目的 筛选临床上易于获得的变量构建烟雾病(MMD)与非MMD缺血性卒中的鉴别诊断模型.方法 纳入确诊为MMD缺血性卒中患者150例和非MMD缺血性卒中患者150例,按照7∶3的比例分为训练组(210例)和验证组(90例).利用Logistic回归分析、Lasso回归、支持向量机(SVM)构建诊断模型;通过列线图将最优模型可视化,并分别在训练组和验证组中检验列线图的鉴别能力.结果 二分类Logistic回归模型在训练组和验证组中C统计量最大(0.87和0.88).多因素Logistic回归分析差异有统计学意义(P<0.05)的变量为收缩压、总胆固醇(TC)、白蛋白(ALB)、游离三碘甲腺原氨酸(FT3)、同型半胱氨酸(HCY)、年龄,将这6个变量纳入列线图.列线图在训练组和验证组的Hosmer-Lemeshow检验P值分别为0.28、0.19,校正曲线校正度良好.列线图评分<168分为MMD缺血性卒中低风险,列线图评分≥168分为MMD缺血性卒中高风险.结论 本研究构建的列线图可鉴别MMD和非MMD缺血性卒中,经过验证该模型在训练组和验证组中均有良好的鉴别能力.
作者:滕勇士;代淑华;刘慧勤;秦灵芝;薛红飞;徐佳佳;李玮
来源:实用临床医药杂志 2023 年 27卷 8期