检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
机构地区:[1]南京医科大学第一附属医院江苏省人民医院肾脏内科,南京210029 [2]南京市浦口人民医院江苏省人民医院浦口分院肾脏内科
出 处:《山东医药》2023年第14期65-68,共4页Shandong Medical Journal
摘 要:目的构建维持性血液透析患者并发心脏瓣膜钙化的预测模型,并验证其预测效果。方法对129例维持性血液透析患者行心脏二维超声检查,观察是否发生心脏瓣膜钙化。比较发生瓣膜钙化与未发生瓣膜钙化患者的临床资料,包括性别、年龄、体质量指数、血压、血常规、生化常规、C反应蛋白、甲状旁腺激素,将二者存在差异的变量纳入多因素Logistic回归模型分析,筛选维持性血液透析患者并发心脏瓣膜钙化的影响因素。按照7∶3的比例随机将129例患者分为训练集90例和内部测试集39例,训练集用于构建基于Logistic回归的预测模型,并以列线图的方法可视化呈现,内部测试集用于验证模型的预测效果。收集同期60例行维持性血液透析的住院患者作为外部测试集,用于验证模型的预测效果。结果并发心脏瓣膜钙化患者的年龄、合并糖尿病比例、收缩压高于未并发心脏瓣膜钙化患者,白蛋白水平低于未并发心脏瓣膜钙化患者(P均<0.05)。Logistic回归分析结果显示,年龄(OR=1.11,95%CI为1.06~1.17)、糖尿病(OR=2.79,95%CI为1.03~7.91)、钙磷乘积(OR=1.76,95%CI为1.13~2.85)是血液透析患者并发心脏瓣膜钙化的独立危险因素。构建的预测模型在内部测试集中表现出良好的预测效果,受试者工作特征曲线下面积为0.89,灵敏度为0.73,特异度为0.86,阳性预测值为0.83,阴性预测值为0.85。在外部测试集中,受试者工作特征曲线下面积为0.72,灵敏度为0.78,特异度为0.68,阳性预测值为0.66,阴性预测值为0.79。结论成功构建了用于评估维持性血液透析患者并发心脏瓣膜钙化风险的列线图预测模型,该模型有助于临床筛查高风险患者。
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.15