基于多维数据分析的脊柱感染性疾病与下肢深静脉血栓共病危险因素预测模型构建

摘要

目的 分析脊柱感染性疾病与下肢深静脉血栓(DVT)共病的影响因素，并基于多维数据分析构建脊柱感染性疾病与DVT共病危险因素预测模型。方法 选择2020年8月—2025年3月本院收治的281例脊柱感染性疾病患者为研究对象，根据患者是否发生DVT将其分为DVT组和非DVT组。比较两组临床资料的差异，运用单因素分析和二元Logistic回归分析方法筛选脊柱感染患者与DVT共病的独立影响因素，根据筛选出的影响因素建立神经网络预测模型，最后对模型的预测准确性及区分度进行验证。结果 281例脊柱感染性疾病患者合并DVT有62例，共病发生率为22.06%。DVT组在年龄、输血史、住院等待时间、激素药使用、入院自理能力评分、骨质疏松、入院实验室指标(血红蛋白、D-二聚体、血清白蛋白、血清钾、血清钠、血沉)等方面与非DVT组相比，差异具有统计学意义(P<0.05)。二元logistic回归分析显示：住院等待时间、入院自理能力评分、入院血红蛋白、入院血清钾是脊柱感染患者合并DVT的独立危险因素。神经网络预测模型内部验证结果显示：ROC曲线下面积为0.767。结论 脊柱感染性疾病与DVT共病危险因素神经网络预测模型与Logistic回归模型相比，具有较好的校准度和区分度，有助于医护人员对脊柱感染性疾病与DVT共病的个体化识别。在实际的临床工作评估中，可将神经网络预测模型与Logistic回归模型结合起来，共同作为参考，为临床医护人员对脊柱感染患者合并DVT的筛查和及早干预提供科学的依据和参考。

关键词

脊柱感染性疾病 / 深静脉血栓 / 多维数据分析 / 预测模型