列线图与CART决策树模型对膝关节置换术后急性疼痛风险预测中的效能比较

摘要

目的 分别构建预测膝关节置换术（TKA）后急性疼痛（APP）风险的列线图与分类与回归树（CART）决策树模型，并比较两种模型在对TKA后APP风险预测中的预测效能。方法 以274例膝关节骨性关节炎（KOA）患者为研究对象，均于2018年3月至2024年4月在本院进行TKA治疗，根据术后是否发生APP将患者分为APP组（n=98）和非APP组（n=176）,对两组患者进行单因素分析。根据单因素分析结果进行Logistic回归分析TKA后APP的危险因素，根据危险因素绘制列线图模型；根据单因素分析结果进行CART决策树模型建立。绘制两种模型的受试者工作特征（ROC）曲线并对两种模型的预测效能进行DeLong检验。结果 单因素分析结果显示，两组患者在年龄、体质指数（BMI）、糖尿病、西安大略和麦克马斯特大学骨关节炎指数（WOMAC）、术前疼痛灾难化量表（PCS）评分、术前视觉模拟评分（VAS）、止血带使用时间、神经阻滞、术后使用镇痛泵方面比较差异具有统计学意义（P<0.05）。多因素Logistic回归分析结果显示，BMI≥25 kg/m²、糖尿病、PCS评分≥27分、VAS评分≥5分、术后未使用镇痛泵为TKA后APP的独立危险因素（P<0.05）。基于多因素Logistic回归结果采用R软件绘制列线图模型。将单因素分析中差异具有统计学意义的相关因素纳入CART决策树模型，最终模型筛选出5个特征，包括BMI≥25 kg/m²、糖尿病、WOMAC≥48分、术前使用神经阻滞、未使用术后镇痛泵。绘制两种模型的ROC曲线，结果显示列线图模型和CART决策树模型的AUC分别为0.858和0.911,灵敏度分别为81.88%和86.34%,特异度分别为82.91%和87.62%,阳性预测值分别为75.43%和80.69%,阴性预测值分别为82.94%和89.27%,预测准确率分别为83.31%和89.75%。两种模型AUC值相比差异具有统计学意义（Z=9.864,P<0.001）。结论 两种模型均对TKA后APP风险具有较好的预测效能，CART决策树预测效能优于列线图模型。

关键词

膝关节置换术 / 术后急性疼痛 / 预测效能 / 列线图模型 / CART决策树模型