基于LASSO-Logistic回归分析构建下肢深静脉血栓患者复发风险的预测模型及验证OA

目的基于最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)-Logistic回归方法,筛选关键预测因子,构建一个用于评估下肢深静脉血栓(deep vein thrombosis,DVT)患者复发风险的预测模型并进行验证,为临床个体化风险管理提供工具。方法回顾性收集2021年6月—2024年5月于同济大学附属第十人民医院接受治疗的254例下肢DVT患者的临床资料,以3∶1的比例分为训练集(n=191)与验证集(n=63)。依据随访1年内是否复发,将训练集患者分为复发组(n=38)与未复发组(n=153)。在训练集中,采用LASSO回归对所有潜在变量进行降维处理,将筛选出的变量纳入多因素Logistic回归分析,依据多因素分析结果绘制列线图模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)、校准曲线和决策曲线分析(decision curve analysis,DCA)分别评估模型的区分度、校准度和临床实用性。结果复发组患者既往DVT史、抗凝治疗<3个月、血栓形成后综合征(post-thrombotic syndrome,PTS)、凝血因子(F)Ⅷ活性>150%、有残余血栓比例及D-二聚体水平均高于未复发组(P<0.05)。基于LASSO-logistic分析结果显示,存在既往DVT病史、抗凝治疗<3个月、PTS、FⅧ活性>150%、D-二聚体水平升高均为DVT患者复发独立危险因素(P<0.05)。基于上述变量构建的列线图预测模型:C-index为0.865(95%CI:0.8020.928),ROC曲线分析显示,AUC为0.795(95%CI:0.7280.863),灵敏度为94.70%、特异度为62.10%;内部(时空同源)验证结果显示,C-index为0.825(95%CI:0.7780.914),ROC曲线分析显示,AUC为0.782(95%CI:0.6440.919),灵敏度为76.90%、特异度为80.00%。决策曲线分析表明,该模型在阈值概率0.050.79范围内具有临床净获益。结论本研究成功构建了一个基于LASSO-Logistic回归的DVT复发风险预测模型,整合了5个临床指标,具有良好的预测准确性、校准度和临床实用性,有助于临床医生早期识别高复发风险患者。