基于LASSO-Logistic回归分析的髋关节置换术后慢性疼痛影响因素分析及预测模型构建

摘要

目的 基于LASSO-Logistic回归分析探讨髋关节置换患者发生术后慢性疼痛(CPSP)的影响因素，并构建列线图预测模型。方法 回顾性选取2021年1月—2023年6月行髋关节置换术的296例患者设为建模集，另选取2023年7月—2024年9月行髋关节置换术的127例患者设为验证集。根据CPSP发生情况，将建模集患者分为非CPSP组234例和CPSP组62例。收集患者的临床资料，通过LASSO-Logistic回归分析筛选CPSP发生的影响因素；采用在线制作工具构建列线图预测模型。采用受试者工作特征(ROC)曲线和Hosmer-Lemeshow检验评估模型的预测效能，通过临床决策曲线分析(DCA)评估模型的临床应用价值。结果 423例患者的CPSP总发生率为19.62%,建模集和验证集患者的CPSP发生率分别为20.95%(62/296)和16.54%(21/127)。单因素分析显示，非CPSP组患者的年龄、手术类型、手术时间、术前数字评定量表(NRS)评分、术后24 h NRS评分、术后髋关节首次活动时间与CPSP组比较，差异均有统计学意义(P<0.05)。LASSO-Logistic回归分析结果显示，年龄≥60岁(OR=4.492, 95%CI:2.047～9.857)、全髋置换术(OR=7.627, 95%CI:3.312～17.563)、术前NRS评分>3分(OR=4.157, 95%CI:1.851～9.338)、术后24 h NRS评分>3分(OR=5.572, 95%CI:2.550～12.175)、术后髋关节首次活动时间≥3 d(OR=3.434, 95%CI:1.762～6.692)为髋关节置换术患者CPSP发生的独立危险因素(P<0.05)。列线图模型显示，总得分越高，CPSP发生风险越高。ROC曲线显示，模型在建模集和验证集中预测CPSP发生的曲线下面积(AUC)分别为0.820(95%CI:0.763～0.878)和0.876(95%CI:0.796～0.957),且均通过Hosmer-Lemeshow检验，DCA表明模型具有临床应用价值。结论 年龄、手术类型、术前NRS评分、术后24 h NRS评分、术后髋关节首次活动时间均与髋关节置换术患者CPSP发生风险密切相关，基于这些因素构建的预测模型具有良好的预测效能。

关键词

髋关节置换术 / 术后慢性疼痛 / Logistic模型 / LASSO回归 / 列线图 / 影响因素 / 预测模型 / 康复训练

基金资助

江苏省卫生健康委科研项目(M2021058)