Page 52 - 南京医科大学学报自然科学版
P. 52
第42卷第11期
·1544 · 南 京 医 科 大 学 学 报 2022年11月
AUC ⁃ NGAL:0.66(95% CI:0.57~0.75),AUC ⁃ LVEF:0.69 0.87(95%CI:0.82~0.93),均显示出列线图模型有更
(95%CI:0.61~0.77),AUC ⁃ 肌 酐 :0.81(95%CI:0.75~ 好的预测效能。
0.88),AUC ⁃ Artery:0.70(95%CI:0.62~0.76),AUC ⁃ Model: 将 PCI 术后 6、12、24 个月列线图的预测风险与
0.87(95%CI:0.82~0.93)。在 PCI 术后 6、12、24 个月 实际 MACE 发生率进行比较,列线图预测的早发
时,列线图模型的 AUC 均高于单个危险因素的 STEMI患者出院后发生MACE事件的实际曲线均接
AUC,且在 6、12、24 个月时,列线图模型的 AUC 为 近理想曲线(图4),模型预测的校准度令人满意。
0.95(95%CI:0.89~1.00)、0.94(95%CI:0.80~0.99)、 在终点时间为 24 个月的早发 STEMI 患者队列
A B C
1.0 1.0 1.0
0.8 0.8 0.8
灵敏度 0.6 灵敏度 0.6 灵敏度 0.6
0.4
AUCTIME 0.4 AUCTIME 0.4 AUCTIME
AUCNGAL AUCNGAL AUCNGAL
0.2 AUCLVEF 0.2 AUCLVEF 0.2 AUCLVEF
AUC 肌酐 AUC 肌酐 AUC 肌酐
AUCArtery AUCArtery AUCArtery
0 AUCMode 0 AUCModel 0 AUCModel
0 0.2 0.4 0.6 0.8 1.0 0 0.2 0.4 0.6 0.8 1.0 0 0.2 0.4 0.6 0.8 1.0
1-特异度 1-特异度 1-特异度
A:6个月各个指标的ROC曲线;B:12个月各个指标的ROC曲线;C:24个月各个指标的ROC曲线。
图3 ROC曲线分析不同时间各指标对MACE发生风险的预测效果
Figure 3 ROC curve analysis of the prediction effect of various indicators at different times on the risk of MACE
A 1.0 B 1.0 C 1.0
6个月实际MACE发生可能性 0.9 12个月实际MACE发生可能性 0.8 24个月实际MACE发生可能性 0.8
0.9
0.6
0.8
0.7
0.6
0.4
0.7
0.6
0.4
0.75 0.80 0.85 0.90 0.95 1.00 0.5 0.5 0.6 0.7 0.8 0.9 1.0 0.2 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
6个月列线图预测MACE发生可能性 12个月列线图预测MACE发生可能性 24个月列线图预测MACE发生可能性
A:6个月的校准曲线;B:12个月的校准曲线;C:24个月的校准曲线。
图4 不同时间列线图模型的校准曲线分析
Figure 4 Calibration curve analysis of nomograph models at different times
中,通过列线图计算总预后评分,以列线图模型 Score 均<0.25,表明经过加强 Bootstrap 验证的列线
ROC 曲线的最佳 cutoff 值 374.12 为界值,分为低风 图模型的区分能力与校准能力均较好。Hosmer⁃
险组(评分<374.12)和高风险组(评分≥374.12)。两 Lemeshow 检验结果为χ =5.11,P=0.75,表明列线图
2
组的Kaplan⁃Meier曲线清楚地表明列线图在区分高 预测模型与实际值之间差异无统计学意义。
风险和低风险患者方面稳定(P < 0.001,图5)。
3 讨 论
根据患者出院后 24 个月内 MACE 的发生情况
以及纳入模型的危险因素,对预测模型列线图进行 本研究显示,MACE 组 NGAL、发生 AMI 到梗死
了 DCA 曲线分析(图 6)。在 0.25~1 概率范围内,模 相关动脉开通的时间、肌酐、梗死相关动脉为前降
型表现更好。 支的患者人数高于非MACE组,LVEF低于非MACE
2.6 列线图预测模型的内部验证 组。经过 LASSO 回归筛选的危险因素为 NGAL、发
使用加强 Bootstrap 验证 1 000 次重抽样对构建 生AMI到梗死相关动脉开通的时间、肌酐、LVEF、梗
的模型进行验证(表 3)。C⁃index 均>0.8,Brier 死相关动脉为前降支,经过多因素 Cox 回归分析验