基于机器学习的突发性耳聋预后预测模型构建及中西医结合干预验证OA

目的:构建基于机器学习的突发性耳聋预后预测模型,并应用于中西医分层干预的效果评估。方法:回顾性纳入2024年1月—2025年12月于本院耳鼻喉科就诊的符合标准突发性耳聋初发未治的992例患者(建模集768例,验证集224例),通过Lasso回归分析筛选预测变量,采用随机森林(RF)、逻辑回归(LR)、支持向量机(SVM)三种机器学习模型进行预测分析,并构建风险列线图模型,使用受试者工作特征(ROC)曲线、校准曲线、决策曲线分析(DCA)评估模型效能。通过Youden指数确定风险分层临界值,并回顾性分析同风险分层内不同干预方案的疗效差异。结果:根据Lasso回归分析的变量筛选结果,将年龄、听力损伤分型、糖尿病史、中医证候类型及初始平均听阈五项指标纳入最终模型。Lasso-列线图模型的区分度最佳(建模集AUC=0.933;验证集AUC=0.889),随后依次为RF、LR、SVM。校准检验提示Lasso-列线图模型的校准度最优(建模集χ^(2)=6.824,P=0.556;验证集χ^(2)=5.317,P=0.621)。临床适用性分析显示,所有模型在10%~99%的风险阈值内均获得正向净获益,临床实用性良好;RF、LR、SVM三种模型的DCA净获益值在20%~80%的风险阈值内均显著低于Lasso-列线图模型。经Youden指数确定风险分层临界值,预后不良概率>58.2%为高风险组,31.7%~58.2%为中风险组,<31.7%为低风险组。精准干预显示在高风险亚组中,中西医结合组(n=89)比单纯西医组(n=92)的预后优良率显著更高(78.5%vs.52.3%,P<0.05),但该优势在中风险组及低风险组中未能复现(P>0.05)。结论:基于Lasso-列线图模型的风险分层可有效预测突发性耳聋预后,临床可用于指导中西医联合干预以改善高风险患者结局,为临床个体化精准诊疗提供循证依据。