围术期压力性损伤预测变量筛选及回归方法选择实例分析

作者：黄明亮; 曾德兰; 张秋娟; 黄世树; 梁辉

来源：循证护理, 2023, 9(03): 501-504.

• 围术期
• 压力性损伤
• 危险因素
• 逐步回归
• LASSO回归
• 赤池信息准则
• 贝叶斯信息准则

目的:应用逐步回归与LASSO回归对围术期压力性损伤的预测变量进行筛选，根据筛选出的自变量构建围术期压力性损伤预测模型并对模型进行评估和比较。方法:回顾性收集2020年10月—2021年5月在我院住院的手术病人441例，按照围术期是否发生压力性损伤分为发生组(113例)与未发生组(328例),对围术期压力性损伤的11个预测变量(性别、年龄、体质指数、血红蛋白、手术体位、麻醉方式、手术时间、术中出血量、糖尿病史、高血压病史、体温)分别使用逐步回归与LASSO回归进行分析。结果:前向逐步回归筛选出5个变量(性别、血红蛋白、手术时间、术中出血量、手术体位),根据筛选出的变量拟合模型，其模型的赤池信息准则(AIC)=411.82,贝叶斯信息准则(BIC)=440.443,R2=0.243,受试者工作特征曲线(ROC)下面积(AUC)值为0.792,95%置信区间(CI)为(0.740,0.844)。后向及双向逐步回归筛选出了6个相同的变量(性别、血红蛋白、手术时间、术中出血量、手术体位、糖尿病病史),其拟合的模型AIC=403.495,BIC=436.207,R2=0.260,AUC值为0.808,95%CI(0.760,0.856)。LASSO回归分析筛选出的变量有6个(性别、血红蛋白、手术时间、术中出血量、高血压病史、糖尿病病史),其拟合的模型AIC=410.351,BIC=447.153,R2=0.252,AUC值为0.803,95%CI(0.757,0.850)。结论:前向逐步回归筛选出的预测变量最少，后向、双向逐步回归和LASSO回归筛选出的预测变量数量相同。在进行单因素分析时，发现性别差异无统计学意义(P>0.05)。而采用逐步回归与LASSO回归对所有预测变量进行筛选时，性别均纳入了回归模型。因此，在筛选预测变量时，应考虑将全部变量纳入分析，避免可能漏掉重要的危险因素；另外，当多种变量筛选方法得到的危险因素不同时，可通过参考AIC、BIC及R语言Performance程序包绘制模型指数比较图，从而筛选最优模型。

• 单位
  广西中医药大学第一附属医院