基于年龄、性别、血压、血糖和血脂的逻辑回归模型可有效预测患者脑白质病变

摘要

目的 基于年龄、性别、血压、血糖和血脂等临床常用指标，构建预测脑白质病变严重程度（Fazekas评分）的逻辑回归模型，为临床筛查和早期干预提供参考。方法 回顾性纳入2018年1月～2024年10月在南方医科大学第三附属医院行MRI检查的300例老年患者，分析患者的年龄、性别、收缩压、舒张压、空腹血糖、低密度脂蛋白、甘油三酯及总胆固醇等临床及实验室数据，主要采用MRI T2 FLAIR序列图像进行Fazekas评分，判断脑白质病变的轻度（Fazekas评分≤3）、重度（Fazekas评分>3）并将其分为轻度组和重度组。将患者随机分为训练集（n=240）和测试集（n=60），以临床及实验室数据作为自变量，脑白质病变严重程度作为因变量，构建逻辑回归预测模型。通过ROC曲线和曲线下面积（AUC）评估模型在训练集和测试集的预测性能。结果 300例患者中，轻度脑白质病变102例（34.0%），重度脑白质病变198例（66.0%）。单因素分析显示，重度组患者的年龄、收缩压、舒张压和空腹血糖浓度均高于轻度组（P<0.05），且男性比例增高。根据赤池法则准则选择性别、年龄、收缩压、低密度脂蛋白、甘油三酯、总胆固醇作为自变量，构建逻辑回归模型，在训练集上的AUC为0.778，敏感度为0.763、特异度为0.624，测试集上的AUC为0.860，敏感度为0.791、特异度为0.688，表现出较好的预测能力。结论 基于年龄、性别、血压和血糖的预测模型可有效预测脑白质病变严重程度，具有潜在的临床价值。

关键词

脑白质病变 / Fazekas评分 / 磁共振成像 / 预测模型 / 年龄 / 血压 / 血脂