选取 2017—2020 年天津医科大学肿瘤医院部 同时适用于非正态分布变量及二分类变量的非参
分住院患者共计 548 例，其中包含确诊乳腺癌并同 数检验（曼⁃惠特尼 U 检验）方法比较各指标在 VTE
时确诊VTE的VTE患者274例，确诊乳腺癌且未确诊 患者与非 VTE 患者间是否具有显著性差异。将各
VTE的非VTE患者274例。所有患者的数据均经过 指标按照正常值百分比由低到高排序，依次为：BMI
脱敏处理。 （46.72%）、脂 蛋 白（54.56%）、D ⁃ 二 聚 体 水 平
由于患者每次住院并不一定会检查所有的相 （62.59%）、血小板计数（88.32%）、血浆蛋白 C 活性
关检验项目，因此，实际情况中想要获取某一位患 （93.25%）、C⁃反应蛋白（95.44%）。VTE 组及非 VTE
者的所有相关指标几乎不可能。经过前期复杂的数 组各指标比较见表2。体重、是否有手术史、D⁃二聚
据预处理工作，可以提取出以下3个方面共计10个可 体水平、脂蛋白、血浆蛋白 C 活性、C⁃反应蛋白指标
得指标。包括人口统计学指标：年龄、体重、体重指 在 VTE 和非 VTE 患者间差异有统计学意义（P＜
数（body mass index，BMI）；病史：是否患糖尿病、是 0.05，表2）。
否有手术史；血液指标：D⁃二聚体水平、脂蛋白、血
浆蛋白C活性、血小板计数、C⁃反应蛋白。其中是否 表1 各指标描述性统计结果及正常值区间
患糖尿病、是否有手术史为序数变量，1代表否，2代 （n=548）
指标 数值［M（P25，P75 ）］ 正常值区间
表是。其余变量为连续数值型变量，其值代表该变
年龄（岁） 056.00（49.00，64.00） —
量的具体数值。本研究中所用到的数据已经全部
体重（kg） 065.00（60.00，70.00） —
经过脱敏处理，形成无法辨认身份的实验数据。同
BMI（kg/m） 025.26（22.89，26.56） 18.5~＜25.0
2
时，本研究对实验数据进行了严格保密，不会用于 D⁃二聚体水平（ng/mL）399.85（260.15，699.38） 0~500
研究外的其他用途。 脂蛋白（nmol/L） 068.00（30.25，195.75） 0~75
1.2 方法 血浆蛋白C活性（%） 109.90（98.03，125.18） 70~140
阅读分析现有文献，总结出可能影响乳腺癌患 血小板计数（×10 /L） 246.50（206.25，289.00） 125~350
9
者是否患VTE的指标集合，并与目前医院信息系统 C⁃反应蛋白（mg/L） 003.00（1.50，5.82） 0~10
中的可得指标取并集，得到10个相关风险指标。采
用 SPSS 19.0 统计软件进行数据分析。描述性统计 2.2 乳腺癌患者VTE风险预测模型构建
分析给出样本的中位数（四分位数）［M（P25，P75 ）］、 基于提取出的 10 个可得指标，利用 Logistic 回
正常值区间。采用非参数检验（曼⁃惠特尼 U 检验） 归构建VTE风险预测模型。一方面，利用模型拟合
探索乳腺癌 VTE 患者和非 VTE 患者在各指标方面 系数的显著性检验进一步验证上述关于乳腺癌患
是否有显著性差异，P＜0.05 为差异具有统计学意 者 VTE 风险因素识别结果，另一方面，也可以利用
义。采用Logistic回归方法，以548例样本中的500例 Logistic 回归模型良好的预测功能来对乳腺癌患者
作为训练集，构建乳腺癌患者VTE风险预测模型，并 罹患VTE的风险进行预测，从而更好地协助医生从
用剩余的 48 例样本组成的测试集测试模型的预测 乳腺癌患者中尽快识别潜在的VTE风险个体，完善
能力。同时，结合曼⁃惠特尼U检验得到的指标显著 患者的诊治过程。
性结果进行校验和讨论。 采用 SPSS 19.0 统计软件对 500 个样本组成的
训练集数据进行Logistic回归分析，并选择前向逐步
2 结 果
回归进行变量筛选。表 3 显示了 Baseline 模型的预
2.1 乳腺癌患者VTE风险因素识别 测结果。Baseline 拟合的是不包含任何自变量只有
对现有可得指标中可能的 VTE 风险因素进行 常数项的无效模型。在 Baseline 模型中，总预测准
识别，探索乳腺癌VTE患者与非VTE患者在这10个 确率为50.6%。
指标方面是否具有显著性差异，从而为进一步的预 表4显示了尚未纳入模型方程的变量及其比分