急性心肌梗死患者预后不良的影响因素分析及其风险预测列线图模型构建

作者：李国栋^*; 许海斌; 孙启银

来源：中国基层医药, 2023, 30(10).

• 急性心肌梗死
• 预后不良
• 影响因素
• LASSO回归
• Logistic回归
• 列线图模型
• ROC曲线
• 决策曲线

目的探究急性心肌梗死(AMI)患者预后不良的影响因素, 并构建其风险预测列线图模型。方法研究对象为湖州市第一人民医院2018年6月至2021年6月接诊的AMI患者173例, 根据发生心肌梗死6个月后随访结果将其分为预后良好组(n=130)和预后不良组(n=43)。采用回顾性分析研究方法, 比较两组患者临床资料的差异;通过LASSO回归分析初步筛选潜在影响因素;通过logistic回归分析方法探究AMI患者预后不良的影响因素;列线图模型运用R 4.2.6语言"rms"包构建, 并通过绘制受试者工作特征曲线(ROC曲线)、校准曲线、决策曲线评价模型的区分度、校准度及有效性, 模型验证采用Bootstrap法进行内部验证(重复抽样1 000次)。结果两组患者罪犯血管、Killip分级、血管开通时间、肌钙蛋白(cTnI)、高血压史、N末端B型脑钠肽前体(NT-proBNP)、糖尿病史、肌酐、高脂血症史、左室射血分数(LVEF)、吸烟史、肌酸激酶同工酶(CK-MB)比较, 差异均有统计学意义(均P < 0.05)。采用LASSO回归模型筛选出7个潜在的影响因素, 分别为糖尿病史、梗死血管-前降支、Killip Ⅳ级、血管开通时间、cTnI、NT-proBNP、LVEF。logistic回归分析显示, 血管开通时间(OR=0.171, 95%CI:0.053～0.548, P=0.003)、cTnI(OR=0.201, 95%CI:0.079～0.510, P=0.001)、LVEF(OR=1.469, 95%CI:1.167～1.847, P=0.001)、NT-proBNP(OR=0.996, 95%CI:0.993～1.00, P=0.025)是AMI患者预后不良的独立影响因素(均P < 0.05), 线性回归分析提示模型无明显共线性(VIF < 10)。基于logistic回归分析提示的4个影响因素构建AMI患者预后不良风险预测的列线图模型, ROC曲线显示该模型的曲线下面积为0.979[95%CI(0.959, 0.999)], 一致性指数为0.934;模型的校准曲线与理想曲线接近;决策曲线分析提示, 当该模型预测的概率阈值为0.61～0.99时, 模型预测价值较优越。结论 AMI患者预后不良的影响因素有血管开通时间、cTnI、NT-proBNP、LVEF等, 构建的列线图模型对预测AMI患者预后不良具有较好的效能, 可以为临床医生及早发现识别预后不良的AMI患者提供一定的参考。

• 单位
  湖州师范学院附属第一医院