Page 129 - 南京医科大学学报自然科学版
P. 129

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               ·1395 ·


                数为 22.89 kg/m ，中位数为 25.26 kg/m ，所以超过一             据所涵盖的指标均为医院中检测的常用指标，检测
                              2
                                                  2
                半的样本偏重。                                           患者量较多，相比其他量表较易于得到，因而模型
                    非参数检验结果可以看出，就人口统计学指标                          适用范围较广。②更好地适用于住院患者。虽然
                来说，乳腺癌 VTE 患者与非 VTE 患者在年龄、BMI                     VTE 患者在年龄、BMI 等特征上与大众群体有较大
                这两个变量上的差异均不显著，在体重上有显著性                            差异（VTE 患者多为中老年、体重较重人群），但医
                差异。已有相关研究证明年龄、BMI 是晚期乳腺癌                          院住院患者本身即存在年龄较大、较重等特征，因
                患者化疗后发生 DVT 的危险因素             ［14-15］ ，而本文分析      此不应将年龄、BMI 等特征作为医院内 VTE 风险预
                结果显示 VTE 患者和非 VTE 患者在这些指标间并                       测的重要依据，这与本文提出的模型结论一致。③
                无差异。究其原因，可能是由于本研究的样本选择                            预测模型的效果较好。本文认为乳腺癌患者发生
                偏差造成的：虽然所选取的研究样本年龄范围分布                            VTE 的重要风险因素有手术史和相关血液指标等，

                较广，但主要人群仍以中年人为主，这就使得 VTE                          这与主流研究的观点相一致，而且模型预测准确率
                组和非VTE组间的年龄差距不大，从而导致分析结                           较高，对辅助临床医生诊断等有积极作用。
                果不显著。而从BMI 的中位数可以看出，样本人群
                                                                 ［参考文献］
                普遍偏重，因此，BMI的分析结果也不显著。就病史
                相关指标来说，本文只统计了是否患糖尿病、是否                           ［1］ POSCH F，RIEDL J，REITTER E M，et al. Hypercoagula⁃
                                                                       bilty，venous thromboembolism，and death in patients
                有手术史这两个指标。其中是否患糖尿病这一指
                                                                       with cancer：a multi ⁃ state model［J］. Thromb Haemost，
                标在两组间并无显著性差异，而是否有手术史在
                                                                       2016，115（4）：817-826
                VTE 组和非 VTE 组间具有显著性差异。乳腺癌
                                                                 ［2］ KENMOTSU H，NOTSU A，MORI K，et al. Cumulative in⁃
                VTE患者与非VTE患者在血液指标方面（血小板计
                                                                       cidence of venous thromboembolism in patients with ad⁃
                数除外）的差异均有统计学意义（P＜0.001），与已有                            vanced cancer in prospective observational study［J］. Can⁃
                研究的部分结果一致         ［11，16］ 。这一方面说明血液检验                  cer Med，2021，10（3）：895-904
                非常重要，想要区别 VTE 患者和非 VTE 患者，最好                     ［3］ KHAN U T，WALKER A J，BAIG S，et al. Venous throm⁃
                的方式就是查看患者 VTE 相关血液指标是否正                                boembolism and mortality in breast cancer：cohort study
                常。另一方面也说明血小板计数在区别 VTE 和非                               with systematic review and meta⁃analysis［J］. BMC Can⁃
                VTE 患者中的作用不大，可以不用作为风险预测模                               cer，2017，17（1）：747
                                                                 ［4］ 雷海科，李小升，龙         波，等. 恶性肿瘤合并静脉血栓栓
                型的主要风险因素。
                                                                       塞症患者的临床特点分析［J］. 肿瘤防治研究，2020，47
                    Logistic 回归模型最终筛选出的危险因素有
                                                                      （4）：256-261
                5 个 。 其中，变量系数的显著性结果检验值小于
                                                                 ［5］ AY C，PABINGER I，COHEN A T. Cancer⁃associated ve⁃
                0.05 说明对应自变量的系数具有统计意义，对因变
                                                                       nous thromboembolism：burden，mechanisms，and man⁃
                量（是否患有 VTE）不同分类水平的变化有显著影                               agement［J］. Thromb Haemost，2017，117（2）：219-230
                响。需要注意的是，虽然是否有手术史这一变量的                           ［6］ CAPRINI J A. Thrombosis risk assessment as a guide to
                系数检验结果并不显著，但它仍然被纳入了最终的                                 quality patient care［J］. Dis Mon，2005，51（2/3）：70-78
                回归模型中，说明该变量对于模型的极大似然函数                           ［7］ BARBAR S，NOVENTA F，ROSSETTO V，et al. A risk as⁃
                值有贡献，对提升模型整体的预测精度有影响，因                                 sessment model for the identification of hospitalized medi⁃
                此仍然应该被考虑作为风险因素之一被纳入到预                                  cal patients at risk for venous thromboembolism：the padua
                测模型中去。                                                 prediction score［J］. J Thromb Haemost，2010，8（11）：
                    本文基于可得数据对于乳腺癌患者可能的                                 2450-2457
                                                                 ［8］ AUTAR R. Nursing assessment of clients at risk of deep
                VTE风险因素进行了识别，并利用Logistic回归构建
                                                                       vein thrombosis（DVT）：the Autar DVT scale［J］. J Adv
                了乳腺癌患者VTE风险预测模型。研究结果表明，
                                                                       Nurs，1996，23（4）：763-770
                是否有手术史、D⁃二聚体水平、脂蛋白、血浆蛋白 C
                                                                 ［9］ WELLS P S，ANDERSON D R，RODGER M，et al. Evalu⁃
                活性、C⁃反应蛋白是乳腺癌患者发生VTE的重要风
                                                                       ation of D⁃dimer in the diagnosis of suspected deep⁃vein
                险因素，基于这些风险因素构建 Logistic 回归模型，                          thrombosis［J］. N Engl J Med，2003，349（13）：1227-
                十折交叉验证的平均预测准确率为 75.36%。本文                              1235
                的优点主要有：①切合实际情况。本文所用研究数                                                          （下转第1424页）
   124   125   126   127   128   129   130   131   132   133   134