基于LASSO-Logistic回归分析构建列线图模型评估肩袖损伤患者继发肩周炎的风险

摘要

目的:探讨基于LASSO-Logistic回归分析方法，筛选肩袖损伤患者继发肩周炎的关键风险因素，构建可视化的列线图预测模型，并通过内部验证评估模型的区分度与校准度，从而为临床提供一种个体化风险评估工具。方法:回顾性分析84例肩袖损伤患者(包括继发肩周炎患者30例，未继发肩周炎患者54例)的临床资料，采用LASSO-Logistic筛查影响肩袖损伤患者继发肩周炎的危险因素，通过列线图可视化预测因子权重；采用受试者工作特征(ROC)曲线和Delong检验评估模型对肩袖损伤患者继发肩周炎的预测效能。结果:经LASSO-Logistic回归分析结果显示，退变性损伤、合并糖尿病、Goutallier分级(Ⅲ-Ⅳ级)、撕裂大小(大)、Patte分级(Ⅲ级)、关节囊厚度(厚)、C反应蛋白(CRP)和血沉(ESR)高表达、25-羟基维生素D[(25(OH)D]低表达是影响肩袖损伤患者继发肩周炎的危险因素(P<0.05);列线图结果显示，Goutallier分级(Ⅲ-Ⅳ级)、撕裂大小(大)、Patte分级(Ⅲ级)、关节囊厚度(厚)是影响肩袖损伤患者继发肩周炎的最强因子，然后是退变性损伤、合并糖尿病、CRP和ESR高表达、25(OH)D低表达。列线图ROC曲线下面积为0.891,Delong检验结果显示，学习集和测试集分别为0.943、0.952,预测值与实际观测值之间差异无统计学意义(P>0.05)。结论:基于LASSO-Logistic回归分析构建列线图模型对肩袖损伤患者继发肩周炎具有良好的预测效能。

关键词

LASSO-Logistic回归 / 肩袖损伤 / 肩周炎 / 风险列线图 / 危险因素