Page 108 - 南京医科大学自然版
P. 108

第45卷第6期
               ·846 ·                            南 京    医 科 大 学 学         报                        2025年6月


              进行电话随访，收集全因死亡、mRS 评分及用药情                          全因死亡 83 例（训练集 48 例，测试集 35 例），死亡
              况，主要研究终点为2年内全因死亡。                                 率为 37.2%。入院时有 85.2%的患者 NT⁃proBNP>
              1.3  统计学方法                                        125 pg/mL，47.4%的患者 hs⁃cTnT≥14 ng/L。表 1 展
              1.3.1 数据预处理与统计描述                                  示了两组患者的基线特征，包括既往病史、用药史、
                  本研究采用随机森林插补法对缺失变量进行                           卒中严重程度、入院实验室指标及影像学指标等，
              处理，并进行异常值识别与逻辑性校验，以减少偏                            组间差异均无统计学意义。
              倚。采用年龄和术后 NIHSS 评分分层随机法将患                         2.2  Cox回归及预测模型的建立
              者以3∶2的比例分配到训练集和测试集中。基线特                                为 满 足 Cox 比 例 风 险 模 型 的 线 性 假 设 ，对
              征的描述性统计中，连续变量经 Shapiro⁃Wilks 检验                   hs⁃cTnT 取自然对数［ln（hs⁃cTnT）］后纳入分析。单
              确定正态性后，采用均值±标准差（x ± s）或中位数                        因素 Cox 回归显示，以下因素与 2 年全因死亡风险
             （四分位数）［M（P25，P75）］表示，分类变量以频数（百                     显著相关：年龄、卒中前 mRS 评分、既往病史（冠心
              分比）表示。组间比较根据变量类型选择 t 检验、                          病、房颤、心衰、卒中及全身动脉栓塞、慢性肾病）、
              Kruskal⁃Wallis检验、卡方检验或Fisher确切概率法。                基线指标（术后NIHSS 评分、随机血糖、天门冬氨酸
              1.3.2 变量的筛选与建模                                    氨基转移酶、总胆固醇、低密度脂蛋白胆固醇、估算肾
                  首先采用 Cox 比例风险模型进行单因素分析，                       小球滤过率、血红蛋白、白细胞计数、凝血酶原时间、
              筛选出与研究终点显著相关的变量（P < 0.05），因属                      国际标准化比值、D⁃二聚体）。经LASSO回归筛选，
              探索性研究，未进行 Bonferroni 校正。随后，将 P <                  最终以下变量纳入基础模型：既往房颤、术后NIHSS
              0.05 的变量（不包含 hs⁃cTnT 和 NT⁃proBNP）纳入最              评分、基线血红蛋白、白细胞计数及随机血糖（表2）。
              小绝对值收敛和选择算子算法（least absolute shrink⁃                   基础模型多因素 Cox 分析结果显示，既往房颤
              age and selection operator，LASSO）回归进一步筛选，        （HR=2.35，95%CI：1.32~4.16，P=0.003）、术后NIHSS
              通过 10 折交叉验证确定最优惩罚参数λ，选择最小                         评分（HR=1.06，95%CI：1.03~1.09，P < 0.001）、血红
              均方误差对应的模型及其变量。最终筛选出的变                             蛋白（每增加 10 g/L，HR=0.78，95%CI：0.69~0.89，
              量重新纳入Cox回归模型，构建3种预测模型：①基                          P < 0.001）、白细胞计数（HR=1.12，95%CI：1.04~
              础模型；②模型 1：基础模型+NT⁃proBNP；③模型 2：                   1.21，P=0.004）、随机血糖（HR=1.12，95%CI：1.02~
              基础模型+hs⁃cTnT。通过似然比检验评估模型的拟                        1.24，P=0.015）为独立危险因素。基础模型的C⁃index
              合优度和预测性能。                                         为训练集 0.789、测试集 0.762。在基础模型中加入
              1.3.3 模型的验证与应用                                    NT⁃proBNP得到模型1，NT⁃proBNP每升高1 000 pg/mL
                  训练集采用 5 折交叉验证，测试集通过 Boot⁃                     死亡风险增加 27%（HR=1.27，95%CI：1.15~1.40，
              strap法进行验证。通过C⁃统计量（C⁃index）、受试者                   P < 0.001），C⁃index 提升至 0.835（训练集）和 0.784
              工作特征（receiver operating characteristic，ROC）曲     （测试集），模型拟合优度显著改善（基础模型似然
              线、ROC 曲线下面积（area under the curve，AUC）、校           比-197.37，模型 1 似然比-189.63，P < 0.001）。将
              准曲线及Brier评分评估模型的区分度、校准性及总                         ln（hs⁃cTnT）纳入基础模型生成模型 2，ln（hs⁃cTnT）
              体预测性能。C⁃index差异采用Z检验评估，AUC差                       与死亡风险无显著关联（HR=1.11，95%CI：0.89~
              异采用DeLong检验。绘制列线图以可视化变量权重                         1.38，P=0.372），C⁃index 为 0.781（训练集）、0.775（测
              及总评分。根据预测的2年死亡风险，将患者分为低                           试集），拟合优度与基础模型差异无统计学意义（基
             （<10%）、中（10%~20%）、高（>20%）风险组          ［14-15］ ，并绘  础模型似然比-197.37，模型 2 似然比-196.98，P=
              制 Kaplan⁃Meier 曲线，采用 Log⁃rank 检验评估风险              0.381）。经 Z 检验，各模型之间 C⁃index 差异无统计

              分层效果。所有分析及图表均使用 R 软件（4.2.1                        学意义。
              版）完成，P < 0.05为差异有统计学意义。                           2.3  预测模型的效能评价
                                                                     图1A和1B分别展示训练集和测试集2年全因
              2  结 果
                                                                死亡风险预测模型的ROC曲线。训练集中，基础模
              2.1  人口学特征                                        型、模型1、模型2的AUC分别为0.816、0.866、0.811；
                  本研究共纳入 230 例 AIS 患者，年龄（67.6±                  测试集中AUC分别为0.778、0.799、0.788。经DeLong
              13.7）岁，男 63%。随访 669（111~744）d，2 年内发生              检验，各模型之间的AUC差异均未达到统计学显著
   103   104   105   106   107   108   109   110   111   112   113