鼻咽癌放疗后口腔感染的危险因素分析

摘要

目的 分析鼻咽癌患者放疗后口腔感染的危险因素，据此构建机器学习模型，为鼻咽癌放疗后口腔感染的早期防治提供参考依据。方法 回顾性收集2022年2月至2024年2月吉林大学第二医院收治321例鼻咽癌患者的临床资料，采用留出法，以4∶1比例将其随机分为建模组(n=257)和验证组(n=64)。采用LASSO回归分析筛选变量，经多因素分析明确独立危险因素，据此采用机器学习算法构建预测模型，并验证其预测性能。结果 本研究纳入321例患者中，243例放疗后继发口腔感染，发生率为75.70%。LASSO回归分析共筛选出关键变量15个，多因素分析结果显示，鼻咽癌患者身体质量指数(OR=1.322,95%CI=1.066～1.641)、吸烟史(OR=4.239,95%CI=1.380～13.020)、饮酒史(OR=7.677,95%CI=2.352～25.057)、口腔pH值(OR=0.170,95%CI=0.052～0.559)、白蛋白(OR=0.822,95%CI=0.727～0.930)、总抗氧化能力(OR=2.534,95%CI=1.120～5.737)、晚期氧化蛋白产物(OR=1.057,95%CI=1.024～1.092)、全身免疫炎症指数(OR=1.011,95%CI=1.005～1.016)、预后营养指数(OR=0.803,95%CI=0.714～0.904)均为鼻咽癌放疗后口腔感染的独立危险因素(P<0.05)。基于9个独立危险因素分别构建Logistic模型、决策树模型和神经网络模型，经验证，3种机器学习模型对鼻咽癌放疗后继发口腔感染均有良好的预测性能，AUC均>0.7,其中以Logistic模型预测性能最佳。结论 鼻咽癌放疗后继发口腔感染的原因较为复杂，基于机器学习算法构建预测模型，有利于鼻咽癌放疗后继发口腔感染的早期预测与识别，对临床早期预防策略的制定也可起到指导作用。

关键词

鼻咽癌 / 放疗 / 口腔炎 / 感染 / 机器学习