Page 96 - 《南京医科大学学报》2026年第1期

第46卷第1期
· 90 · 南 京 医 科 大 学 学 报 2026年1月

自 Meta 分析筛选结果。在模型构建变量筛选方法 究显示轻型 TBI 的癫痫发生率是普通人群的 2 倍，
上，本研究创新性地采用Meta分析结合临床因素的 而重型 TBI 则高达 7 倍 ［32］ 。TBI 的严重程度可通过
筛选标准，来确定纳入 Logistic 回归模型的变量，而 GCS来衡量。国内学者通过回顾性分析发现GCS评
非传统的逐步回归、LASSO、弹性网络等经典方法。 分（OR=29.081，95%CI：3.125~270.614，P=0.003）和
PTE 发生风险与损伤严重程度密切相关，前述 血清乳酸是儿童重型颅脑损伤预后的独立危险因
Meta 分析证实，儿童严重 TBI 显著增加 PTE 风险 素 。虽然在本研究GCS评分的合并效应量没有统
［33］
（OR=1.81，95% CI =1.23~2.67，P <0.001） ，另有研 计学意义（OR=1.466，95%CI：0.977~2.199，P=0.065），
［31］
A B
1.0 1.0
0.162（0.612，0.932）
0.8 0.8
0.283（0.845，0.714）
Sensitivity 0.4 Sensitivity 0.4
0.6
0.6

AUC：0.800 AUC：0.830
0.2 0.2

0 0
1.0 0.8 0.6 0.4 0.2 0 1.0 0.8 0.6 0.4 0.2 0
Specificity Specificity
A：ROC curve of the prediction model in the traning cohort. B：ROC curve of the prediction model in the internal validation cohort.
图3 风险预测模型预测TBI儿童发生PTE的ROC曲线
Figure 3 ROC curve of the prognostic model for PTE in children with TBI

A B
Training 0.8 Test
0.8
Net benefit 0.4 None Net Benefit 0.4 None
All
All
0 0
.0 0.2 0.4 0.6 0.8 1.0 .0 0.2 0.4 0.6 0.8 1.0
High risk threshold High risk threshold
A：DCA of the prediction model in the training cohort. B：DCA of the prediction model in the validation cohort. All：scenario where all samples are
considered positive（intervention for all），with net benefit represented by a negative⁃slope line；None：scenario where no samples were intervened（inter⁃
vention for none），yielding a net benefit of 0.
图4 风险预测模型预测TBI儿童发生PTE的DCA曲线
Figure 4 DCA curves of the prognostic model for forecasting PTE in children with TBI

A 0.8 Hosmer⁃Lemeshow P=0.079 B 0.8 Hosmer⁃Lemeshow P=0.082
Observed probability 0.4 Ideal Observed probability 0.4 Ideal

Bias⁃corrected
Bias⁃corrected
0
0.8
0 0.2 0.4 0.6 Apparent 1.0 0 0 0.2 0.4 0.6 Apparent 1.0
0.8
Predicted probability Predicted probability
B=500 repetitions，boot Mean absolute error=0.054（n=183） B=500 repetitions，boot Mean absolute error=0.042（n=79）
A：Calibration curve of the prediction model in the training cohort. B：Calibration curve of the prediction model in the internal validation cohort. Ap⁃
parent：apparent calibration（unadjusted）；Bias⁃corrected：bias⁃corrected calibration after adjustment；Ideal：reference line of perfect calibration.
图5 风险预测模型预测TBI儿童发生PTE的校准曲线
Figure 5 Calibration curve analysis of the prognostic model for forecasting PTE probability in TBI children