骨科手术患者麻醉苏醒延迟风险预测模型构建及验证

刘佩, 祁纯, 黄鹂, 汪婷, 魏茜, 匡源, 唐小娟

保健医学研究与实践 ›› 2025, Vol. 22 ›› Issue (07) : 57 -63.

PDF
保健医学研究与实践 ›› 2025, Vol. 22 ›› Issue (07) : 57 -63.

骨科手术患者麻醉苏醒延迟风险预测模型构建及验证

    刘佩, 祁纯, 黄鹂, 汪婷, 魏茜, 匡源, 唐小娟
作者信息 +

Author information +
文章历史 +
PDF

摘要

目的 建立骨科手术患者麻醉苏醒延迟风险预测模型,并验证、分析其预测效能,以期为临床决策的制定提供参考。方法选取武汉市某医院2021年7月—2024年7月择期行骨科手术的357例患者为研究对象,按照7∶3的比例将患者分为建模组与验证组,其中建模组249例,验证组108例。收集患者围手术期临床资料,记录苏醒延迟发生情况。采用多因素logis-tic回归分析骨科手术患者苏醒延迟的独立影响因素,并构建风险预测列线图模型,同时评估该模型的预测效能。结果 建模组与验证组患者年龄、性别分布、麻醉方式等临床资料比较,差异均无统计学意义(P>0.05)。建模组中,苏醒延迟组和非苏醒延迟组患者的年龄、身体质量指数(BMI)、术中补液量、出血量、血红蛋白值、疼痛评分,以及有低温情况及使用镇静药物的人数比例比较,差异均有统计学意义(P<0.05)。逐步回归分析结果显示,患者年龄、BMI、疼痛评分、术中补液量、镇静药物使用情况是其麻醉苏醒延迟的影响因素(P<0.05)。根据回归分析结果构建风险预测列线图模型,绘制该模型预测患者麻醉苏醒延迟风险的受试者工作特征(ROC)曲线,发现建模组曲线下面积(AUC)为0.95(95%CI:0.92~0.98),验证组AUC为0.72(95%CI:0.61~0.83),表明该模型在建模组与验证组中均具有良好的鉴别性。Hosmer-Lemeshoe拟合优度检验结果显示,建模组:χ2=3.03,P=0.930;验证组:χ2=5.00,P=0.760,校准曲线的线斜率均接近1。决策曲线分析(DCA)曲线结果表明,构建的模型在识别高风险情况并带来净收益方面具有有效性,且在高风险阈值较低时,模型能带来更高的净收益,说明该模型具有较高的临床实用性。结论 年龄、BMI、疼痛评分、手术补液量和使用镇静药物情况是骨科手术患者麻醉苏醒延迟的独立影响因素,基于以上影响因素构建的风险预测列线图模型具有良好的鉴别性、准确性和临床效用。

关键词

骨科手术 / 麻醉苏醒延迟 / 风险预测模型 / 模型验证

Key words

引用本文

引用格式 ▾
骨科手术患者麻醉苏醒延迟风险预测模型构建及验证[J]. 保健医学研究与实践, 2025, 22(07): 57-63 DOI:

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

154

访问

0

被引

详细

导航
相关文章

AI思维导图

/