您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览53 | 下载18

目的 构建原发性脑出血患者脑微出血(CMBs)发生风险预测列线图模型,并验证其有效性.方法 选取2018年6月至2021年6月淮安市第二人民医院收治的原发性脑出血患者140例为研究对象,根据是否发生CMBs将其分为CMBs组(46例)和无CMBs组(94例).收集患者临床资料,采用多因素Logistic回归分析探讨原发性脑出血患者发生CMBs的影响因素;基于多因素Logistic回归分析结果,采用R 3.6.3软件及rms程序包构建原发性脑出血患者CMBs发生风险预测列线图模型;绘制ROC曲线以评估该列线图模型预测原发性脑出血患者发生CMBs的区分度;采用Hosmer-Lemeshow拟合优度检验评估该列线图模型预测原发性脑出血患者发生CMBs的一致性.结果 CMBs组年龄大于无CMBs组,有高血压史、脑出血史者占比及超敏C反应蛋白(hs-CRP)、白蛋白高于无CMBs组(P<0.05).多因素Logistic回归分析结果显示,年龄、高血压史、脑出血史、hs-CRP、白蛋白是原发性脑出血患者发生CMBs的影响因素(P<0.05).基于多因素Logistic回归分析结果,将年龄、高血压史、脑出血史、hs-CRP、白蛋白引入R 3.6.3软件,建立原发性脑出血患者CMBs发生风险预测列线图模型.ROC曲线分析结果显示,该列线图模型预测原发性脑出血患者发生CMBs的曲线下面积为0.798〔95%CI(0.717,0.879)〕.Hosmer-Lemes

作者:王君;周莉莉;罗书引

来源:实用心脑肺血管病杂志 2022 年 30卷 9期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:53 | 下载:18
作者:
王君;周莉莉;罗书引
来源:
实用心脑肺血管病杂志 2022 年 30卷 9期
标签:
脑出血 原发性脑出血 脑微出血 危险因素 列线图模型
目的 构建原发性脑出血患者脑微出血(CMBs)发生风险预测列线图模型,并验证其有效性.方法 选取2018年6月至2021年6月淮安市第二人民医院收治的原发性脑出血患者140例为研究对象,根据是否发生CMBs将其分为CMBs组(46例)和无CMBs组(94例).收集患者临床资料,采用多因素Logistic回归分析探讨原发性脑出血患者发生CMBs的影响因素;基于多因素Logistic回归分析结果,采用R 3.6.3软件及rms程序包构建原发性脑出血患者CMBs发生风险预测列线图模型;绘制ROC曲线以评估该列线图模型预测原发性脑出血患者发生CMBs的区分度;采用Hosmer-Lemeshow拟合优度检验评估该列线图模型预测原发性脑出血患者发生CMBs的一致性.结果 CMBs组年龄大于无CMBs组,有高血压史、脑出血史者占比及超敏C反应蛋白(hs-CRP)、白蛋白高于无CMBs组(P<0.05).多因素Logistic回归分析结果显示,年龄、高血压史、脑出血史、hs-CRP、白蛋白是原发性脑出血患者发生CMBs的影响因素(P<0.05).基于多因素Logistic回归分析结果,将年龄、高血压史、脑出血史、hs-CRP、白蛋白引入R 3.6.3软件,建立原发性脑出血患者CMBs发生风险预测列线图模型.ROC曲线分析结果显示,该列线图模型预测原发性脑出血患者发生CMBs的曲线下面积为0.798〔95%CI(0.717,0.879)〕.Hosmer-Lemes