Page 114 - 南京医科大学自然版
P. 114
第46卷第8期
·1220 · 南 京 医 科 大 学 学 报 2026年8月
累积记录的累积空气比释动能进行量化，辐射防护 子评估变量间的多重共线性。为检验结果的稳健
相关要求参照国家职业卫生标准执行 ［15-16］ 。候选影 性，采用完整案例分析处理缺失数据后，重新拟合
响因素基于临床易用性、临床指南或共识及既往研 上述多因素线性回归模型作为敏感性分析。分别
究证据进行预先设定，主要包括人口学特征、基础 在训练集与测试集中评估模型的预测性能，主要
疾病及用药史、实验室检查指标、心电图参数、超声 评价指标包括均方根误差（root mean square error，
心动图参数、冠状动脉病变特征以及介入相关参数 RMSE）、平均绝对误差（mean absolute error，MAE）、
（如手术时间和透视时间）。 决定系数（coefficient of determination，R ），并绘制校
2
1.3 统计学方法 准曲线。P < 0.05为差异有统计学意义。
统计分析采用 R 语言（版本 4.5.1）软件完成。
2 结 果
缺失数据通过多重插补进行处理。采用 Shapiro⁃
Wilks 检验判断连续变量的正态性。正态分布的连 2.1 研究对象及基线特征
续变量以均数±标准差（x ± s）表示，组间比较采用 t 本研究共筛查299例行CAG及PCI的阻塞性冠
检验；非正态分布的连续变量以中位数（四分位数） 心病患者，排除6例（其中5例不符合纳入标准，1例
［M（P25，P75）］表示，组间比较采用 Mann⁃Whitney U 拒绝 PCI），最终纳入 293 例阻塞性冠心病患者。按
检验；分类变量以频数（百分比）［n（%）］表示，组间 照 7∶3 的比例随机分配至训练集 208 例和测试集
比较采用χ 检验。预测模型的构建在训练集中完 85 例（图 1）。两组患者的人口学特征、实验室检查
2
成。为实现数据降维和避免过拟合，首先采用随机 指标、心电图参数、超声心动图参数及介入相关参
森林算法对候选变量进行重要性评估并完成初步 数等基线资料见表 1。结果显示，两组患者的上述
筛选，随后结合单因素线性回归、最优子集回归和 基线特征具有可比性，其中手术时间、透视时间及
LASSO 回归等方法进一步筛选变量，并分别采用逐 辐射剂量等关键指标在两组间差异均无统计学意
步向后法构建最终的预测模型。采用方差膨胀因 义（P均>0.05）。
299 patients underwent screening
6 patients were excluded：
Did not meet eligibility criteria（5）
Refused PCI（1）
293 patients with CAD included
208 were assigned to training set 85 were assigned to testing set
Candidate predictors of radiation dose
Random forest
variable importance analysis
Top 12 variables
Potential predictors
Univariate linear regression Best subset regression LASSO regression
P < 0.05
Backward stepwise regression
Final prediction model
for radiation dose
图1 研究对象筛选及辐射剂量预测模型构建流程图
Figure 1 Flowchart of patient selection and development of the radiation dose prediction model
